计量学报

作者：王凯,陈辉,陈廉明,黄和平,陈晓琳

单位：上海电力大学自动化工程学院,上海200090

关键词：机器视觉;点云重建; 深度学习;单幅图像;局部曲面微分几何;密集点云; 重建网络

基金：国家科技部外国专家局项目(DL2022013007L);上海市科委科技创新双碳项目(21DZ1207300)

针对单个阶段直接预测点云的直通式结构会导致生成的点云相对稀疏、细节描述不清晰、结果分布不均匀等问题,提出一种基于改进注意力机制和局部曲面微分几何的2阶段密集点云重建网络,实现分阶段预测不同分辨率、分布均匀的密集点云。首先通过嵌入改进坐标注意力机制,提高网络对输入图像中目标的方向感知和坐标信息的捕获能力;然后预测出目标的稀疏点云,并提取稀疏点云的密集连接特征获得描述稀疏点云的结构感知信息;最后采用局部曲面微分几何完成点云扩展进而生成分布均匀的密集点云。实验结果表明,与3D-FEGNet相比,所提密集点云重建网络在CD和EMD上分别降低25.4%和25.1%,采用真实物体进行实验,所获得点云三维尺寸误差均＜1.5mm。

来源：2024年第7期

《计量学报》期刊编辑部

查看计量学报杂志2024年第7期