System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,尤其涉及一种基于神经辐射场的空地影像三维重建方法、系统及设备。
技术介绍
1、随着图像传感器的普及,获取模型的三维数据和纹理信息也越来越容易。只要通过相机获取目标的多视角图像信息,构建图像序列并进行分析处理,便能基于所获取的图像信息实现三维模型的建立。
2、目前,三维模型的建立方法主要分为三种:一是运用传统的几何建模技术构建三维模型;二是利用多角度的相机拍摄图像,通过计算机视觉技术建立三维数学模型,也称为基于图像的三维重建;三是基于点云的三维重建方法,通过对物体进行扫描,生成该物体点云视角下的三维模型。
3、然而,这些三维模型的重建方法虽然已经广泛地应用于生产生活中,但由于学习方式、学习设备等条件的制约,仍然存在很多难以避免的缺点:
4、一方面,对场景以及场景拍摄的视角和位置都有一定要求;不仅需要场景中有足够多的纹理和明显的特征点,而且当同时使用无人机影像和地面捕获的影像时,由于视角差异太大难以准确正确的目标三维模型。另一方面,需要耗费大量的计算时间和内存资源,处理速度慢。此外,现有的三维重建方法通常使用局部优化或表面重建的方式生成三维模型,因此,在复杂地物区域模型的表面平滑度、几何形状和纹理等方面难以达到高精度的效果。
技术实现思路
1、本专利技术提供一种基于神经辐射场的空地影像三维重建方法、系统及设备,用以解决现有三维重建方法所构建的三维模型准确率差、处理速度慢以及精度低的问题。
2、第一方面,本专利技术提
3、获取目标场景的多视角空地影像数据和稀疏三维点云;
4、基于所述多视角空地影像数据中的影像位置信息将所述目标场景划分为多个子区域;其中,相邻的子区域之间有部分区域重叠;
5、基于所述稀疏三维点云,对一个子区域中所包括的多张空地影像同时进行神经辐射场模型的训练,得到一个子模型;则多个子区域对应得到多个子模型;
6、将多个所述子模型进行渲染融合,得到所述目标场景的三维模型。
7、进一步的,将所述目标场景划分为多个子区域包括:
8、根据所有空地影像的位置信息,计算目标场景的包围区域a为:
9、a=[xmin,xmax]×[ymin,ymax]×[zmin,zmax];
10、其中,xmin、xmax、ymin、ymax、zmin和zmax分别表示包围区域的框沿x,y和z轴的最小坐标值和最大坐标值;
11、对所述包围区域进行划分,得到多个子区域。
12、进一步的,所述划分包括:对所述包围区域的长和/或宽分别进行均等划分,得到多个子区域,每个子区域的空间形状一样。
13、进一步的,多个子模型同时进行训练或相继进行训练。
14、进一步的,所述神经辐射场模型的训练包括:
15、利用颜色监督损失和深度监督损失优化所述神经辐射场模型的参数,实现所述神经辐射场模型的训练;
16、其中,基于体渲染得到给定视角下的相机光线的渲染颜色值和空地影像的真实颜色值计算得到所述颜色监督损失;基于神经辐射场模型预测的深度值和所述稀疏三维点云的关键点深度值计算得到所述深度监督损失。
17、进一步的,所述渲染颜色值的获取包括:
18、将所述光线平分成n个区间,在每个区间随机采样一个样本点,对该样本点的预测颜色值进行加权求和;
19、所述渲染颜色值的计算公式为:其中,n表示区间,i表示样本点,wi表示权重,wi=ti(1-exp(-σiδi));ti表示样本点沿着视角相机光线的累积透明度,σi表示样本点的体积密度;δi表示相邻样本点的距离,δi=ti+1-ti,t表示样本点沿着光线距离光线原点的距离;ci表示预测颜色值。
20、进一步的,在渲染时,基于划分的子区域范围限制渲染场景;基于渲染区域的光线与子区域范围之间的交点,得到渲染场景所需的子区域数量。
21、进一步的,多个子区域对应的多个子模型同时进行渲染;
22、当渲染区域边界具有m次重叠的区域时,利用涉及所述子区域所训练的m个神经辐射场同时渲染并进行平均;其中,m为正整数。
23、第二方面,本专利技术提供一种基于神经辐射场的空地影像三维重建系统,该系统至少包括数据获取模块、区域划分模块、模型训练模块以及模型渲染模块,用于执行上述任一项方法的步骤。
24、第三方面,本专利技术提供一种基于神经辐射场的空地影像三维重建设备,该设备包括至少一个处理单元、以及至少一个存储单元;其中,所述存储单元存储有计算机程序,当所述计算机程序被所述处理单元执行时,使得所述处理单元执行上述任一项方法的步骤。
25、总体而言,通过本专利技术所构思的技术方案,与现有技术相比能够取得下列有益效果:
26、(1)本专利技术提供一种基于神经辐射场的空地影像三维重建方法、系统及设备,利用多视角影像的位置信息将目标场景划分为多个子区域,多个子区域并行训练神经辐射场模型,提高了目标场景下神经辐射场模型的训练速度,缩短了训练时间。
27、(2)本专利技术提供一种基于神经辐射场的空地影像三维重建方法、系统及设备,利用颜色监督损失和深度监督损失优化神经辐射场模型的参数,提高了渲染影像的质量和几何位置的精度。
28、(3)本专利技术提供一种基于神经辐射场的空地影像三维重建方法、系统及设备,利用多个子区域的自适应融合方法,得到完整的场景隐式三维模型,优化了渲染过程,提高了计算效率,同时保持了渲染的精度和质量。
本文档来自技高网...【技术保护点】
1.一种基于神经辐射场的空地影像三维重建方法,其特征在于,该方法包括:
2.如权利要求1所述的一种基于神经辐射场的空地影像三维重建方法,其特征在于,将所述目标场景划分为多个子区域包括:
3.如权利要求2所述的一种基于神经辐射场的空地影像三维重建方法,其特征在于,所述划分包括:对所述包围区域的长和/或宽分别进行均等划分,得到多个子区域,每个子区域的空间形状一样。
4.如权利要求1所述的一种基于神经辐射场的空地影像三维重建方法,其特征在于,多个子模型同时进行训练或相继进行训练。
5.如权利要求1所述的一种基于神经辐射场的空地影像三维重建方法,其特征在于,所述神经辐射场模型的训练包括:
6.如权利要求5所述的一种基于神经辐射场的空地影像三维重建方法,其特征在于,所述渲染颜色值的获取包括:
7.如权利要求1所述的一种基于神经辐射场的空地影像三维重建方法,其特征在于,在渲染时,基于划分的子区域范围限制渲染场景;基于渲染区域的光线与子区域范围之间的交点,得到渲染场景所需的子区域数量。
8.如权利要求7所述的一
9.一种基于神经辐射场的空地影像三维重建系统,其特征在于,该系统至少包括数据获取模块、区域划分模块、模型训练模块以及模型渲染模块,用于执行权利要求1~8中任一项所述方法的步骤。
10.一种基于神经辐射场的空地影像三维重建设备,其特征在于,该设备包括至少一个处理单元、以及至少一个存储单元;其中,所述存储单元存储有计算机程序,当所述计算机程序被所述处理单元执行时,使得所述处理单元执行权利要求1~8任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于神经辐射场的空地影像三维重建方法,其特征在于,该方法包括:
2.如权利要求1所述的一种基于神经辐射场的空地影像三维重建方法,其特征在于,将所述目标场景划分为多个子区域包括:
3.如权利要求2所述的一种基于神经辐射场的空地影像三维重建方法,其特征在于,所述划分包括:对所述包围区域的长和/或宽分别进行均等划分,得到多个子区域,每个子区域的空间形状一样。
4.如权利要求1所述的一种基于神经辐射场的空地影像三维重建方法,其特征在于,多个子模型同时进行训练或相继进行训练。
5.如权利要求1所述的一种基于神经辐射场的空地影像三维重建方法,其特征在于,所述神经辐射场模型的训练包括:
6.如权利要求5所述的一种基于神经辐射场的空地影像三维重建方法,其特征在于,所述渲染颜色值的获取包括:
7...
【专利技术属性】
技术研发人员:张斌,曹成度,费亮,夏旺,马龙,李昭熹,童思奇,许诗旋,王波,
申请(专利权)人:中铁第四勘察设计院集团有限公司,
类型:发明
国别省市:
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。