基于DCGAN的点云滤波方法

摘要：

在获取点云进行3D重建时,必然会有各种各样的噪音.传统的滤波方法主要依靠概率模型的假定,但是由于复杂的背景,使得传统的滤波方法难以获得较好的滤波效果.为了解决此问题,提出一种基于深度卷积生成对抗网络(DCGAN)的点云滤波方法.首先计算点云的特征值和熵值,根据熵值分配给点维度类别(1D、2D、3D);不同的维数类别建立不同的簇,并将点云的维数类别与点的几何特性相对应;然后在每个簇内应用DCGAN进行聚类;最后排除高熵点以及离群点等噪声达到滤波目的.实验结果证明,与传统的半径滤波、统计滤波方法相比,该方法在滤波性能上有很大的改善,并且在运算速度上分别提高了5.8倍和2.5倍,基本达到了高精度、高效率的点云滤波需要.

关键词：点云滤波、深度卷积生成对抗网络、协方差特征、聚类分析、深度学习、三维重建、降噪

所属期刊栏目：46

分类号：TN919-34;TP391

资助基金：十四五江苏省重点学科项目;江苏省研究生科研创新项目

在线出版日期：2023-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：28-32