PCU-Net:基于改进PCN的点云补全均匀算法

激光雷达采集的点云数据往往是稀疏且无序的。对于需要通过处理三维点云的研究来说,直接处理激光雷达采集的数据容易产生差错,需要对采集的点云进行预处理。现有算法致力于恢复点云的拓扑结构,忽略了稀疏的点云容易丢失特征信息。针对上述问题,提出了一个神经网络,可以将原来残缺、稀疏的点云生成为完整、密集、均匀的点云,称为点云补全均匀化网络(Points Completion Uniform Net,PCU-Net)。该网络基于点云补全网络(Point Completion Network,PCN)引入了一种能够快速提取全局特征的轻量化结构,并在解码器中补全和稠密化点云。还提出了一种精炼器模块,从输入中保留原始细节,通过最远点采样(Farthest Point Sampling,FPS)和点特征残差网络均匀化点云。在开源数据集Visionair上通过实验对比,该算法在点云补全上较目前主流补全算法有所提升,并在点云均匀化和稠密化上取得良好的效果。