-
题名3D点云形状补全GAN
被引量：3
- 1
-
-
作者
赵新灿
常寒星
金仁标
-
机构
郑州大学信息工程学院
-
出处
《计算机科学》
CSCD
北大核心
2021年第4期192-196,共5页
-
基金
航空科学基金(2018ZC41002)。
-
文摘
在真实的扫描环境中,由于视线遮挡或技术人员操作不当,实际采集到的点云模型会存在形状不完整的问题。点云模型的不完整性会对后续应用产生严重的影响,因此提出3D点云形状补全GAN用于完成点云模型的形状补全。该网络的点云重建部分由PointNet中用于数据对齐的T-Net结构与3D点云AutoEncoder网络相结合,来完成预测和填充缺失数据,识别器采用3D点云AutoEncoder中的Encoder部分对补全3D点云数据与真实的3D点云数据进行区分。最后,在ShapeNet数据集中训练上述网络结构,对所训练的网络模型进行验证并与其他基准方法进行定性比较。从实验结果可以看出,3D点云形状补全GAN可以将具有缺失数据的点云模型补全为完整的3D点云。在ShapeNet的3个子数据集chair,table以及bed上,相比基于3D点云AutoEncoder的方法,所提方法的F 1分数分别提高了3.0%,3.3%以及3.1%,相比基于体素3D-EPN的方法,所提方法的F 1分数分别提高了9.9%,5.8%以及4.3%。
-
关键词
3D点云
形状补全
AutoEncoder
生成对抗网络
-
Keywords
3D point cloud
Shape completion
AutoEncoder
Generative adversarial network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
