申请/专利权人：广州紫为云科技有限公司

申请日：2022-05-06

公开（公告）日：2024-04-26

公开（公告）号：CN114897692B

主分类号：G06T3/4053

分类号：G06T3/4053;G06T3/4046;G06N3/0475;G06N3/045;G06N3/094;G06T15/00;G06T17/00;G06V10/40

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.08.30#实质审查的生效;2022.08.12#公开

摘要：本发明公开了一种搭载基于零样本学习的整体点云上采样算法的手持设备的采样方法，所述手持设备的采样方法包括：将所述手持设备对准目标物体，围绕物体做360°的扫描且尽量保持物体在圆心位置，在此过程中，不同角度扫描到的点云全部存储到设备中，对扫描数据进行处理，通过合成、去噪算法将多个不同角度的点云合成为单个完整的点云χgt，再通过设备自带的上采样算法，将所述单个完整的点云χgt进行上采样，其中，采样率为u，最后将得到的点云传输到其他设备端，进行重构、渲染、3D场景合成任务。

主权项：1.一种搭载基于零样本学习的整体点云上采样算法的手持设备的采样方法，其特征在于，所述手持设备的采样方法包括：将所述手持设备对准目标物体，围绕物体做360°的扫描且尽量保持物体在圆心位置，在此过程中，不同角度扫描到的点云全部存储到设备中，对扫描数据进行处理，通过合成、去噪算法将多个不同角度的点云合成为单个完整的点云χgt，再通过设备自带的上采样算法，将所述单个完整的点云χgt进行上采样，最后将得到的点云传输到其他设备端，进行重构、渲染、3D场景合成任务，其中，所述上采样算法包括：所述上采样算法分别采用了重构损失函数、排斥损失函数、均匀损失函数、对抗损失函数来实现既定目标：重构损失函数通过学习网络输出A与目标点云B间点与点的对应关系完成对网络输出的重构；该函数可由ChamferDistance模块和或EarthMoverDistance模块分别代入使用，其中，ChamferDistance模块计算的是点云A中每个点到点云B中每个点的最小距离以及B到A相同条件的平均值；EMD模块计算的是把A中每个点移动到B的最小能量，通过ChamferDistance模块用来计算输入点云与输出点云A之间的损失，而通过EarthMoverDistance模块用来计算A和B之间的损失，在考虑了局部特征和整体特征的前提下，两者同时对网络的输出进行重构，损失函数为： 其中，χu和χgt分别是A和B，u为上采样系数，gt表示groundtruth，φ为χu到χgt的映射函数，这里的χu和χgt含有相同数量的点；排斥损失函数将上采样后过于临近的点彼此推离，将计算出的特定点与周围临近点间的距离的负值进行优化，从而惩罚距离过近的点，损失函数为： 其中，η为惩罚函数，K为临近点的个数，Nu为上采样后点的个数；均匀损失函数以平均分布点云表面的点作为目标，首先，在点云中以farthestpointsampling算法找到M个种子点；然后，以这些种子点作为重心，再以特定的半径rd取一定的圆面积形成disk，其中每个disk的面积由经验取得，分别为一个单位面积的0.4％～1.2％，损失函数为： 其中，M为每个disk中点的个数；通过对抗损失函数使生成的fake点云更加真实，损失函数为：LG＝||1-logDχu||2，LD＝||logDχu||2+||1-logDxgt||2其中，G和D分别为生成器generator和辨别器discriminator。

全文数据：

权利要求：

百度查询： 广州紫为云科技有限公司 搭载基于零样本学习的整体点云上采样算法的手持设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD