The present invention discloses a three-dimensional reconstruction method for balancing stereo matching and visual appearance. The specific steps are as follows: (1) the sample database, including stereo matching, depth map, visual appearance of depth maps, multi view RGB map and actual depth map; (2) constructing convolutional neural network; (3) database for training the neural network, obtaining stereo matching and visual appearance of the distribution of weight value, the value is adjusted according to the the structure of neural network, the neural network model until it acquires good effect; (4) stereo matching depth map, visual appearance of depth map and RGB map input, depth map is obtained by a new neural network model; (5) the model with new depth map reconstruction. The invention combines stereo matching and visual appearance of the two methods, and through the depth distribution of neural network weights, can improve the stereo matching to rebuild the high light, no texture problem, and can avoid visual appearance to rebuild concave defects, to achieve high quality reconstruction of complex objects.
【技术实现步骤摘要】
一种权衡立体匹配和视觉外形的三维重建方法
本专利技术涉及计算机视觉、三维重建、人工智能等
,尤其涉及一种权衡立体匹配和视觉外形的三维融合方法。
技术介绍
三维重建技术是计算视觉领域的热门研究方向,可分为主动式和被动式两类重建方法。主动式重建方法利用探测器主动发射和接收信号获取真实物体的深度信息,如激光、红外扫描器,使用结构光或飞行时间原理。被动式重建方法是通过多幅二维图像恢复三维模型。对于被动式重建方法而言,立体信息可以通过多种方式获得,最主要的两类信息来源于立体匹配和视觉外形:立体匹配(stereomatch)是指提取不同视点的图像中的对应特征点,进而依据对极几何理论求解出每个特征点对应的三维坐标。具有代表性的算法包括:HongLi等人提出一种基于图片分割的立体匹配方法(ComputerVisionandPatternRecognition,2004:74-81.),该方法均匀分割参考图片,利用解最小能量方程获取视差图;QingxiongYang等人用颜色加权和分层置信传播最小化能量方程(ComputerVisionandPatternRecognition,2006:2347-2354.),恢复场景视差图,有效解决了非连续和阻塞问题。视觉外形(VisualHull)首先提取多视点图片中的目标轮廓,而后根据多视点轮廓重建目标的三维凸壳。具有代表性的算法包括:MatusikW等人提出了一种基于图片的方法IBVH(Image-BasedVisualHulls)(InternationalConferenceonComputerGraphicsandIn ...
【技术保护点】
一种权衡立体匹配和视觉外形的三维重建方法,其特征在于,包括以下步骤:步骤1:制作样本数据库,每组数据包括多视点RGB图像、立体匹配深度图、视觉外形深度图、以及物体真实深度图,并计算得到物体真实权重分配值α;步骤2:构建深度卷积神经网络,包括输入层、隐层和输出层,隐层包括卷积层、池化层和全连接层;卷积神经网络分三个通道输入,分别对应多视点RGB图像、立体匹配深度图和视觉外形深度图的输入,卷积神经网络的输出为视觉外形与立体匹配之间的权重分配值;步骤3:利用步骤2的深度卷积神经网络对步骤1的样本数据库进行训练,输出立体匹配与视觉外形的权重分配值β,将β值与物体的真值权重图进行对比,根据结果好坏调整神经网络模型,直到获取效果较好的神经网络模型;步骤4:将新物体的立体匹配深度图、视觉外形深度图以及多视点RGB图像输入步骤3的深度网络模型,重新获取权重分配值γ,利用γ值得到新的物体深度图;步骤5:利用新的物体深度图重建成高精度的三维模型。
【技术特征摘要】
1.一种权衡立体匹配和视觉外形的三维重建方法,其特征在于,包括以下步骤:步骤1:制作样本数据库,每组数据包括多视点RGB图像、立体匹配深度图、视觉外形深度图、以及物体真实深度图,并计算得到物体真实权重分配值α;步骤2:构建深度卷积神经网络,包括输入层、隐层和输出层,隐层包括卷积层、池化层和全连接层;卷积神经网络分三个通道输入,分别对应多视点RGB图像、立体匹配深度图和视觉外形深度图的输入,卷积神经网络的输出为视觉外形与立体匹配之间的权重分配值;步骤3:利用步骤2的深度卷积神经网络对步骤1的样本数据库进行训练,输出立体匹配与视觉外形的权重分配值β,将β值与物体的真值权重图进行对比,根据结果好坏调整神经网络模型,直到获取效果较好的神经网络模型;步骤4:将新物体的立体匹配深度图、视觉外形深度图以及多视点RGB图像输入步骤3的深度网络模型,重新获取权重分配值γ,利用γ值得到新的物体深度图;步骤5:利用新的物体深度图重建成高精度的三维模型。2.根据权利要求1所述的一种权衡立体匹配和视觉外形的三维重建方法,其特征在于,所述步骤1中,样本数据库中每组数据的图片是同一物体的多视点RGB图片;立体匹配深度图和视觉外形深度图是根据多视点RGB图片,利用立体匹配算法和视觉外形算法计算得到的深度图。3.根据权利要求1所述的一种权衡立体匹配和视觉外形的三维重建...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。