基于边缘区域特征细化的无监督点云补全网络研究

来源：计算机工程与应用杂志2025年第10期北京时间：

作者：陈汉秋, 张惊雷, 贾鑫

单位：1.天津理工大学 电气工程与自动化学院，天津 300384；2.天津理工大学 工程训练中心，天津 300384

摘要：现有点云补全方法通常利用区域特征捕捉不同区域的几何结构，而忽略了点云的边缘特征。这些特征描述了点云拐角处或复杂边界处的细节，是恢复精细点云的关键。为了实现区域特征和边缘细节的优势互补，提出了一种基于边缘区域特征细化的无监督点云补全网络。设计区域-边缘特征提取器，引入DGCNN（dynamic graph convolutional neural network）捕获点云的区域特征，并通过构建点云空间位置的归一化图筛选出边缘特征。提出缺失点生成器，将所提取的边缘特征融入局部区域，生成一个相对完整的粗糙点云。构建无监督点细化器，预测出描述点云结构的关键点，并进一步将粗糙点云细化为具有丰富细节的完整点云。在PCN、ShapeNet-55/34、MVP、KITTI数据集上的大量实验证明，该方法获得了先进的补全性能，相比于最新方法SeedFormer和ProxyFormer，MMD指数性能上分别提升了3.7%、2.2%。

关键词：点云补全,边缘特征,特征互补,无监督细化器