【技术实现步骤摘要】
基于深度相机的动静态多刚性物体重建方法、系统及介质
[0001]本专利技术涉及一种三维重建方法,尤其是涉及一种基于深度相机的动静态多刚性物体重建方法
、
系统及介质
。
技术介绍
[0002]三维模型是计算机中物体的多边形表示
。
目前,三维模型已越来越多被应用于各种不同领域,例如医疗行业用于制作器官的精确模型,电影行业用于构建人物
、
物体,建筑业用于展示建筑物或者风景等
。
[0003]三维重建指通过对真实世界的扫描绘制三维模型,是近年来建模领域研究热点
。
目前,常用的三维重建有主动式扫描重建
、
被动式
SfM(Structure from Motion)
等,但是这些方法在三维重建过程中都依赖于环境是静态的以及被重建的刚性物体不能移动
。
因此,对动静态多刚性物体同时进行重建仍然是一个挑战
。
技术实现思路
[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种准确率高的基于深度相机的动静态多刚性物体重建方法
、
系统及介质
。
[0005]本专利技术的目的可以通过以下技术方案来实现:
[0006]一种基于深度相机的动静态多刚性物体重建方法,包括以下步骤:
[0007]利用深度相机获取待重建的
RGBD
图像流;
[0008]采用
SOLO
‑< ...
【技术保护点】
【技术特征摘要】
1.
一种基于深度相机的动静态多刚性物体重建方法,其特征在于,包括以下步骤:利用深度相机获取待重建的
RGBD
图像流;采用
SOLO
‑
HRNet
网络对接收到的
RGB
图像进行动静态目标检测与实例分割,获得一组含有多个检测目标的
Mask
数据;基于每组所述
Mask
数据对
RGBD
图像流中的所有分割实例进行分割定位,对符合重建条件的物体进行存储;将新存储的物体与已存储对象集进行比对追踪,若追踪成功则更新已存储对象集的数据,否则将新存储的物体构建为新的存储对象,加入所述已存储对象集中,更新已存储对象集的数据;依次对所述已存储对象集中各存储对象采用
ORB
‑
SLAM2
依次对所述已存储对象集中各存储对象的
RGB
图进行
ORB
特征选取与匹配,计算得到位姿,采用
TSDF
将
RGBD
图经过位姿参数与相机内参运算转化,计算得到体素立方体数据,获得三维重建结果
。2.
根据权利要求1所述的基于深度相机的动静态多刚性物体重建方法,其特征在于,所述
SOLO
‑
HRNet
网络包括依次连接的特征提取层
、FPN
层和
Head
层,其中:所述特征提取层用于从所述
RGB
图像提取图像特征;所述
FPN
层基于所述图像特征构建多层次的特征金字塔图;所述
Head
层基于所述特征金字塔图,采用语义分析实现
Mask
预测,包括
Mask
类别
、Mask
尺寸及位置的预测
。3.
根据权利要求1所述的基于深度相机的动静态多刚性物体重建方法,其特征在于,在获得所述
Mask
数据后,对
Mask
数据进行至少一次膨胀处理
。4.
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。