【技术实现步骤摘要】
一种基于影像的三维场景重建中移动车辆的修复方法
本专利技术涉及测绘
,尤其涉及一种基于影像的三维场景重建中移动车辆的修复方法。
技术介绍
基于影像的三维场景重建一直是计算机视觉中的热门研究话题,并且涌现出了一大批表现优异的算法成果。基于多视影像的三维建模方法,不仅可以恢复目标对象的三维结构,还可以获取三维模型表面的纹理信息。近几年,随着无人机技术的日益成熟,我们获取影像数据的成本也大大降低。因此,基于多视倾斜影像的城市级三维场景的构建就变得更加的广泛。车辆作为城市中的重要交通工具,会出现在城市场景中的各个角落。然而,由于城市场景中大部分车辆可能处于移动状态,这样就会给三维重建过程带来一些问题。一方面,如图1(a)和图1(b)所示分别为移动车辆在场景一的三维场景重建过程示意图和重建结果示意图,该场景一为移动车辆在斑马线上,斑马线上存在车辆的几何结构,导致映射后的纹理出现扭曲变形现象,由图1(a)和图1(b)可知,移动过的车辆会导致重建出的三维场景存在几何结构上的失真,从而对后续三维模型表面的纹理映射产生影响;另一方面,如图2(a)和图2(b)所示分别为移动车辆在场景二的三维场景重建过程示意图和重建结果示意图,该场景二为交通繁忙的十字路口附近,由图2(a)和图2(b)可知,在整个影像数据采集的过程中,部分移动车辆可能会出现停留的情况(例如斑马线钱等红绿灯的车辆),在此期间,假如有两张或以上的影像拍摄到该车辆,那么该车辆的几何模型就可能会出现在重建的三维场景中,道路中央的车辆几何模型很突兀,而且映射的纹理也出 ...
【技术保护点】
1.一种基于影像的三维场景重建中移动车辆的修复方法,其特征在于,所述方法包括:/n步骤1,训练得到车辆的深度学习模型,根据所述深度学习模型得到各张影像中的车辆信息标记,所述车辆信息标记包括车辆位置和车辆颜色;/n步骤2,对于三维场景模型的各个三角面,统计得到第i个三角面f
【技术特征摘要】
1.一种基于影像的三维场景重建中移动车辆的修复方法,其特征在于,所述方法包括:
步骤1,训练得到车辆的深度学习模型,根据所述深度学习模型得到各张影像中的车辆信息标记,所述车辆信息标记包括车辆位置和车辆颜色;
步骤2,对于三维场景模型的各个三角面,统计得到第i个三角面fi的可视影像集合I(fi),其中集合I(fi)中包含的影像的数量为nk;
步骤3,统计所述可视影像集合I(fi)中标记为车辆的影像的数量n1,根据所述数量n1是否超过设定值判断该三角面fi在各个影像的投影位置处是否为车辆;
步骤4,判定该三角面fi所述投影位置处为车辆时,统计所述n1个标记为车辆的车辆颜色中每种颜色出现的次数,得到所述次数中的最大值n2,根据所述数量nk、数量n1以及数量n2确定该三角面fi对应的为停留移动车辆、未停留移动车辆或未移动车辆;
步骤5,根据所述停留移动车辆对应的三角面进行几何修复,根据纹理处的三角面的颜色进行纹理修复。
2.根据权利要求1所述的方法,其特征在于,所述步骤1中得到各个影像中的车辆信息标记的过程包括:
步骤101,将人工标记好的车辆样本数据放入到深度学习框架中进行训练,当损失曲线收敛时,得到训练好的所述车辆的深度学习模型;
步骤102,将每张影像裁剪成设定大小的矩形影像块,利用所述车辆的深度学习模型分别对各个所述影像块进行车辆信息的识别,得到所述影像块中车辆的位置和颜色信息;
步骤103,汇总属于同一张所述影像的所述影像块的识别结果,得到每张所述影像所对应的车辆信息标记。
3.根据权利要求1所述的方法,其特征在于,所述步骤2中得到所述可视影像集合I(fi)的过程包括:
步骤201,将三角网格中的每个所述三角面fi根据投影矩阵Pj依次投影到每张影像Ij上;
步骤202,获取所述影像Ij上可见的三角面集合F(Ij)={f1,f2,...,fm};
步骤203,根据所述三角面集合F(Ij)统计所述三角面fi在哪些影像上可见,得到所述三角面fi的可视影像集合
4.根据权利要求1所述的方法,其特征在于,所述步骤3中所述设定值为预先设定的最小车辆影像张数阈值δ0;
n1<δ0时,直接返回判断是否每个三角面fi均完成了判定过程,是,结束整个判定流程,否,对i加一后进行下一个三角面fi的判定。
5.根据权利要求1所述的方法,其特征在于,所述步骤4包括:
对n1张标记为车辆的影像与所述可视影像集合I(fi)中的nk张影像分别按照影像采集的时间顺序进行排列,排列结果记为O...
【专利技术属性】
技术研发人员:杨冲,
申请(专利权)人:武汉大势智慧科技有限公司,
类型:发明
国别省市:湖北;42
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。