一种基于矢量量化码本空间学习的点云补全方法

本发明公开了一种基于矢量量化码本空间学习的点云补全方法，包括：S1、构建量化自编码器架构，包括码本编码器、双码本向量量化模块、点生成器和解码器；S2、学习阶段：将完整点云输入至量化自编码器架构中，学习对应的码本空间，并预训练解码器；S3、补全阶段：将残缺点云输入至完成学习的量化自编码器架构中。本发明提出了一种新的点云补全模型VQPCN，相较于传统基于无限特征空间提取的方法，本发明通过将无限特征空间量化至有限码本空间，将向量量化思想引入点云补全任务，将点云处理的SA模块、Transformer结构、纯编码器精细化网络以及矢量量化技术相结合实现点云补全，本发明在主流基准数据集上取得显著优势，实现了对于缺失点云的高质量补全。