基于注意力的多阶段点云补全网络

Abstract

点云补全指利用不完整点云数据重建完整三维模型的过程。现有的大多数点云补全方法受点云无序性和不规则性影响,难以有效地重建局部细节信息,进而影响补全精度。为解决这个问题,提出基于注意力的多阶段点云补全网络。设计了满足置换不变性的金字塔式点云特征提取器以建立局部内点间的依赖以及不同局部间的相关性,在提取全局特征信息的同时加强对局部特征信息的提取。在点云重建过程中,采用由粗到精的方式,首先生成一个低分辨率的种子点云,然后逐步丰富种子点云的局部细节,得到更加精细且稠密的点云。在公开数据集PCN下进行的对比实验结果证明了所提网络能够有效重建局部细节信息,与现有方法相比,在补全精度上提升了至少5.98%。消融实验结果也进一步验证了所提注意力模块的有效性。