一种基于深度学习的室内物体激光雷达点云缺失修复方法

本发明公开了一种基于深度学习的室内物体激光雷达点云缺失修复方法，构建点云缺失修复模型，对数据增强后的缺失点云数据进行编码处理，得到编码特征，利用通道注意力与空间注意力确定特征权重，根据编码特征和特征权重，得到点云数据关键特征；利用多尺度解码器对所提取到的关键特征进行修复点云输出；采用倒角损失与豪斯多夫损失的联合损失函数来控制解码器输出修复点云的迭代方向，当损失函数趋于平稳时，保存预训练模型，并完成初步点云修复；采用最远点采样法将初步修复点云与原始点云进行动态融合，使最终输出点云更加符合原有点云结构特征。本发明有效解决了激光雷达点云因遮挡等原因导致的局部缺失问题。