基于多视图和智能学习的三维图像重建方法及相关设备技术

本公开提供了一种基于多视图和智能学习的三维图像重建方法、装置、电子设备及计算机可读存储介质，涉及三维重建技术领域。该方法包括：将物体放在旋转的旋转台上进行拍摄得到视频，将视频根据时间间隔提取得到多视图，根据多视图，基于物体分割算法生成多视图对应的物体掩码图及基于旋转位姿估计算法得到多视图相机位姿，基于深度学习三维建模算法，根据多视图、物体掩码图、多视图相机位姿生成隐式几何形状模型，基于立方体算法及融合贴图算法将隐式几何形状模型转化为三维图像模型，本公开实施例能提高三维图像模型的精度。开实施例能提高三维图像模型的精度。开实施例能提高三维图像模型的精度。

【技术实现步骤摘要】
基于多视图和智能学习的三维图像重建方法及相关设备


[0001]本公开涉及三维重建
，尤其涉及一种基于多视图和智能学习的商品、物资、物品的三维图像重建方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]现有的基于运动恢复结构的物体三维重建系统主要通过多张图像之间的特征点匹配来估计相机运动，从而实现相机标定，并由此重建物体的三维坐标点；这类系统的重建精度一方面依赖于特征点匹配的准确性，高自由度下的特征点误匹配可能导致错误的相机标定；此外，这类系统基于人类先验知识设计的优化算法进行求解，导致得到低精度的三维图像重建结果。
[0003]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0004]本公开提供一种基于多视图和智能学习的三维图像重建方法、装置、电子设备及计算机可读存储介质，至少在一定程度上克服相关技术中三维图形重建结果精度低的问题。
[0005]本公开的其他特性和优点将通过下面的详细描述变得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维图像重建方法，其特征在于，包括：将视频根据时间间隔提取得到多视图，其中，所述视频为物体在旋转的旋转台上的拍摄视频；根据所述多视图，基于物体分割算法生成所述多视图对应的物体掩码图；根据所述多视图，基于旋转位姿估计算法得到多视图相机位姿；基于深度学习三维建模算法，根据所述多视图、所述物体掩码图、所述多视图相机位姿得到隐式几何形状模型；基于立方体算法及融合贴图算法将所述隐式几何形状模型转化为三维图像模型。2.根据权利要求1所述的三维图像重建方法，其特征在于，所述基于立方体算法及融合贴图算法将所述隐式几何形状模型转化为三维图像模型包括：基于所述立方体算法将所述隐式几何形状模型转化为显式几何形状模型；基于所述融合贴图算法将所述显式几何形状模型转化为所述三维图像模型。3.根据权利要求1所述的三维图像重建方法，其特征在于，所述根据所述多视图，基于旋转位姿估计算法得到多视图相机位姿包括：根据所述多视图对应的次序及所述时间间隔确定时间信息；根据所述旋转台的旋转周期、及所述时间信息确定旋转角度；基于所述旋转位姿估计算法，根据旋转信息及相机初始位姿得到所述多视图相机位姿，其中，所述旋转信息包括：所述旋转角度、旋转台Z轴归一化向量的反对称矩阵。4.根据权利要求3所述的三维图像重建方法，其特征在于，还包括：将码图放置在旋转的所述旋转台上；设置至少两个相机将拍摄角度对准所述旋转台的中心，获取拍摄码图；根据相机内参、所述旋转位姿估计算法及所述拍摄码图得到所述相机初始位姿。5.根据权利要求4所述的三维图像重建方法，其特征在于，所述旋转台Z轴垂直于所述旋转台平面且原点位于所述旋转台的中心，所述码图的中心与所述旋转台的中心一致。6.根据权利要求2所述的三维图像重建方法，其特征在于，所述基于深度学习三维建模算法，根据所述多视图、所述物体掩码图、所述多视图相机位姿得到隐式几何形状模型包括：基于深度学习三维建模算法，根据所述多视图、所述物体掩码图、所述多视图相机位姿生成隐式几何形状模型；将所述空间点坐标以及所述多视图相机位姿输入至所述隐式几何形状模型，输出空间点颜色及占有概率；根据所述空间点颜色及所述占有概率，可微分渲染所述隐式几何形状模型。7.根据权利要求6所述的三维图像重建方法，其特征在于，所述基于所述立方体算法将所述隐式几何形状模型转化为显式几何形状模型包括：将三维立方体分成多个单位立方体；计算...

【专利技术属性】
技术研发人员：陈静雯，张熠恒，潘滢炜，姚霆，
申请(专利权)人：京东科技控股股份有限公司，
类型：发明
国别省市：