CN119494787A 一种自动驾驶的点云补全方法及相关设备 （湖南工商大学）

到待补全点云数据对应的多个初始补全点云数的方法能够在计算资源受限的情况下提高点云2获取自动驾驶车辆周围环境的原始点云数据；所述原始点云基于所述原始点云数据进行表面重建，得到三维网格模型，并对根据所有初始补全点云数据构建补全损失函数，并基于所述补全损失根据所述原始点云数据中所有点的位置数据计算每根据所述潜在函数构建三角网格，并对所述三角网格进行平滑和简vy=pj-p;表示第j个点相对于所述第i个点的偏移向量，表示所述第j个点的位置p;表示所述第i个点的位置数据，c;表示协方差矩阵，N(p)表示所述第i个点的k个特征值，i=1,2,.,I，i表示原始点云数据中点的数量。3积密度场的集合，p(p)表示原始点云数据中第i个点的体积密度场pi表示原始点云数据中第1个点的位置数据，pi表示原始点云数据中第个点的位置数据。对所述三维网格模型进行多个尺度的均匀空间划分，得到多个对所述体素网格模型中的每个体素单元进行均匀采样，得到每个所述将所有体素单元的质心点的位置数据进行组合，得到所述体素计算质心点的位置数据prep；其中，NCOU表示体素单元中所有采样点的数量，cell表示体素单元中所有采样点的集合，pr表示第T个采样点的位置数据。根据所述点云特征表示计算模型点云数据中每个质心点对应的补全点4所述根据所述点云特征表示计算模型点云数据中每个质心点对应的补全点的位置数的对抗损失函数进行加权求和得到的对抗综合损失函数，Lraat表示特征一致性损失函始补全点云数据的融合特征scale*表示所有初始补全点云数据的集56根据原始点云数据中所有点的位置数据计算表示第j个点相对于第i个点的偏移向量，表示第j个点的位置数pi表示第i个点的位置数据，c;表示协方差矩阵，v)表示第i个点的领域点的集表示第k个特征向量，表示第k个特,pi表示原始点云数据中第1个点的位置数据，pi表示原始点云数据中7计算质心点的位置数据prep；其中，NCOU表示体素单元中所有采样点的数量，cell表示体素单元中所有采样点的集合，pr表示第T个采样点的位置数据。8质存储有计算机程序，该计算机程序被处理器执行时实现上述的自动驾驶的点云补全方9N,表示原始点云数据中点的数量，表示第i个点的横坐标，表示第i个点的纵坐标，表示第i个点的竖坐标，上述坐标均为自动驾驶车辆的雷达等设备获pi表示缩放后的第个点的位置数据。第个点的归一化后的位置数据，半径的值通过对点云中各点之间的平均距离进行估表示第j个点相对于第i个点的偏移向量，表示第j个点的位置数pi表示第i个点的位置数据，c;表示协方差矩阵，v)表示第i个点的领域点的集表示第k个特征向量，表示第k个特的体积密度场的集合，表示原始点云数据中第个点的体积密度场pi表示原始点云数据中第1个点的位置数据，pi表示原始点云数据中第个点的位置数据。t()义的三维表面中提取三角网格，该算法通过在三维空间中遍历网格立方体的所有边界点，表示体素单元的边长。计算质心点的位置数据prep。点的集合，pr表示第T个采样点的位置数据。[0068]在本申请的一些实施例中，上述利用点云补全网络对每个模型点云数据进行补骤。上述对抗综合损失函数Lcaw中的权重系数根据对应的初始补全点云数据进行设定，点云数据的对抗损失函数，LCSW(D)表示尺度为高稠密点云的初始补全点云数据的对S=supne),R=R)prexe}其中，fiocai(p1)表示输入到判别器的点云数据（初始补全点云数据或真实补全[0094]示例性的，初始补全点云数据的数量为3，单位体积内的点数量分别对应稀疏点训练后的点云补全网络，最后利用训练后的点云补全网络对待补全点云数据进行点云补云数据的几何准确性和多个尺度下的信息丰富性，基于多个尺度的模型点云数据进行补用集成电路(ASIC，ApplicationSpecificIntegratedCircuit)、现成可编程门阵列[0107]所述存储器D101在一些实施例中可以是所述终端设备D10的内部存储单元，例如的外部存储设备，例如所述终端设备D10上配备的插接式硬盘，智能存储卡（SMC，Smart存储器D101还可以既包括所述终端设备D10的内部存储单元也包括外部存储设备。所述存有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步[0110]所述集成的单元如果以软