首页|基于深度学习的三维点云重建方法

基于深度学习的三维点云重建方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
在三维点云重建过程中,由于点云固有的稀疏性和不规则性,使得重建结果不佳,因此在重建之前需要对点云进行整合处理.提出了一种基于深度学习的三维点云整合方法,将输入点云分为局部小块,使用PointNet++特征嵌入模块学习每个点的多级特征,运用PU-Net数据驱动的方法,将多级特征上采样扩展为点集,并给出三维点坐标和点到边的距离.在最小化点到边缘距离的基础上,构建了一种排斥损失函数,促使点云分布更加均匀.以均方误差、均方根值以及可视化效果作为评价指标,在点云数据集ShapeNet进行训练和测试,实验结果证明了所提出方法的有效性和鲁棒性.
3D point cloud reconstruction based on deep learning

李哲、卢健、杨腾飞

展开 >

西安工程大学电子信息学院 西安710600

深度学习 点云重建 数据集

2018JQ4016GX2007

2021

10.19652/j.cnki.femt.2002362

国外电子测量技术
北京方略信息科技有限公司

国外电子测量技术

CSTPCD北大核心
影响因子：1.414
ISSN：1002-8978
年,卷(期)：2021.40(3)
  • 8
  • 6