多视图三维重建方法及系统技术方案

本申请涉及计算机视觉技术领域，本申请提供一种多视图三维重建方法及系统，所述方法根据获取的待处理图像构建三维矩阵的第一代价体，再根据三维矩阵的深度向量计算特征通道的权重参数，将权重参数作用于第一代价体生成第一概率体；对第一概率体执行滤波得到第二概率体；根据待处理图像获取真实深度图并构建第三概率体；获取损失函数训练得到的学习模型生成真实概率体，损失函数为根据第二概率体和第三概率体生成，根据真实概率体生成预测深度图，并基于多个视角的预测深度图生成表征完成多视图三维重建的全局点云，本申请通过计算特征通道的权重参数，以引入不同特征通道对深度信息贡献能力的差异，更准确生成概率体，解决三维重建精度低的问题。

【技术实现步骤摘要】

本申请涉及计算机视觉，尤其涉及一种多视图三维重建方法及系统。

技术介绍

1、三维重建在计算机视觉、计算机图形学和虚拟现实等领域中均具有应用，三维重建是通过将多个视角获取的图像或视频数据，恢复物体或场景的三维几何结构。在三维重建方法中，可通过立体视觉、结构光等进行三维重建。然而，这些方法存在一些限制，例如：对纹理特征缺乏鲁棒性、对遮挡物敏感、对光照变化敏感等。

2、为克服上述问题，多视图三维重建利用不同视角获取的多个图像或视频数据，结合计算机视觉和计算机图形学技术，通过匹配、三角剖分、优化等方法，生成更准确的三维模型。然而，在多视图三维重建过程中，存在视角之间的匹配问题、噪声和误匹配问题、视角之间的一致性问题等。

3、为解决这些问题，对于基于深度学习的多视图三维重建方法，输入多为同一场景多视角下的图片，输出为多视角下预测的深度图或融合点云，通过以下流程实现：特征提取、单应性变换、特征体构建、生成代价体、代价体正则化、深度图初始估计及优化、损失计算、深度图滤波和融合等处理步骤。但代价体正则化的方法没有对代价体做优化处理，直接进入3d卷积本文档来自技高网...

【技术保护点】

1.一种多视图三维重建方法，其特征在于，包括：

2.根据权利要求1所述的多视图三维重建方法，其特征在于，所述根据所述待处理图像，构建第一代价体，包括：

3.根据权利要求2所述的多视图三维重建方法，其特征在于，所述根据所述待处理图像，构建第一代价体，包括：

4.根据权利要求1所述的多视图三维重建方法，其特征在于，所述根据所述深度向量计算特征通道的权重参数，包括：

5.根据权利要求4所述的多视图三维重建方法，其特征在于，所述根据所述深度向量计算特征通道的权重参数，包括：

6.根据权利要求5所述的多视图三维重建方法，其特征在于，所述将...

【技术特征摘要】

1.一种多视图三维重建方法，其特征在于，包括：

2.根据权利要求1所述的多视图三维重建方法，其特征在于，所述根据所述待处理图像，构建第一代价体，包括：

3.根据权利要求2所述的多视图三维重建方法，其特征在于，所述根据所述待处理图像，构建第一代价体，包括：

4.根据权利要求1所述的多视图三维重建方法，其特征在于，所述根据所述深度向量计算特征通道的权重参数，包括：

5.根据权利要求4所述的多视图三维重建方法，其特征在于，所述根据所述深度向量计算特征通道的权重参数，包括：

6.根据权利要求5所述的多视图三维重建方法，其特征在于，所述将所述权重参数的全量作用于所...

【专利技术属性】
技术研发人员：周方明，瞿嘉明，李骏，
申请(专利权)人：苏州立创致恒电子科技有限公司，
类型：发明
国别省市：