一种三维场景重建中散乱纹理的剔除方法和系统技术方案

本发明专利技术涉及测绘技术领域，具体涉及一种三维场景重建中散乱纹理的剔除方法和系统。该方法包括：基于深度学习的方法对影像中的目标纹理信息进行识别，标记散乱纹理信息；结合多视角影像对错误的候选散乱纹理信息进行判定与删除，剔除错误纹理信息。本发明专利技术充分利用了深度学习方法的优势，识别影像数据中的目标纹理信息，并标记散乱纹理信息，保证了影像数据中纹理特征信息识别的准确性和高效性。在三维重建的纹理映射过程中，通过引入多个视角的影像信息进行错误纹理特征的综合判定，将错误的纹理特征从三维场景的候选纹理中删除，利用剩余正确的候选纹理进行纹理映射，得到三维场景重建结果。实现了散乱纹理的全自动剔除。实现了散乱纹理的全自动剔除。实现了散乱纹理的全自动剔除。

【技术实现步骤摘要】
一种三维场景重建中散乱纹理的剔除方法和系统


[0001]本专利技术涉及测绘
，具体涉及一种三维场景重建中散乱纹理的剔除方法和系统。

技术介绍

[0002]基于影像的三维场景重建一直以来是摄影测量与计算机视觉中的热门研究话题。利用影像进行三维重建的方法可以直接从影像中获取目标对象的几何结构与纹理信息，所构建出的三维模型具有较高的逼真度。
[0003]近些年，随着无人机的广泛使用，基于无人机平台的摄影技术可以为多视图三维重建提供快速获取充足影像数据的条件，从而大大降低了多视图三维重建数据获取成本。因此，基于多视影像的三维场景的重建就变得更加的广泛。
[0004]尽管基于多视影像的三维重建方法具有许多的优点，然而该方法在实际的三维建模应用中仍然存在一些问题需要解决。例如，对于场景中树枝这类“细条状”的目标对象来说，由于通过影像密集匹配出来的点云密度和精度不够，导致重建出来的三维模型很容易出现缺失的情况，从而造成在纹理映射过程中由于遮挡检测不准确出现纹理映射错误的问题，例如：三维场景重建结果中“细条状”树枝模型缺失，三维场景重建结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维场景重建中散乱纹理的剔除方法，其特征在于，包括：基于深度学习的方法对影像中的目标纹理信息进行识别，标记散乱纹理信息；结合多视角影像对错误的候选散乱纹理信息进行判定与删除，剔除错误纹理信息。2.如权利要求1所述的三维场景重建中散乱纹理的剔除方法，其特征在于，所述标记散乱纹理信息的方法，包括以下步骤：获取预先标记好的纹理样本数据；将获取的纹理样本数据输入深度学习网络框架进行训练；利用训练好的深度学习模型分别对获取的影像数据的影像块进行目标纹理的识别，得到影像块中散乱纹理的位置框信息；将相同影像中的影像块识别结果进行统计，得到每张影像所对应的散乱纹理信息的标记框。3.如权利要求2所述的三维场景重建中散乱纹理的剔除方法，其特征在于，所述深度学习网络框架训练至损失值曲线趋于稳定时，深度学习模型接近收敛，完成深度学习网络框架的训练。4.如权利要求3所述的三维场景重建中散乱纹理的剔除方法，其特征在于，所述深度学习网络框架训练时，还包括：获取三维场景重建所需的影像数据；将获取的单张影像数据裁切成若干矩形块的影像块；将裁切的影像块输入训练好的深度学习模型，对输入的影像块分别进行纹理特征的识别。5.如权利要求1所述的三维场景重建中散乱纹理的剔除方法，其特征在于，错误的候选散乱纹理信息进行判定的方法，包括以下步骤：获取重建的三维场景模型，并采用三角网格表征三维场景模型；获取采集的多个视角的影像集合及对应的位置信息；将三角网格中的每个三角面根据位置信息的投影矩阵依次投影到影像集合的每张影像上，获取影像上可见的三角面合集；其中，三角面在影像上的可见性利用投影产生的深度图进行判断，深度图进行判断的方法为：选取深度图中每个像素上存储的最小深度值所对应的三角面组成集合。6.如权利要求5所述的三维场景重建中散乱纹理的剔除方法，其特征在于，根据影像集合判断三角面所对应场景的类别信息的方法包括：根据三角面在对应的可视影像集合中的每张影像上投影位置处所对应的识别信息，统计标记为目标...

【专利技术属性】
技术研发人员：杨冲，高云龙，闫碎玉，纪双艳，
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：