申请/专利权人：重庆邮电大学

申请日：2023-11-23

公开（公告）日：2024-03-22

公开（公告）号：CN117745932A

主分类号：G06T17/00

分类号：G06T17/00;G06N3/045;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明属于曲面重建技术领域，具体涉及一种基于深度融合约束的神经隐式曲面重建方法；包括：获取待重建图像及其摄像机内外参数；获取待重建物体表面的稀疏3D点和三维空间点；采用omnidata预训练模型对待重建图像进行处理，得到深度信息和法线信息；将三维空间点输入到MLP模块中进行处理，得到符号距离值和颜色场；根据三维空间点的符号距离值和颜色场，采用体绘制网络对三维空间点进行体绘制，得到重建的三维信息；对SDF网络进行SDF显式约束以及对三维信息进行几何一致性约束；计算模型总损失并根据模型总损失调整模型参数，得到训练好的神经隐式曲面重建模型；本发明深度结合多种约束条件，能够提高隐式表面重建的质量。

主权项：1.一种基于深度融合约束的神经隐式曲面重建方法，其特征在于，包括：获取待重建图像及其摄像机内外参数并将其输入到训练好的神经隐式曲面重建模型中，得到重建的高保真表面；神经隐式曲面重建模型的训练过程包括：S1：获取待重建图像及其摄像机内外参数；根据待重建图像获取待重建物体表面的稀疏3D点，根据摄像机内外参数从待重建物体所在空间中沿光线采样三维空间点；S2：采用omnidata预训练模型对待重建图像进行处理，得到深度信息和法线信息；S3：将沿光线采样的三维空间点输入到MLP模块中进行处理，得到三维空间点的符号距离值和颜色场；MLP模块包括SDF网络和颜色场网络；S4：根据三维空间点的符号距离值和颜色场，采用体绘制网络对三维空间点进行体绘制，得到重建的三维信息；计算颜色损失；S5：根据稀疏3D点对SDF网络进行SDF显式约束并计算SDF监督损失和正则化损失；S6：对重建的三维信息进行几何一致性约束，根据深度信息和法线信息计算深度一致性损失和法线一致性损失；S7：根据颜色损失、SDF监督损失、正则化损失、深度一致性损失和法线一致性损失计算模型总损失并根据模型总损失调整模型参数，得到训练好的神经隐式曲面重建模型。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于深度融合约束的神经隐式曲面重建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD