一种基于选择状态空间模型的点云超分辨率方法

本发明涉及一种基于选择状态空间模型的点云超分辨率方法，属于图像处理领域，所述方法包括：利用Hough Voting将低分辨率点云投影到图像上，得到低分辨率图像；使用分块编码将图像信息压缩到低维潜在特征，引导网络关注垂直方向上的特征关联；通过编码器‑解码器以及跳跃连接融合高‑低维特征，利用选择状态空间学习潜在的长距离依赖，再通过预测生成高分辨率图像；将得到的高分辨率图像反向投影到三维空间，形成高分辨率点云。本发明能够更有效地处理长距离上下文特征学习，避免生成的点云出现大量混乱模糊、几何失真区域，显著提升点云的细节表现和保真度，计算复杂度低，对计算资源需求小，更适合实际应用场景。