基于点云块生成的双路结构三维点云补全网络

作     者：何祺丰 

作者单位：电子科技大学 

学位级别：硕士

导师姓名：谢宁

授予年度：2023年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：三维点云补全 三维计算机视觉 三维几何深度学习 双路网络 

摘      要：三维点云补全已经成为三维计算机视觉领域的一个热门研究方向,其旨在利用三维点云的不完整部分来恢复出完整的三维形状。因为三维点云是人们从现实世界中最方便获取并储存的三维形状格式之一,其在各个领域得到了广泛的研究和应用。但是,因为各种各样的局限性,人们获得的三维点云数据往往是不完整的,会出现不同的残缺和空洞,影响到下游任务的进行。所以人们想到借助深度学习神经网络强大的联想和预测能力来进行三维点云补全任务。然而,三维点云补全以往的方法要么是在生成阶段直接预测输出整个三维形状,改变了原始点云中点的分布,或甚至出现了一个完全不同的形状;要么就是在还原三维物体的局部细节方面效果有限,不能很好地利用原始点云中存在的对称性和相似性等几何特征。本工作针对上述问题提出了一种全新的基于点云块生成的双路网络来应用于三维点云补全任务,提高结果的准确性和美观性,在维持原始输入点云点分布不变的同时,更好地还原出三维物体的局部细节。这个网络利用不同编码器网络架构设计的优点,将它们放置于上下两路网络中,通过上路来提供对三维点云缺失区域整体形状的粗略估计,然后通过下路生成多个点云块的方式来根据上路的结果进一步填充细节,细化结果。同时本工作还提出了一个识别模块,用于尽可能地保留原始输入点云中点的分布。本工作在多个数据集上和前人的数项方法进行了数值和可视化的对比实验,并通过消融实验来验证本工作各项设计的有效性,同时还进行了鲁棒性实验来测试本工作在不同输入点云缺失程度下的表现。这些实验证明了本工作方法表现效果出色,各个模块设计切实有效,能高精度地在不破坏原始输入的情况下还原出完整的三维点云。其数值评估和可视化效果优于前人的工作,并且即使在点云缺失比例不同的时候也具有很好的效果。