基于骨架重建的点云补全网络

来源：电子测量技术杂志2023年第9期北京时间：

作者：杨小平，赵晓

单位：1.桂林理工大学信息科学与工程学院 桂林 541004; 2.桂林理工大学广西嵌入式技术与智能系统重点实验室 桂林 541004

摘要：随着计算机三维视觉的快速发展，包含空间几何信息的点云数据广泛应用于机器人、自动驾驶等场景中，然而由于遮挡、角度受限等原因经常会造成几何语义信息的缺失。为了解决这一问题，提出了SRC-Net，首先利用融合动态图卷积网络编码器和折叠网络解码器的骨架重建网络从残缺点云中重建出几何骨架，接着使用自编码器结构建立几何骨架到均匀完整点云的映射。最后在MVP数据集上的补全结果表明，SRC-Net较现有补全网络可以生成更均匀且光滑分布的高质量完整点云，并能达到更为细节的补全效果，为点云深度学习补全提供了一种新的思路和方法，具有一定指导意义。

关键词：三维图像处理;点云;补全;自编码器;图神经网络

基金资助：863计划地球观测与导航技术领域项目(2013AA12210504)资助