基于PCPNet改进的深度学习点云去噪方法研究

针对三维设备获取的点云数据存在大量噪声和数据处理中局部细节部分丢失等问题，提出一种基于PCPNet改进的深度学习网络来有效去噪。该网络利用多尺度特征聚合模块自适应的聚合了不同尺度点云块的局部细节特征和整体特征，并用LSTM来聚合不同尺度的点云块特征，这样能够更好地保留局部特征，估算更为精确的局部细节法线。多次试验表明，该方法相较于传统方法和PCPNet等深度学习方法在性能上更好，对不同噪声具有一定的鲁棒性，同时又能够对局部边缘信息进行有效保留。