标题：基于PF-Net的3D点云模型部分缺失重构研究
作者：李政林1 王健1；方志杰2；马媛1 时斌杰1 范晴晴1
作者单位：1 广西科技大学自动化学院，广西 柳州 545616；2 广西科技大学电子工程学院，广西 柳州 545616
关键字：3D点云；深度学习；缺失重构；重构系统
摘要：针对3D点云模型由于遮挡、噪声等主客观因素导致部分数据信息和结构丢失的问题，提出了一种基于PF-Net的3D点云模型部分缺失重构方法，开发了一款模型缺失重构系统。基于深度学习PF-Net的网络架构，引进了Batch Normal层和Dropout层，对原有的数据集进行了批归一化处理，进一步提升了对部分缺失点云模型的重构效率和精度。选取了11个点云模型的部分缺失数据信息与结构特征进行了重构实验，实验表明：在使用相同的数据集进行训练与测试的情况下，与L-Gan和PCN方法相比，该方法的重构效率更高；在11个测试类别中，该重构方法的平均值提升了12%~27%。在处理小规模模型的部分缺失重构方面效果显著，同时提高了重构的效率和精度，具有很高的实用价值。