(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210651759.0 (22)申请日 2022.06.09 (71)申请人 北京大学深圳研究生院 地址 518000 广东省深圳市南 山区西丽深 圳大学城北大园区H栋208室 (72)发明人 高伟　张晓玉　廖桂标　李革　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 刘凤 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/422(2022.01) G06V 10/44(2022.01) G06V 20/20(2022.01) (54)发明名称 一种压缩点云的失真恢复方法、 装置及电子 设备 (57)摘要 本公开涉及点云处理技术领域， 具体提供了 一种压缩点云的失真恢复方法、 装置及 电子设 备， 通过获取压缩点云； 针对所述压缩点云进行 多尺度采样， 确定多组采样点云； 将所述采样点 云输入至 预设的特征提取器， 确定所述压缩点云 对应的精确结构特征； 根据所述精确结构特征， 分别提取所述压缩点云对应的全局形状特征以 及局部纹理特征； 将所述全局形状特征与所述局 部纹理特征融合后进行点云重排列， 确定所述压 缩点云对应的恢复点云。 可以有效去除点云在压 缩过程中引入的压缩伪影， 提高压缩点云的质 量。 权利要求书2页 说明书10页 附图4页 CN 114998699 A 2022.09.02 CN 114998699 A 1.一种压缩点云的失真恢复方法， 其特 征在于， 包括： 获取压缩点云； 针对所述压缩点云进行多尺度采样， 确定多组采样点云； 将所述采样点云输入至预设的特 征提取器， 确定所述压缩点云对应的精确结构特 征； 根据所述精确结构特征， 分别提取所述压缩点云对应的全局形状特征以及局部纹理特 征； 将所述全局形状特征与所述局部纹理特征融合后进行点云重排列， 确定所述压缩点云 对应的恢复点云。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述采样点云输入至预设的特征提 取器， 确定所述压缩点云对应的精确结构特 征， 具体包括： 将所述采样点云输入至预设的Transformer编码器进行编码， 确定所述采样点云对应 的粗略结构特 征； 采用预设的多层感知器处理所述粗略结构特征， 确定所述压缩点云对应的初步恢 复点 云； 将所述初步恢复点云与所述粗略结构特征输入至预设的Transformer解码器， 确定所 述压缩点云对应的精确结构特 征。 3.根据权利要求1所述的方法， 其特征在于， 基于以下方法提取所述压缩点云对应的全 局形状特 征： 构建由多个并行的极化自注意力网络组成的全局形状特 征提取网络； 将所述精确结构特征输入至所述全局形状特征提取网络， 由所述全局形状特征提取网 络中的每个所述极化自注意力网络， 确定所述压缩点云对应的形状关系特征， 其中， 多个所 述极化自注意力网络之间选取有不同的邻居编号； 采用预设的多层感知器融合所述全局形状特征提取网络输出的多个形状关系特征， 确 定所述压缩点云对应的所述全局形状特 征。 4.根据权利要求1所述的方法， 其特征在于， 基于以下方法提取所述压缩点云对应的局 部纹理特征： 构建由多个并行的图卷积网络组成的局部纹理特征提取网络， 其中， 多个所述图卷积 网络之间设置有不同的邻居数； 将所述精确结构特征输入至所述局部纹理特征提取网络， 由所述局部纹理特征提取网 络中的每 个所述图卷积网络， 确定所述压缩点云对应的部分局部纹 理特征； 采用预设的多层感知器融合所述局部纹理特征提取网络输出的多个部分局部纹理特 征， 生成所述压缩点云对应的所述局部纹 理特征。 5.根据权利要求4所述的方法， 其特征在于， 所述图卷积网络基于以下方法确定所述压 缩点云对应的部分局部纹 理特征： 采用K近邻算法确定所述精确结构特 征对应的多个邻居特 征； 将所述邻居特征通过预设的多层感知器的处理， 选取响应值最大的所述邻居特征作为 所述压缩点云对应的部分局部纹 理特征。 6.一种压缩点云的失真恢复装置， 其特 征在于， 包括： 获取模块， 用于获取压缩点云；权　利　要　求　书 1/2 页 2 CN 114998699 A 2分组模块， 用于针对所述压缩点云进行多尺度采样， 确定多组采样点云； 结构特征提取模块， 用于将所述采样点云输入至预设的特征提取器， 确定所述压缩点 云对应的精确结构特 征； 分支复原模块， 用于根据所述精确结构特征， 分别提取所述压缩点云对应的全局形状 特征以及局部纹 理特征； 融合洗牌模块， 用于将所述全局形状特征与所述局部纹理特征融合后进行点云重排 列， 确定所述压缩点云对应的恢复点云。 7.根据权利要求6所述的装置， 其特征在于， 所述分支复原模块包括全局形状特征提取 单元， 所述全局形状特 征提取单元用于： 构建由多个并行的极化自注意力网络组成的全局形状特 征提取网络； 将所述精确结构特征输入至所述全局形状特征提取网络， 由所述全局形状特征提取网 络中的每个所述极化自注意力网络， 确定所述压缩点云对应的形状关系特征， 其中， 多个所 述极化自注意力网络之间选取有不同的邻居编号； 采用预设的多层感知器融合所述全局形状特征提取网络输出的多个形状关系特征， 确 定所述压缩点云对应的所述全局形状特 征。 8.根据权利要求6所述的装置， 其特征在于， 所述分支复原模块包括局部纹理特征提取 单元， 所述局部纹 理特征提取单元用于： 构建由多个并行的图卷积网络组成的局部纹理特征提取网络， 其中， 多个所述图卷积 网络之间设置有不同的邻居数； 将所述精确结构特征输入至所述局部纹理特征提取网络， 由所述局部纹理特征提取网 络中的每 个所述图卷积网络， 确定所述压缩点云对应的部分局部纹 理特征； 采用预设的多层感知器融合所述局部纹理特征提取网络输出的多个部分局部纹理特 征， 生成所述压缩点云对应的所述局部纹 理特征。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述处 理器可执行 的机器可读指令， 当电子设备运行时， 所述处理器与所述存储器之间通过总线 通信， 所述机器可读指令被所述处理器执行时执行如权利要求1至5中任一项 所述的压缩点 云的失真恢复方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 该计算机可读存储介质上存储有计算机程 序， 该计算机程序被处理器运行时执行如权利要求1至5中任一项 所述的压缩点云的失真恢 复方法的步骤。权　利　要　求　书 2/2 页 3 CN 114998699 A 3