基于无监督网络的点云数据去噪方法、设备、介质

本申请公开了一种基于无监督网络的点云数据去噪方法、设备、介质，方法包括：将合成噪声数据输入MAE模型和动态Adapter模块构建的特征编码模块得到特征编码；通过MLP对合成噪声数据的特征编码和非局部特征构建初始模型；根据目标训练集和目标验证集迭代训练和验证初始模型得到有监督点云位移预测模型,通过循环递归无监督框架对其补充训练得到目标点云位移预测模型；将待去噪点云输入目标点云位移预测模型得到点云位移预测值；用循环去噪模块迭代去噪点云位移预测值得到目标去噪结果。本申请补充训练有监督点云位移预测模型得到最终用于去噪的无监督模型，去噪过程中充分考虑点云在真实世界的噪声分布，提升点云去噪效果。