本申请涉及点云采样重建领域，特别是涉及一种基于重建任务的点云下采样方法、设备、介质及产品。
背景技术：
1、随着三维传感技术的迅速发展，对三维数据的分析和处理引起了广泛关注。点云数据通常是一系列三位空间点集，能够精确地反映出物体或场景的空间结构，已在计算机视觉、自动驾驶、遥感测绘、文化遗产保护等领域得到广泛应用。伴随着点云数据密度和规模的增长，大规模密集点云对计算资源的需求很高，尤其在移动设备和实时应用中。并且点云数据本身具有数据量巨大、结构不规则和稀疏性等特点，加大了对数据处理难度。为了节省存储空间、减少传输带宽和通信负载，减轻对相关任务的计算压力，对点云进行简化变得十分必要，其中点云下采样是一种有效的方法。
2、传统的点云下采样技术主要包括随机采样，最远距离采样，以及结合体素化结构合并代表点。主要利用空间上的距离信息，选择分散点作为采样点。这些方法实现简单，计算成本低，能够适应一些基本的需求。然而，由于其完全随机的特性，无法保证几何特征的代表性和一致性，因此在进行精细的三维重建或精确的表面分析等任务时，传统的下采样方法可能导致重要特征的丢失。
3、随着深度学习在点云数据处理领域发展，通过设计具有置换不变性的对称函数，实现了对点云的全局特征学习，为点云处理提供了新的范式，在点云分类、重建、配准等多领域任务得到了广泛运用。但是如何提高下采样点云的质量，以更好的表征点云模型的关键特征，减少点云存储、传输、渲染的压力，并且能够更好适应重建任务的需要，至关重要。
技术实现思路
1、本申请的目的是提供一种基于重建任务的点云下采样方法、设备、介质及产品，可提高点云质量并提高渲染重建能力。
2、为实现上述目的，本申请提供了如下方案：
3、第一方面，本申请提供了一种基于重建任务的点云下采样方法，所述基于重建任务的点云下采样方法包括：
4、获取待测目标的点云数据；所述点云数据为所述待测目标基于遥感测绘技术确定的三维空间点集；
5、对所述点云数据进行特征提取，得到点云特征数据；
6、根据所述点云数据和所述点云特征数据，在三维空间坐标下，进行点云下采样处理，得到下采样点云数据；所述下采样点云数据用于表征待测目标的纹理特征；所述纹理特征包括：几何特征和拓扑属性；
7、将所述下采样点云数据输入至重建任务网络中，得到重建点云数据；所述重建点云数据用于基于渲染的方法，得到所述待测目标的渲染空间结构；所述重建任务网络是基于已知重建点云数据的历史点云数据，以损失函数的预设阈值门限为目标，进行训练得到的；所述重建任务网络包括依次连接的编码器和解码器；所述编码器用于提取所述下采样点云数据的几何特征，得到特征向量；所述解码器用于根据所述特征向量进行点云重构。
8、可选地，对所述点云数据进行特征提取，得到点云特征数据，具体包括：
9、采用k近邻算法对所述点云数据进行区域划分，并采用聚合方法对划分后的区域进行邻域临界点特征提取，得到局部特征数据；
10、基于偏移注意力机制，对所述点云数据进行特征提取，得到提取特征数据；
11、根据所述局部特征数据和所述提取特征数据，确定所述点云特征数据。
12、可选地，所述获取待测目标的点云数据，具体包括：
13、获取待测目标的原始点云数据；
14、对所述原始点云数据进行数据增强处理，得到处理点云数据；
15、将所述处理点云数据确定为所述点云数据。
16、可选地，所述数据增强处理包括：旋转缩放和弹性处理。
17、可选地，根据所述点云数据和所述点云特征数据，在三维空间坐标下，进行点云下采样处理，得到下采样点云数据，具体包括：
18、根据所述点云特征数据确定注意力分数值；所述注意力分数值为权重值；
19、根据所述点云数据和所述注意力分数值，在三维空间坐标下，确定所述下采样点云数据。
20、可选地，所述损失函数包括：分离损失函数和重建损失函数；
21、所述分离损失函数的表达式为：
22、
23、所述重建损失函数的表达式为：
24、
25、其中，为分离损失函数；为重建损失函数；m为点云数据的采样点数；knn为k近邻算法；qi为第i个采样点云数据；||·||2为l2范数；τ为设定最小上限值，取值为0.05；qj为第j个采样点云数据；q为下采样点云数据。
26、第二方面，本申请提供了一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述所述的基于重建任务的点云下采样方法。
27、第三方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述所述的基于重建任务的点云下采样方法。
28、第四方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述所述的基于重建任务的点云下采样方法。
29、根据本申请提供的具体实施例，本申请公开了以下技术效果：
30、本申请提供了一种基于重建任务的点云下采样方法、设备、介质及产品，通过提取点云特征，生成新的点云数据作为下采样点，并且在重建任务网络监督下，提高下采样点云的质量。通过该种方式生成的点云，更好的表征了点云模型的关键特征，减少了点云存储、传输、渲染的压力，并且能够更好适应重建任务的需要；由此，本发明能够提高点云质量并提高渲染重建能力。
1.一种基于重建任务的点云下采样方法，其特征在于，所述基于重建任务的点云下采样方法包括：
2.根据权利要求1所述的基于重建任务的点云下采样方法，其特征在于，对所述点云数据进行特征提取，得到点云特征数据，具体包括：
3.根据权利要求1所述的基于重建任务的点云下采样方法，其特征在于，所述获取待测目标的点云数据，具体包括：
4.根据权利要求3所述的基于重建任务的点云下采样方法，其特征在于，所述数据增强处理包括：旋转缩放和弹性处理。
5.根据权利要求1所述的基于重建任务的点云下采样方法，其特征在于，根据所述点云数据和所述点云特征数据，在三维空间坐标下，进行点云下采样处理，得到下采样点云数据，具体包括：
6.根据权利要求1所述的基于重建任务的点云下采样方法，其特征在于，所述损失函数包括：分离损失函数和重建损失函数；
7.一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的基于重建任务的点云下采样方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的基于重建任务的点云下采样方法。
9.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的基于重建任务的点云下采样方法。
