一种基于自监督学习的三维关键点检测方法

本发明公开了一种基于自监督学习的三维关键点检测方法：步骤1，对三维点云中进行多视图渲染，得到多视图补丁；步骤2，通过特征提取网络得到最终特征图；步骤3，将特征图进行多视图特征融合，得到多视图并嵌入为描述符；步骤4，将描述符送入多层感知器，得到每个关键点的概率语义信息；步骤5，将关键点概率送入GAN网络学习，得到关键点的概率分布；步骤6，将概率分布和语义信息通过max运算得到全局特征；步骤7：利用全局特征采用重建网络进行点云粗重建；步骤8，二次重建得到精细化点云；步骤9：训练过程中调整网络参数，检测三维关键点。本发明能够更加准确地检测出显著的关键点，而且提升了关键点检测的稳定性和泛化性。