一种基于轻量级神经网络的点云上采样方法

本发明公开了一种基于轻量级神经网络的点云上采样方法，其搭建由教师网络和学生网络组成的轻量级神经网络，教师网络包括用于获取教师特征图的全局上下文保持器和用于获取教师密集点云块的全局感知的Transformer上采样器，学生网络包括用于获取学生特征图的局部几何保持器和用于获取学生密集点云块的局部感知的Mamba增强器；利用包含数对稀疏点云块和真值密集点云块的训练集对轻量级神经网络进行网络训练，先训练教师网络，冻结教师网络的参数后再训练学生网络，以得到学生网络训练模型；使用学生网络训练模型对测试集中的每个稀疏点云块进行上采样，得到测试集中的每个稀疏点云块对应的学生密集点云块；优点是能有效提高点云上采样性能，且节省计算资源。