一种三维点云模型生成方法及装置制造方法及图纸

本申请公开了一种三维点云模型生成方法及装置，涉及计算机图形学和三维视觉技术领域。该方法包括：获取场景图像集合和相机参数；根据场景图像集合和相机参数，基于神经辐射场模型生成深度图；根据深度图，生成三维点云模型。该方法能够有效提升神经辐射场生成的深度图质量，解决深度图投影后的几何一致性问题，从而高效和快速地从神经辐射场隐式表示中获得更加准确的场景三维点云模型。得更加准确的场景三维点云模型。得更加准确的场景三维点云模型。

【技术实现步骤摘要】
一种三维点云模型生成方法及装置


[0001]本申请涉及计算机图形学和三维视觉
，特别涉及一种三维点云模型生成方法及装置。

技术介绍

[0002]神经辐射场(NeRF)通常使用多层感知器来隐式表征三维场景，即将三维场景表示为一个由神经网络建模的辐射场，由辐射场描述场景中每个点在任意观察方向的颜色和体积密度，并通过体积渲染来合成任意视角下的新视图，在新视图合成领域和三维场景重建领域获得了广泛关注。
[0003]然而，上述神经辐射场采用的场景隐式表征和体积渲染流程决定了神经辐射场无法直接输出以三维点云模型为例的显式模型。现有的获取三维点云模型的方法大多数是直接利用深度图投影的方法提取场景的三维点云模型，并未考虑到神经辐射场生成的深度信息的不准确性，因此生成的三维点云模型通常会存在不完整、分层冗余、离群点噪声等问题。

技术实现思路

[0004]有鉴于此，本申请实施例提供了一种三维点云模型生成方法及装置，能够生成完整性较好，几何精度较高的三维点云模型。
[0005]本申请实施例公开了如下技术方案：
[0006本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维点云模型生成方法，其特征在于，所述方法包括：获取场景图像集合和相机参数；根据所述场景图像集合和相机参数，基于神经辐射场模型生成深度图；根据所述深度图，生成三维点云模型。2.根据权利要求1所述的方法，其特征在于，所述神经辐射场模型使用联合损失函数进行训练，所述联合损失函数的公式具体如下：其中，L
θ
为损失函数，r为发射射线，R为射线的集合，L
color
为光度一致性损失函数，L
smooth
为深度平滑损失函数，λ为权重因子。3.根据权利要求2所述的方法，其特征在于，所述光度一致性损失函数的公式具体如下：其中，L
color
为光度一致性损失函数，r为发射射线，R为射线的集合，为渲染像素颜色，C(r)为真实像素颜色。4.根据权利要求2所述的方法，其特征在于，所述深度平滑损失函数的公式具体如下：其中，L
smooth
为深度平滑损失函数，S
patch
为渲染区域面积大小，r为发射射线，R为射线的集合，i为像素的横坐标点，j为像素的纵坐标点，d(r
ij
)为像素(i，j)的预测深度，d(r
i+1j
)为像素(i+1，j)的预测深度，d(r
ij+1
)为像素(i，j+1)的预测深度。5.根据权利要求1所述的方法，其特征在于，所述根据所述场景图像集合和相机参数，基于神经辐射场模型生成深度图，包括：根据视角稀疏选择策略筛选用于生成深度图的相机视角，所述视角稀疏选择策略为相机视场角不低于第一预设阈值，和，相邻的所述相机视场角的交叉重叠区域不超过第二预设阈值；根据筛选后的相机视角和所述相机参数，基于神经辐射场模型生成原始深度图；对所述原始深度图进行滤波处理，以生成处理后的深度图。6.根据权利要求5所述的方法，其特征在于，所述原始深度图的...

【专利技术属性】
技术研发人员：赵飞飞，周鑫，于金波，王梦魁，刘祥德，
申请(专利权)人：北京数原数字化城市研究中心，
类型：发明
国别省市：