采用动态残差图卷积的3D点云超分辨率

摘要：

为了在超分辨率中对非欧数据的3D点云进行局部信息高效提取,提出采用动态残差图卷积的3D点云超分辨率网络(PSR-DRGCN),该网络包括特征提取模块、DRGCN模块及上采样模块.对于输入的3D点云,特征提取模块采用k-近邻(k-NN)算法在3D空间中找到每个点对应的k个邻居,通过逐点卷积把局部几何信息转换到高维特征空间中;DRGCN模块利用多层图卷积操作将3D空间中每个点的局部几何特征抽象为语义特征,在每一层对点的近邻空间进行动态调整以增加感受野范围,并通过残差连接融合多层次语义信息,从而对局部几何信息高效提取;上采样模块将特征空间中的点进行上采样并转换到3D空间中.实验结果表明,PSR-DRGCN生成的高分辨率点云在放大尺度为2倍时,相似性指标CD、EMD、F-score相比第2网络分别优化了10.00％,4.76％,16.84％;当放大尺度为6倍时,相似性指标相比第2网络分别优化了2.35％,40.00％,0.58％;在所有情况下的均值与标准差指标上达到最优效果,生成的高分辨率点云质量高.

关键词：3D点云、超分辨率、动态图卷积网络、语义特征、深度学习

所属期刊栏目：56

分类号：TP391.4(计算技术、计算机技术)

资助基金：云南省重大科技专项计划资助项目202002AD080001

在线出版日期：2022-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2251-2259