本发明涉及点云数据拟合技术领域，具体涉及一种点云数据的数据拟合方法、装置及介质。
背景技术：
曲线曲面拟合是许多领域中的共性问题和关键技术。曲线拟合是指用连续曲线近似地刻画或比拟平面上离散点所表示的坐标之间的函数关系的一种数据处理方法，是曲面拟合的基础。而曲面拟合是按照点-线-面的顺序来构建曲面的，其核心问题是如何从采样点出发重建出曲线、曲面模型。近年来，随着三维图像扫描技术的发展，点云数据因为其存储方便、操作简单等优点，逐渐成为各类研究机构和工程应用中较为常见的处理对象之一，也应用于曲线曲面拟合。基于点云的曲线曲面拟合是从不完整的点云区域中推断出完整的几何体的形状，从而进行点云补全。目前，随着许多点云技术相关的方法被提出，点云补全在准确率、保真度以及效率等方面有很较大的提升。但这些方法主要集中在孔洞、工件等小范围缺失或形态规则明显且确定的对象上，不适用于非规则曲线曲面的拟合。另一方面，现有的点云补全方法大多是针对点云数据的空洞区域的内部修补算法，内插值方法较多，不能做到外插值，因此无法补全点云数据的边缘区域。
相应地，本领域需要一种新的点云数据的数据拟合方案来解决上述问题。
技术实现要素：
为了克服上述缺陷，提出了本发明，以提供解决或至少部分地解决如何提高点云数据拟合的准确度和应用范围的技术问题的点云数据的数据拟合方法、装置及介质。
第一方面，提供一种点云数据的数据拟合方法，所述方法包括：
获取待拟合的点云数据，其中，所述待拟合的点云数据包括不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据；
采用点云数据分析模型对所述待拟合的点云数据进行坐标数据分析；
根据所述坐标数据分析的结果，获取所述第二类点云数据中缺失的坐标数据的预测值，根据所述预测值对所述第二类点云数据的坐标数据进行补全操作；
对所述第一类点云数据以及经所述补全操作后的第二类点云数据进行数据拟合处理；
其中，所述待拟合的点云数据的坐标维度大于等于二维。
在上述点云数据的数据拟合方法的一个技术方案中，
在“对所述第一类点云数据以及经所述补全操作后的第二类点云数据进行数据拟合处理”的步骤之前，所述方法还包括：
根据所述坐标数据分析的结果，获取所述第一类点云数据的坐标数据预测值；
判断所述第一类点云数据的坐标数据实际值与所述坐标数据预测值是否一致；若否，则根据所述坐标数据预测值对所述坐标数据实际值进行修正。
在上述点云数据的数据拟合方法的一个技术方案中，所述点云数据分析模型是基于pointnet网络构建的模型，所述点云数据分析模块包括数据输入模块、特征提取模块、全连接层模块和数据输出模块，所述数据输入模块包括第一数据输入子模块和第二数据输入子模块，所述特征提取模块包括第一特征提取子模块和第二特征提取子模块；所述第一数据输入子模块、所述第一特征提取子模块与所述全连接层模块顺次连接，所述第二数据输入子模块、第二特征提取子模块与所述全连接层模块顺次连接，所述全连接层模块与所述数据输出模块连接；
所述第一数据输入子模块被配置成当采用点云数据分析模型对所述待拟合的点云数据进行坐标数据分析时接收所述第一类点云数据，当采用训练数据对点云数据分析模型进行模型训练时接收第一类点云训练数据，其中，所述第一类点云训练数据是一部分不存在坐标数据缺失的点云训练数据；
所述第二数据输入子模块被配置成当采用点云数据分析模型对所述待拟合的点云数据进行坐标数据分析时接收所述第二类点云数据，当采用训练数据对点云数据分析模型进行模型训练时接收第二类点云训练数据，其中，所述第二类点云训练数据是另一部分不存在坐标数据缺失的点云训练数据，所述第一类点云训练数据与所述第二类点云训练数据的坐标维度相同且所述坐标维度大于等于二维；
所述第一特征提取子模块被配置成对所述第一数据输入子模块的输出数据进行特征提取并且将特征提取结果发送至所述全连接层模块；
所述第二特征提取子模块被配置成对所述第二数据输入子模块的输出数据进行特征提取并且将特征提取结果发送至所述全连接层模块；
所述数据输出模块被配置成根据所述全连接层模块的输出结果，输出坐标数据分析结果；其中，当采用点云数据分析模型对所述待拟合的点云数据进行坐标数据分析时所述坐标数据分析结果包括第一类点云数据和第二类点云数据的坐标数据预测值；当采用训练数据对点云数据分析模型进行模型训练时所述坐标数据分析结果包括第一类点云训练数据和第二类点云训练数据的坐标数据预测值。
在上述点云数据的数据拟合方法的一个技术方案中，所述第一特征提取子模块包括顺次连接的第一输入变换单元、第一全连接层、第一特征变换单元、第二全连接层和第一最大池化层，所述第一输入变换单元与所述第一特征变换单元分别包括多层感知器；
所述第二特征提取子模块包括顺次连接的第二输入变换单元、第三全连接层、第二特征变换单元、第四全连接层和第二最大池化层，所述第二输入变换单元与所述第二特征变换单元分别包括多层感知器。
在上述点云数据的数据拟合方法的一个技术方案中，当所述待拟合的点云数据、所述第一类点云训练数据和所述第二类点云训练数据的坐标维度是二维时，所述全连接层模块包括相连的第五全连接层和第六全连接层，其中，所述第五全连接层还分别与所述第一特征提取子模块与所述第二特征提取子模块连接，所述第六全连接层还与所述数据输出模块连接；
当所述待拟合的点云数据、所述第一类点云训练数据和所述第二类点云训练数据的坐标维度大于等于三维时，所述全连接层模块包括顺次的第七全连接层、第八全连接层和第九全连接层，其中，所述第七全连接层还分别与所述第一特征提取子模块与所述第二特征提取子模块连接，所述第九全连接层还与所述数据输出模块连接。
在上述点云数据的数据拟合方法的一个技术方案中，所述第五全连接层包括相连的归一化层和激活函数层，所述归一化层还分别与所述第一特征提取子模块与所述第二特征提取子模块连接，所述激活函数层还与所述第六全连接层连接；
所述第七全连接层包括相连的归一化层和激活函数层，所述归一化层还分别与所述第一特征提取子模块与所述第二特征提取子模块连接，所述激活函数层还与所述第八全连接层连接；
所述第八全连接层包括相连的归一化层和激活函数层，所述归一化层与所述第七全连接层连接，所述激活函数层还与所述第九全连接层连接。
在上述点云数据的数据拟合方法的一个技术方案中，“采用点云数据分析模型对所述待拟合的点云数据进行坐标数据分析”的步骤具体包括：
对所述待拟合的点云数据中的第一类点云数据进行有放回采样，得到待使用的第一类点云数据；
采用所述点云数据分析模型对所述待使用的第一类点云数据与所述待拟合的点云数据中的第二类点云数据进行坐标数据分析。
第二方面，提供一种计算机可读存储介质，该计算机可读存储介质中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述任一项技术方案所述的点云数据的数据拟合方法。
第三方面，提供一种控制装置，该控制装置包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述任一项技术方案所述的点云数据的数据拟合方法。
本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
在实施本发明的技术方案中，可以获取待拟合的点云数据，采用点云数据分析模型对待拟合的点云数据进行坐标数据分析；根据坐标数据分析的结果，获取第二类点云数据中缺失的坐标数据的预测值，根据预测值对第二类点云数据的坐标数据进行补全操作；对第一类点云数据以及经补全操作后的第二类点云数据进行数据拟合处理；其中，待拟合的点云数据包括不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据。通过采用点云数据分析模型对不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据进行坐标数据分析，并且根据坐标数据分析的结果获取第二类点云数据中缺失的坐标数据的预测值，从而对第二类点云数据的坐标数据进行补全操作，不仅可以补全点云数据的空洞区域，也可以补全点云数据的边缘区域，可以应用于范围缺失较大或形态不规则的对象，从而提高点云数据拟合的准确度和应用范围。
附图说明
下面参照附图来描述本发明的具体实施方式，附图中：
图1是根据本发明的一个实施例的点云数据的数据拟合方法的主要步骤流程示意图；
图2是根据本发明的一个实施例的点云数据分析模型示意图；
图3是根据本发明的另一个实施例的点云数据分析模型示意图；
图4是根据本发明的一个实施例的点云数据补全示意图；
图5是根据本发明的另一个实施例的点云数据补全示意图。
附图标记列表：
11：第一数据输入子模块；12：第二数据输入子模块；21：第一数据输入子模块；211：第一输入变换单元；212：第一全连接层；213：第一特征变换单元；214：第二全连接层；215：第一最大池化层；22：第二数据输入子模块；221：第二输入变换单元；222：第三全连接层；223：第二特征变换单元；224：第三全连接层；225：第二最大池化层；3：全连接层模块；31：第五全连接层；32：第六全连接层；33：第七全连接层；34：第八全连接层；35：第九全连接层；4：数据输出模块。
具体实施方式
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
在本发明的描述中，“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如程序代码，也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“a和/或b”表示所有可能的a与b的组合，比如只是a、只是b或者a和b。术语“至少一个a或b”或者“a和b中的至少一个”含义与“a和/或b”类似，可以包括只是a、只是b或者a和b。单数形式的术语“一个”、“这个”也可以包含复数形式。
目前传统的基于点云的曲线曲面拟合是从不完整的点云区域中推断出完整的几何体的形状，从而进行点云补全。目前，随着许多点云技术相关的方法被提出，点云补全在准确率、保真度以及效率等方面有很较大的提升。但这些方法主要集中在孔洞、工件等小范围缺失或形态规则明显且确定的对象上，不适用于非规则曲线曲面的拟合。另一方面，现有的点云补全方法大多是针对点云数据的空洞区域的内部修补算法，内插值方法较多，不能做到外插值，因此无法补全点云数据的边缘区域。
在本发明实施例中，可以获取待拟合的点云数据，采用点云数据分析模型对待拟合的点云数据进行坐标数据分析；根据坐标数据分析的结果，获取第二类点云数据中缺失的坐标数据的预测值，根据预测值对第二类点云数据的坐标数据进行补全操作；对第一类点云数据以及经补全操作后的第二类点云数据进行数据拟合处理；其中，待拟合的点云数据包括不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据。通过采用点云数据分析模型对不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据进行坐标数据分析，并且根据坐标数据分析的结果获取第二类点云数据中缺失的坐标数据的预测值，从而对第二类点云数据的坐标数据进行补全操作，不仅可以补全点云数据的空洞区域，也可以补全点云数据的边缘区域，可以应用于范围缺失较大或形态不规则的对象，从而提高点云数据拟合的准确度和应用范围。
在本发明的一个应用场景中，某研究机构想要对某待拟合的点云数据进行数据拟合，该待拟合的点云数据包括不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据，可以将该待拟合的点云数据输入至安装了根据本发明的一个实施例的计算机可读存储介质/控制装置的计算机设备中，以便该计算机设备能够利用计算机可读存储介质/控制装置进行数据拟合，在拟合完成后计算机设备可以通过屏幕显示拟合结果。
参阅附图1，图1是根据本发明的一个实施例的点云数据的数据拟合方法的主要步骤流程示意图。如图1所示，本发明实施例中的点云数据的数据拟合方法主要包括以下步骤：
步骤s101：获取待拟合的点云数据，采用点云数据分析模型对待拟合的点云数据进行坐标数据分析。
在本实施例中，待拟合的点云数据可以包括不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据。其中，待拟合的点云数据的坐标维度大于等于二维，换言之，本实施例中待拟合的点云数据包括但不限于：二维点云数据、三维点云数据和四维点云数据等等。
一个实施方式中，步骤s101中的“采用点云数据分析模型对待拟合的点云数据进行坐标数据分析”的步骤具体可以包括：对待拟合的点云数据中的第一类点云数据进行有放回采样，得到待使用的第一类点云数据；采用点云数据分析模型对待使用的第一类点云数据与待拟合的点云数据中的第二类点云数据进行坐标数据分析。
在本实施方式中，通过对待拟合的点云数据中的第一类点云数据进行有放回采样，使采样结果更接近第一类点云数据的真实分布，提高点云数据分析模型进行坐标数据分析的准确性。
一个实施方式中，点云数据分析模型可以是基于pointnet网络构建的模型，点云数据分析模块可以包括数据输入模块、特征提取模块、全连接层模块和数据输出模块，数据输入模块可以包括第一数据输入子模块和第二数据输入子模块，特征提取模块可以包括第一特征提取子模块和第二特征提取子模块；第一数据输入子模块、第一特征提取子模块与全连接层模块顺次连接，第二数据输入子模块、第二特征提取子模块与全连接层模块顺次连接，全连接层模块与数据输出模块连接。
一个实施方式中，第一数据输入子模块可以被配置成当采用点云数据分析模型对待拟合的点云数据进行坐标数据分析时接收第一类点云数据，当采用训练数据对点云数据分析模型进行模型训练时接收第一类点云训练数据，其中，第一类点云训练数据是一部分不存在坐标数据缺失的点云训练数据。在本实施方式中，点云训练数据的点云数据的坐标维度同样大于等于二维，换言之，本实施例中点云训练数据包括但不限于：二维点云训练数据、三维点云训练数据和四维点云训练数据等等。当采用某种坐标维度的点云训练数据训练得到点云数据分析模型后，就可以使用该点云数据分析模型对相同坐标维度的待拟合的点云数据进行坐标数据分析。例如：如果采用二维点云训练数据(坐标维度是二维)训练得到了点云数据分析模型，那么就可以通过这个点云数据分析模型对待拟合的二维点云数据进行坐标数据分析。
一个实施方式中，第二数据输入子模块可以被配置成当采用点云数据分析模型对待拟合的点云数据进行坐标数据分析时接收第二类点云数据，当采用训练数据对点云数据分析模型进行模型训练时接收第二类点云训练数据，其中，第二类点云训练数据是另一部分不存在坐标数据缺失的点云训练数据。需要说明的是，本实施方式中的点云训练数据与前述实施方式中的点云训练数据的坐标维度相同，即第一类点云训练数据与第二类点云训练数据的坐标维度相同。
一个实施方式中，第一特征提取子模块可以被配置成对第一数据输入子模块的输出数据进行特征提取并且将特征提取结果发送至全连接层模块。
一个实施方式中，第二特征提取子模块可以被配置成对第二数据输入子模块的输出数据进行特征提取并且将特征提取结果发送至全连接层模块。
一个实施方式中，数据输出模块可以被配置成根据全连接层模块的输出结果，输出坐标数据分析结果；其中，当采用点云数据分析模型对待拟合的点云数据进行坐标数据分析时坐标数据分析结果包括第一类点云数据和第二类点云数据的坐标数据预测值；当采用训练数据对点云数据分析模型进行模型训练时坐标数据分析结果包括第一类点云训练数据和第二类点云训练数据的坐标数据预测值。
在本实施方式中，可以将第一特征提取子模块的特征提取结果和第二特征提取子模块的特征提取结果进行拼接后发送至全连接层模块，第一类点云数据的特征和第二类点云数据的特征综合分析，进一步提高点云数据分析模型进行坐标数据分析的准确性。
一个实施方式中，第一特征提取子模块可以包括顺次连接的第一输入变换单元、第一全连接层、第一特征变换单元、第二全连接层和第一最大池化层，第一输入变换单元与第一特征变换单元分别包括多层感知器。
一个实施方式中，第二特征提取子模块可以包括顺次连接的第二输入变换单元、第三全连接层、第二特征变换单元、第四全连接层和第二最大池化层，第二输入变换单元与第二特征变换单元分别包括多层感知器。
在本实施方式中，第一输入变换单元可以被配置成采用仿射变换的方法对第一数据输入子模块的输出数据进行旋转、平移等变换，同样的，第二输入变换单元可以被配置成采用仿射变换的方法对第二数据输入子模块的输出数据进行旋转、平移等变换。此外，第一特征变换单元可以被配置成采用仿射变换的方法对第一全连接层的输出数据进行旋转、平移等变换，同样的，第二特征变换单元可以被配置成采用仿射变换的方法对第二全连接层的输出数据进行旋转、平移等变换。通过这样的设置，可以对齐点云数据，消除旋转等变换带来的影响，进一步提高点云数据分析模型进行坐标数据分析的准确性。
在本实施方式中，第二全连接层和第四全连接层的数量可以是一个或多个，本领域技术人员可以根据需求灵活设置。
在本实施方式中，第一全连接层可以和第三全连接层的通道数相同，第二全连接层可以和第四全连接层的通道数相同，第二全连接层/第四全连接层的通道数可以大于第一全连接层/第三全连接层的通道数。
一个实施方式中，当待拟合的点云数据、第一类点云训练数据和第二类点云训练数据的坐标维度是二维时，全连接层模块可以包括相连的第五全连接层和第六全连接层，其中，第五全连接层还分别与第一特征提取子模块与第二特征提取子模块连接，第六全连接层还与数据输出模块连接。
一个实施方式中，当待拟合的点云数据、第一类点云训练数据和第二类点云训练数据的坐标维度大于等于三维(如待拟合的三维点云数据或四维点云数据等)时，全连接层模块可以包括顺次的第七全连接层、第八全连接层和第九全连接层，其中，第七全连接层还分别与第一特征提取子模块与第二特征提取子模块连接，第九全连接层还与数据输出模块连接。
在本实施方式中，第六全连接层和第九全连接层的通道数可以为1。第五全连接层的通道数可以大于第二全连接层的通道数，第五全连接层的通道数可以大于第六全连接层的通道数；第七全连接层的通道数可以大于第四全连接层的通道数/第五全连接层的通道数/第八全连接层的通道数，第八全连接层的通道数可以大于第九全连接层的通道数。
一个实施方式中，第五全连接层可以包括相连的归一化层和激活函数层，归一化层还可以分别与第一特征提取子模块与第二特征提取子模块连接，激活函数层还可以与第六全连接层连接；第七全连接层可以包括相连的归一化层和激活函数层，归一化层还可以分别与第一特征提取子模块与第二特征提取子模块连接，激活函数层还可以与第八全连接层连接；第八全连接层可以包括相连的归一化层和激活函数层，归一化层可以与第七全连接层连接，激活函数层还可以与第九全连接层连接。
在本实施方式中，归一化层可以是bn归一化层，激活函数层可以是relu激活函数层。第八全连接层接收到第七全连接层的激活函数层的输出数据后，可以先进行dropout操作(如使第八全连接层占比0.5的节点停止工作)，之后再进入归一化层，避免出现过拟合的问题，进一步提高点云数据分析模型进行坐标数据分析的准确性。
在一个具体的实施方式中，待拟合的点云数据是二维点云数据，如图2所示，图2是根据本发明的一个实施例的点云数据分析模型示意图，该点云数据分析模型有两个输入：第一类点云数据矩阵b×nin×din和第二类点云数据矩阵b×nun×dun，其中，b表示样本数量，nin表示第一类点云数据的个数(例如256)，din表示第一类点云数据的维度(2)，nun表示第二类点云数据的个数(1)，dun表示第二类点云数据的维度(1)，即第一类点云数据矩阵为b×256×2，第二类点云数据矩阵为b×1×1。第一输入变换单元211可以是一个微型网络t-net，生成一个2×2的仿射变换矩阵对第一类点云数据矩阵进行变换，变换后的第一类点云数据矩阵仍为b×256×2；第一全连接层212可以包括相连的bn归一化层和relu激活函数层，通道数可以是32，经过第一全连接层212后输出的矩阵为b×256×32；第一特征变换单元213可以是一个微型网络t-net，生成一个32×32的仿射变换矩阵对第一全连接层212输出的矩阵进行变换，变换后的矩阵仍为b×256×32；第二全连接层214可以是两个通道数分别为64和256的全连接层(都包括相连的bn归一化层和relu激活函数层)，得到特征矩阵b×256×256；第一最大池化层215可以对特征矩阵b×256×256的中间维度进行池化操作，得到一个b×1×256的特征矩阵。第二类点云数据矩阵为b×1×1通过第二输入变换单元221、第三全连接层222、第二特征变换单元223、第四全连接层224和第二最大池化层225进行同样的操作，也得到一个b×1×256的特征矩阵。将得到的两个b×1×256的特征矩阵的最后一维进行拼接，得到维度为b×51的矩阵，第五全连接层31可以包括相连的bn归一化层和relu激活函数层，通道数可以是128，第六全连接层32的通道数可以为1，第六全连接层32输出的即为第二类点云数据中缺失的坐标数据的预测值。
在另一个具体的实施方式中，待拟合的点云数据是三维点云数据，如图3所示，图3是根据本发明的另一个实施例的点云数据分析模型示意图，该点云数据分析模型有两个输入：第一类点云数据矩阵b×nin×din和第二类点云数据矩阵b×nun×dun，其中，b表示样本数量，nin表示第一类点云数据的个数(例如1024)，din表示第一类点云数据的维度(3)，nun表示第二类点云数据的个数(1)，dun表示第二类点云数据的维度(第二类点云数据可以缺失z坐标，即维度为2)，即第一类点云数据矩阵为b×1024×3，第二类点云数据矩阵为b×1×2。第一输入变换单元211可以是一个微型网络t-net，生成一个3×3的仿射变换矩阵对第一类点云数据矩阵进行变换，变换后的第一类点云数据矩阵仍为b×1024×3；第一全连接层212可以包括相连的bn归一化层和relu激活函数层，通道数可以是64，经过第一全连接层212后输出的矩阵为b×1024×64；第一特征变换单元212可以是一个微型网络t-net，生成一个64×64的仿射变换矩阵对第一全连接层212输出的矩阵进行变换，变换后的矩阵仍为b×1024×64；第二全连接层214可以是两个通道数分别为128和1024的全连接层(都包括相连的bn归一化层和relu激活函数层)，得到特征矩阵b×1024×1024；第一最大池化层215可以对特征矩阵b×1024×1024的中间维度进行池化操作，得到一个b×1×1024的特征矩阵。第二类点云数据矩阵为b×1×2通过第二输入变换单元221、第三全连接层222、第二特征变换单元223、第四全连接层224和第二最大池化层225进行同样的操作，也得到一个b×1×1024的特征矩阵。将得到的两个b×1×1024的特征矩阵的最后一维进行拼接，得到维度为b×2048的矩阵，第七全连接层33可以包括相连的bn归一化层和relu激活函数层，通道数可以是1024，第八全连接层34可以包括相连的bn归一化层和relu激活函数层，通道数可以是512(第七全连接层33的输出值进入第八全连接层34后可以先使第八全连接层34占比0.5的节点停止工作，再进入bn归一化层)，第九全连接层35的通道数可以为1，第九全连接层35输出的即为第二类点云数据中缺失的坐标数据的预测值。
步骤s102：根据坐标数据分析的结果，获取第二类点云数据中缺失的坐标数据的预测值，根据预测值对第二类点云数据的坐标数据进行补全操作。
在本实施例中，当待拟合的点云数据是二维点云数据时，缺失的坐标数据可以是x坐标值，也可以是y坐标值；当待拟合的点云数据是三维点云数据时，缺失的坐标数据可以是x坐标值/y坐标值/z坐标值，也可以是x、y坐标值/y、z坐标值/x、z坐标值，本领域技术人员可以根据实际需要灵活设置。
一个实施方式中，如图4所示，图4表示二维点云数据补全示意图，图4左侧表示补全之前的待拟合的点云数据，右侧表示补全之后的待拟合的点云数据；如图5所示，图5表示三维点云数据补全示意图，图5左侧表示补全之前的待拟合的点云数据，右侧表示补全之后的待拟合的点云数据。
一个实施方式中，本发明实施例的点云数据的数据拟合方法还可以包括：根据坐标数据分析的结果，获取第一类点云数据的坐标数据预测值；判断第一类点云数据的坐标数据实际值与坐标数据预测值是否一致；若否，则根据坐标数据预测值对坐标数据实际值进行修正。在本实施方式中，通过根据坐标数据预测值对坐标数据实际值进行修正，提高第一类点云数据的坐标数据的准确性，也提高点云数据的数据拟合的准确性。
步骤s103：对第一类点云数据以及经补全操作后的第二类点云数据进行数据拟合处理。
在本实施例中，当待拟合的点云数据是二维点云数据时，可以对第一类点云数据以及经补全操作后的第二类点云数据进行数据拟合处理得到曲线；当待拟合的点云数据的坐标维度大于等于三维如三维点云数据时，可以对第一类点云数据以及经补全操作后的第二类点云数据进行数据拟合处理得到曲面。
在本发明实施例中，可以获取待拟合的点云数据，采用点云数据分析模型对待拟合的点云数据进行坐标数据分析；根据坐标数据分析的结果，获取第二类点云数据中缺失的坐标数据的预测值，根据预测值对第二类点云数据的坐标数据进行补全操作；对第一类点云数据以及经补全操作后的第二类点云数据进行数据拟合处理；其中，待拟合的点云数据包括不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据。通过采用点云数据分析模型对不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据进行坐标数据分析，并且根据坐标数据分析的结果获取第二类点云数据中缺失的坐标数据的预测值，从而对第二类点云数据的坐标数据进行补全操作，不仅可以补全点云数据的空洞区域，也可以补全点云数据的边缘区域，可以应用于范围缺失较大或形态不规则的对象，从而提高点云数据拟合的准确度和应用范围。
需要指出的是，尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述，但是本领域技术人员可以理解，为了实现本发明的效果，不同的步骤之间并非必须按照这样的顺序执行，其可以同时(并行)执行或以其他顺序执行，这些变化都在本发明的保护范围之内。
本领域技术人员能够理解的是，本发明实现上述一实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
进一步，本发明还提供了一种计算机可读存储介质。在根据本发明的一个计算机可读存储介质实施例中，计算机可读存储介质可以被配置成存储执行上述方法实施例的点云数据的数据拟合方法的程序，该程序可以由处理器加载并运行以实现上述点云数据的数据拟合方法。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备，可选的，本发明实施例中存储是非暂时性的计算机可读存储介质。
进一步，本发明还提供了一种控制装置。在根据本发明的一个控制装置实施例中，控制装置包括处理器和存储装置，存储装置可以被配置成存储执行上述方法实施例的点云数据的数据拟合方法的程序，处理器可以被配置成用于执行存储装置中的程序，该程序包括但不限于执行上述方法实施例的点云数据的数据拟合方法的程序。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该控制装置可以是包括各种电子设备形成的控制装置设备。
至此，已经结合附图所示的一个实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
1.一种点云数据的数据拟合方法，其特征在于，所述方法包括：
获取待拟合的点云数据，其中，所述待拟合的点云数据包括不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据；
采用点云数据分析模型对所述待拟合的点云数据进行坐标数据分析；
根据所述坐标数据分析的结果，获取所述第二类点云数据中缺失的坐标数据的预测值，根据所述预测值对所述第二类点云数据的坐标数据进行补全操作；
对所述第一类点云数据以及经所述补全操作后的第二类点云数据进行数据拟合处理；
其中，所述待拟合的点云数据的坐标维度大于等于二维。
2.根据权利要求1所述的点云数据的数据拟合方法，其特征在于，在“对所述第一类点云数据以及经所述补全操作后的第二类点云数据进行数据拟合处理”的步骤之前，所述方法还包括：
根据所述坐标数据分析的结果，获取所述第一类点云数据的坐标数据预测值；
判断所述第一类点云数据的坐标数据实际值与所述坐标数据预测值是否一致；若否，则根据所述坐标数据预测值对所述坐标数据实际值进行修正。
3.根据权利要求1所述的点云数据的数据拟合方法，其特征在于，所述点云数据分析模型是基于pointnet网络构建的模型，所述点云数据分析模块包括数据输入模块、特征提取模块、全连接层模块和数据输出模块，所述数据输入模块包括第一数据输入子模块和第二数据输入子模块，所述特征提取模块包括第一特征提取子模块和第二特征提取子模块；所述第一数据输入子模块、所述第一特征提取子模块与所述全连接层模块顺次连接，所述第二数据输入子模块、第二特征提取子模块与所述全连接层模块顺次连接，所述全连接层模块与所述数据输出模块连接；
所述第一数据输入子模块被配置成当采用点云数据分析模型对所述待拟合的点云数据进行坐标数据分析时接收所述第一类点云数据，当采用训练数据对点云数据分析模型进行模型训练时接收第一类点云训练数据，其中，所述第一类点云训练数据是一部分不存在坐标数据缺失的点云训练数据；
所述第二数据输入子模块被配置成当采用点云数据分析模型对所述待拟合的点云数据进行坐标数据分析时接收所述第二类点云数据，当采用训练数据对点云数据分析模型进行模型训练时接收第二类点云训练数据，其中，所述第二类点云训练数据是另一部分不存在坐标数据缺失的点云训练数据，所述第一类点云训练数据与所述第二类点云训练数据的坐标维度相同且所述坐标维度大于等于二维；
所述第一特征提取子模块被配置成对所述第一数据输入子模块的输出数据进行特征提取并且将特征提取结果发送至所述全连接层模块；
所述第二特征提取子模块被配置成对所述第二数据输入子模块的输出数据进行特征提取并且将特征提取结果发送至所述全连接层模块；
所述数据输出模块被配置成根据所述全连接层模块的输出结果，输出坐标数据分析结果；其中，当采用点云数据分析模型对所述待拟合的点云数据进行坐标数据分析时所述坐标数据分析结果包括第一类点云数据和第二类点云数据的坐标数据预测值；当采用训练数据对点云数据分析模型进行模型训练时所述坐标数据分析结果包括第一类点云训练数据和第二类点云训练数据的坐标数据预测值。
4.根据权利要求3所述的点云数据的数据拟合方法，其特征在于，所述第一特征提取子模块包括顺次连接的第一输入变换单元、第一全连接层、第一特征变换单元、第二全连接层和第一最大池化层，所述第一输入变换单元与所述第一特征变换单元分别包括多层感知器；
所述第二特征提取子模块包括顺次连接的第二输入变换单元、第三全连接层、第二特征变换单元、第四全连接层和第二最大池化层，所述第二输入变换单元与所述第二特征变换单元分别包括多层感知器。
5.根据权利要求3所述的点云数据的数据拟合方法，其特征在于，当所述待拟合的点云数据、所述第一类点云训练数据和所述第二类点云训练数据的坐标维度是二维时，所述全连接层模块包括相连的第五全连接层和第六全连接层，其中，所述第五全连接层还分别与所述第一特征提取子模块与所述第二特征提取子模块连接，所述第六全连接层还与所述数据输出模块连接；
当所述待拟合的点云数据、所述第一类点云训练数据和所述第二类点云训练数据的坐标维度大于等于三维时，所述全连接层模块包括顺次的第七全连接层、第八全连接层和第九全连接层，其中，所述第七全连接层还分别与所述第一特征提取子模块与所述第二特征提取子模块连接，所述第九全连接层还与所述数据输出模块连接。
6.根据权利要求5所述的点云数据的数据拟合方法，其特征在于，
所述第五全连接层包括相连的归一化层和激活函数层，所述归一化层还分别与所述第一特征提取子模块与所述第二特征提取子模块连接，所述激活函数层还与所述第六全连接层连接；
所述第七全连接层包括相连的归一化层和激活函数层，所述归一化层还分别与所述第一特征提取子模块与所述第二特征提取子模块连接，所述激活函数层还与所述第八全连接层连接；
所述第八全连接层包括相连的归一化层和激活函数层，所述归一化层与所述第七全连接层连接，所述激活函数层还与所述第九全连接层连接。
7.根据权利要求1至6中任一项所述的点云数据的数据拟合方法，其特征在于，“采用点云数据分析模型对所述待拟合的点云数据进行坐标数据分析”的步骤具体包括：
对所述待拟合的点云数据中的第一类点云数据进行有放回采样，得到待使用的第一类点云数据；
采用所述点云数据分析模型对所述待使用的第一类点云数据与所述待拟合的点云数据中的第二类点云数据进行坐标数据分析。
8.一种计算机可读存储介质，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求1至7中任一项所述的点云数据的数据拟合方法。
9.一种控制装置，包括处理器和存储装置，所述存储装置适于存储多条程序代码，其特征在于，所述程序代码适于由所述处理器加载并运行以执行权利要求1至7中任一项所述的点云数据的数据拟合方法。
技术总结