三维重建方法、三维重建模型的训练方法、装置及设备制造方法及图纸

本发明专利技术公开了一种三维重建方法、三维重建模型的训练方法、装置及设备，属于计算机视觉技术领域。该方法包括：对目标场景中目标物体的目标三维数据进行编码，得到所述目标物体的目标编码特征；对所述目标场景中空间点集进行采样，得到采样点；根据所述目标编码特征和所述采样点，对所述目标物体进行三维重建，得到所述目标物体的目标三维重建数据。通过上述技术方案，能够提高三维建模的效率。能够提高三维建模的效率。能够提高三维建模的效率。

【技术实现步骤摘要】
三维重建方法、三维重建模型的训练方法、装置及设备


[0001]本专利技术涉及计算机视觉
，尤其涉及深度学习、三维重建等
，具体涉及一种三维重建方法、三维重建模型的训练方法、装置及设备。

技术介绍

[0002]现在随着深度神经网络的出现，基于学习的三维重建方法得到了普及。但是与图像不同的是，在3D中没有计算效率和内存效率都很高的规范表示法来表示任意拓扑的高分辨率几何体。因此，许多最先进的基于学习的3D重建方法只能表示非常粗糙的3D几何体，或仅限于受限领域。因此，亟需一种能够对物体进行高分辨率三维重建的方式。

技术实现思路

[0003]本专利技术提供了一种三维重建方法、三维重建模型的训练方法、装置及设备，以提高三维重建的精度和效率。
[0004]根据本专利技术的一方面，提供了一种三维重建方法，该方法包括：
[0005]对目标场景中目标物体的目标三维数据进行编码，得到所述目标物体的目标编码特征；
[0006]对所述目标场景中空间点集进行采样，得到采样点；
[0007]根据所述目标编码特征和所述采样点，对所述目标物体进行三维重建，得到所述目标物体的目标三维重建数据。
[0008]根据本专利技术的另一方面，提供了一种三维重建模型的训练方法，该方法包括：
[0009]对目标场景中目标物体的目标三维数据进行编码，得到所述目标物体的目标编码特征；
[0010]对所述目标场景中空间点集进行采样，得到采样点；
[0011]根据所述目标编码特征和所述采样点，对所述目标物体进行三维重建，得到所述目标物体的目标三维重建数据；
[0012]根据所述目标三维重建数据和所述目标物体的三维监督数据，对三维重建模型进行训练。
[0013]根据本专利技术的另一方面，提供了一种三维重建装置，该装置包括：
[0014]目标编码特征确定模块，用于对目标场景中目标物体的目标三维数据进行编码，得到所述目标物体的目标编码特征；
[0015]采样点确定模块，用于对所述目标场景中空间点集进行采样，得到采样点；
[0016]三维重建数据确定模块，用于根据所述目标编码特征和所述采样点，对所述目标物体进行三维重建，得到所述目标物体的目标三维重建数据。
[0017]根据本专利技术的另一方面，提供了一种三维重建模型的训练装置，该装置包括：
[0018]目标编码特征确定模块，用于对目标场景中目标物体的目标三维数据进行编码，得到所述目标物体的目标编码特征；
[0019]采样点确定模块，用于对所述目标场景中空间点集进行采样，得到采样点；
[0020]三维重建数据确定模块，用于根据所述目标编码特征和所述采样点，对所述目标物体进行三维重建，得到所述目标物体的目标三维重建数据；
[0021]模型训练模块，用于根据所述目标三维重建数据和所述目标物体的三维监督数据，对三维重建模型进行训练。
[0022]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0023]至少一个处理器；以及
[0024]与所述至少一个处理器通信连接的存储器；其中，
[0025]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的三维重建方法，或三维重建模型的训练方法。
[0026]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的三维重建方法，或三维重建模型的训练方法。
[0027]本专利技术实施例的技术方案，通过对目标场景中目标物体的目标三维数据进行编码，得到所述目标物体的目标编码特征，之后对所述目标场景中空间点集进行采样，得到采样点，进而根据所述目标编码特征和所述采样点，对所述目标物体进行三维重建，得到所述目标物体的目标三维重建数据。上述技术方案，相比于现有技术中直接对三维数据进行重建而需要消耗大量内存，本专利技术通过对三维数据进行编码后再进行三维重建，不会占用过多的内存，同时还可以提高物体三维重建的效率和准确性。
[0028]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0029]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]图1是根据本专利技术实施例一提供的一种三维重建方法的流程图；
[0031]图2是根据本专利技术实施例二提供的一种三维重建方法的流程图；
[0032]图3是根据本专利技术实施例三提供的一种三维重建模型的训练方法的流程图；
[0033]图4是是根据本专利技术实施例四提供的一种三维重建装置的结构示意图；
[0034]图5是是根据本专利技术实施例五提供的一种三维重建模型的训练装置的结构示意图；
[0035]图6是实现本专利技术实施例的三维重建方法或三维重建模型的训练方法的电子设备的结构示意图。
具体实施方式
[0036]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的
附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0037]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0038]此外，还需要说明的是，本专利技术的技术方案中，所涉及的目标物体等相关数据的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
[0039]元宇宙应用的数字空间重建，涉及巨大的现实场景的三维建模的任务，以往再对城市规模或者等同于类型工作时，空间实体的建模工作的就变的不可实施，给实际项目实施带来很大的困难。
[0040]同行业中采用的倾斜摄影或设备采集获取点云数据进行体素表示的缺点：内存随分辨率呈立方增加，使用例如八叉树的数据自适应表示来降本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维重建方法，其特征在于，包括：对目标场景中目标物体的目标三维数据进行编码，得到所述目标物体的目标编码特征；对所述目标场景中空间点集进行采样，得到采样点；根据所述目标编码特征和所述采样点，对所述目标物体进行三维重建，得到所述目标物体的目标三维重建数据。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标编码特征和所述采样点，对所述目标物体进行三维重建，得到所述目标物体的目标三维重建数据，包括：对所述采样点进行特征提取，得到所述采样点的采样点特征；根据所述目标编码特征和所述采样点特征，从所述空间点集中确定属于所述目标物体的内部点集和不属于所述目标物体的外部点集；根据所述内部点集和所述外部点集，确定所述目标物体的形状特征；根据所述形状特征，对所述目标物体进行三维重建，得到所述目标物体的目标三维重建数据。3.根据权利要求2所述的方法，其特征在于，所述根据所述目标编码特征和所述采样点特征，从所述空间点集中确定属于所述目标物体的内部点集和不属于所述目标物体的外部点集，包括：对目标编码特征和所述采样点特征进行特征提取，得到第一融合特征；对所述第一融合特征和所述采样点特征进行融合，得到第二融合特征；对所述第二融合特征和所述目标编码特征进行融合，得到第三融合特征；根据所述第三融合特征，从所述空间点集中确定属于所述目标物体的内部点集和不属于所述目标物体的外部点集。4.根据权利要求3所述的方法，其特征在于，所述对所述第二融合特征和所述目标编码特征进行融合，得到第三融合特征，包括：对所述第二融合特征进行降维处理，得到经处理的第二融合特征；对所述经处理的第二融合特征和所述目标编码特征进行融合，得到第三融合特征。5.根据权利要求2所述的方法，其特征在于，所述根据所述内部点集和所述外部点集，确定所述目标物体的形状特征，包括：根据所述内部点集和所述外部点集，确定分界线特征；根据所述分界线特征，确定所述目标物体的形状特征。6.一种三维重建模型的训练方法，其特征在于，包...

【专利技术属性】
技术研发人员：袁振杰，
申请(专利权)人：北京软通智慧科技有限公司，
类型：发明
国别省市：