买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提供一种基于深度学习的保留密度的点云压缩方法，用于在点云压缩过程中保留原始点云的密度从而生成高质量的重建点云，其特征在于，包括如下步骤：步骤S1，对预先获取的点云数据进行预处理从而得到训练样本；步骤S2，构建用于提取点云数据的几何信息与密度信息的编码器，并基于编码器获取点云特征；步骤S3，采用熵编码器对点云特征进行压缩；步骤S4，构建用于对点云特征进行上采样的解码器；步骤S5，构建损失函数；步骤S6，基于训练样本对由编码器、熵编码器以及解码器组成的点云压缩模型采用损失函数进行训练；步骤S7，将点云数据输入至训练好的点云压缩模型从而实现保留原始点云密度的点云压缩。

主权项：1.一种基于深度学习的保留密度的点云压缩方法，用于在点云压缩过程中保留原始点云的密度从而生成高质量的重建点云，其特征在于，包括如下步骤：步骤S1，对预先获取的点云数据进行预处理从而得到训练样本；步骤S2，构建用于提取所述点云数据的几何信息与密度信息的编码器，并基于所述编码器获取点云特征；步骤S3，采用熵编码器对所述点云特征进行压缩；步骤S4，构建用于对所述点云特征进行上采样的解码器；步骤S5，构建损失函数；步骤S6，基于所述训练样本对由所述编码器、所述熵编码器以及所述解码器组成的点云压缩模型采用所述损失函数进行训练；步骤S7，将所述点云数据输入至训练好的所述点云压缩模型从而实现点云压缩，其中，所述步骤S2包括以下子步骤：步骤S2-1，采用最远点采样对所述点云进行多阶段地下采样，对于每个阶段下采样后点云中的每个点，寻找每个阶段对应的收缩点集；步骤S2-2，采用密度嵌入与位置嵌入分别表征当前阶段收缩点集的密度信息与几何信息，同时采用祖先嵌入表征之前阶段收缩点集的密度信息与几何信息；步骤S2-3，将所述密度嵌入、所述位置嵌入以及所述祖先进行嵌入融合获取所述点云特征，所述步骤S4包括以下子步骤：步骤S4-1，基于预定义的最大上采样倍数U，构建尺度自适应的上采样模块来对下采样后的点云进行上采样，得到候选点云与候选特征；步骤S4-2，基于上采样倍数预测分支预测实际的上采样倍数，并以此来选取所述候选点云与所述候选特征，从而形成最终的上采样结果，采样倍数预测分支为：首先构建一个多层感知机MLP，对于输入点云内的每个点，利用其特征为每个点回归一个0到1之间的浮点数，再乘预定义的最大上采样倍数8并四舍五入后得到实际的上采样倍数。

全文数据：

权利要求：

百度查询： 复旦大学 一种基于深度学习的保留密度的点云压缩方法