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() 一种三维模型重建的方法、装置、存储介质及电子设备制造方法及图纸_技高网
当前位置: 首页 > 专利查询>之江实验室专利>正文

一种三维模型重建的方法、装置、存储介质及电子设备制造方法及图纸

技术编号:40796990 阅读:5 留言:0更新日期:2024-03-28 19:24
本说明书公开了一种三维模型重建的方法、装置、存储介质及电子设备,其中,针对获取到的遥感图像中的每个像素点,生成穿过该像素点的虚拟光线,并在所述虚拟光线上采样,确定各第一采样点;将各第一采样点对应的坐标信息以及采样点属性参数输入到预设的神经辐射场模型中,得到各第一采样点对应的颜色关联参数,进而确定该像素点对应的反照率信息;针对每个像素点,以该像素点在三维场景空间中对应的空间点为原点,生成指向太阳的虚拟太阳光线,从而确定该像素点的入射光信息,并根据入射光信息与反照率信息确定像素点的颜色信息;根据每个像素点颜色信息与真实颜色信息之间的偏差,对模型进行训练,并根据训练后模型,对地表场景进行三维重建。

【技术实现步骤摘要】

本说明书涉及计算机,尤其涉及一种三维模型重建的方法、装置、存储介质及电子设备


技术介绍

1、随着科学技术的进步,人们已经可以通过卫星捕获高分辨率的遥感卫星图像,这为人们研究地形演变和人类活动提供了大量宝贵的信息。然而,遥感卫星图像提供的信息终究有限,越来越无法满足人们对于城市规划、环境监测的需要。

2、因此,利用多视角的遥感卫星图像对大型地表场景进行三维模型的重建逐渐成为了热门研究方向。目前传统的基于遥感图像的三维模型的重建方法是多视图立体视觉方法(multiple-view stereo,mvs),但这种方法过于依赖合适图像的配对,而不同的遥感卫星图像通常具有较大的时间间隔,在进行配对时更容易出现错误,进而影响模型重建的准确性。

3、因此,如何提高遥感图像三维模型重建的准确性,从而更好地重建大型地表场景的三维模型,是一个亟待解决的问题。


技术实现思路

1、本说明书提供一种三维模型重建的方法、装置、存储介质及电子设备。以部分的解决现有技术存在的上述问题。

2、本说明书采用下述技术方案:

3、本说明书提供了一种三维模型重建的方法,包括:

4、获取遥感图像;

5、针对所述遥感图像中包含的每个像素点,生成穿过该像素点的虚拟光线;

6、针对每条虚拟光线,从该虚拟光线中确定各第一采样点,并记录各第一采样点对应的坐标信息,根据该虚拟光线所属的遥感图像对应的图像关联参数,生成每个第一采样点对应的采样点属性参数;

7、将各第一采样点对应的坐标信息以及各第一采样点对应的采样点属性参数输入到预设的神经辐射场模型中,以得到各第一采样点对应的颜色关联参数,并根据各第一采样点对应的颜色关联参数以及采样点属性参数,确定各第一采样点所在虚拟光线所穿过的像素点对应的反照率信息;

8、针对每条虚拟光线,根据该虚拟光线包含的各第一采样点对应的颜色关联参数以及采样点属性参数,确定该虚拟光线所穿过的像素点在所述遥感图像针对的地表场景中对应的空间点的位置信息,并以所述空间点的位置信息对应位置为原点,生成所述空间点指向太阳的虚拟太阳光线,并根据所述虚拟太阳光线,确定所述虚拟光线所穿过的像素点对应的入射光信息,以根据该像素点对应的反照率信息以及该像素点对应的入射光信息,确定该像素点对应的颜色信息;

9、根据每个像素点对应的颜色信息与真实颜色信息之间的偏差,对所述神经辐射场模型进行训练,以根据训练后神经辐射场模型,通过获取到的各遥感图像,对地表场景进行三维重建。

10、可选地,所述图像关联参数包括:遥感图像的拍摄时间、拍摄地点的地点信息、拍摄时太阳光的方向信息、遥感图像的索引信息、采集遥感图像的相机的相机模型的模型参数、遥感图像的分辨率。

11、可选地,所述采样点属性参数包括:采样点的索引信息,采样点与下一个采样点之间的采样距离。

12、可选地,针对所述遥感图像中包含的每个像素点,生成穿过该像素点的虚拟光线,具体包括:

13、根据所述神经辐射场模型的相机模型参数,对采集所述遥感图像的相机的相机模型的模型参数进行调整,获得调整后相机模型,以根据调整后相机模型,生成穿过所述遥感图像中包含的每个像素点的虚拟光线,其中,所述相机模型参数是预先在所述神经辐射场模型中定义,并通过对所述神经辐射场模型进行训练得到的。

14、可选地,所述颜色关联参数包括:采样点所在位置的反射率、天空光颜色、体积密度、不确定度,所述不确定度用于表征虚拟光线对应的像素点被指定对象占据的概率。

15、可选地,针对每条虚拟光线,根据该虚拟光线包含的各第一采样点对应的颜色关联参数以及采样点属性参数,确定该虚拟光线所穿过的像素点在所述遥感图像针对的地表场景中对应的空间点的位置信息,并以所述空间点的位置信息对应位置为原点,生成所述空间点指向太阳的虚拟太阳光线,并根据所述虚拟太阳光线,确定所述虚拟光线所穿过的像素点对应的入射光信息,以根据该像素点对应的反照率信息以及该像素点对应的入射光信息,确定该像素点对应的颜色信息,具体包括:

16、针对每条虚拟光线,根据该虚拟光线包含的各第一采样点对应的颜色关联参数以及采样点属性参数,确定该虚拟光线对应的深度信息,根据该虚拟光线对应的深度信息,确定该虚拟光线所穿过的像素点在该像素点所属的遥感图像针对的地表场景中对应的空间点的位置信息,并以该空间点的位置信息对应位置为原点,根据该空间点对应的像素点所属的遥感图像对应的图像关联参数,生成该空间点指向太阳的虚拟太阳光线;

17、针对每条虚拟太阳光线,从该虚拟太阳光线中确定各第二采样点,并记录各第二采样点对应的坐标信息,根据该虚拟太阳光线所属的遥感图像对应的图像关联参数,生成每个第二采样点对应的采样点属性参数;

18、针对每条虚拟太阳光线,将该虚拟太阳光线上的各第二采样点的坐标信息以及各第二采样点对应的采样点属性参数、该虚拟太阳光线所穿过的像素点的坐标信息以及该像素点所属的遥感图像对应的图像关联参数输入到神经辐射场模型中,以获得各第二采样点对应的颜色关联参数以及该虚拟太阳光线所穿过的像素点对应的颜色关联参数,并根据各第二采样点对应的颜色关联参数,确定该虚拟太阳光线所穿过的像素点对应的太阳光可见度信息,以根据该虚拟太阳光线所穿过的像素点对应的太阳光可见度信息以及该虚拟太阳光线所穿过的像素点对应的颜色关联参数,确定该虚拟太阳光线所穿过的像素点对应的入射光信息。

19、可选地,根据该像素点对应的反照率信息以及该像素点对应的入射光信息,确定该像素点对应的颜色信息,具体包括:

20、根据该像素点对应的反照率信息以及该像素点对应的入射光信息,确定该像素点对应的初始颜色信息;

21、根据所述神经辐射场模型的颜色校正参数,对该像素点对应的初始颜色信息进行校正,得到该像素点对应的颜色信息,其中,所述颜色校正参数是预先在所述神经辐射场模型中定义,并通过对所述神经辐射场模型进行训练得到的。

22、可选地,根据每个像素点对应的颜色信息与真实颜色信息之间的偏差,对所述神经辐射场模型进行训练,具体包括:

23、针对每条虚拟光线,根据该虚拟光线中所有第一采样点对应的颜色关联参数中的不确定度,确定该虚拟光线所穿过的像素点对应的不确定度;

24、根据每个像素点对应的不确定度,确定各像素点的权重信息,其中,针对每个像素点,若该像素点对应的不确定度越大,该像素点对应的权重越小;

25、根据每个像素点对应的权重信息,对每个像素点对应的颜色信息与真实颜色信息之间的偏差进行加权求和,获得总损失值;

26、以最小化所述总损失值为优化目标,对所述神经辐射场模型进行训练。

27、本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述三维模型重建的方法。

28、本说明书提供了一种电子本文档来自技高网...

【技术保护点】

1.一种三维模型重建的方法,其特征在于,包括:

2.如权利要求1所述的方法,其特征在于,所述图像关联参数包括:遥感图像的拍摄时间、拍摄地点的地点信息、拍摄时太阳光的方向信息、遥感图像的索引信息、采集遥感图像的相机的相机模型的模型参数、遥感图像的分辨率。

3.如权利要求1所述的方法,其特征在于,所述采样点属性参数包括:采样点的索引信息,采样点与下一个采样点之间的采样距离。

4.如权利要求2所述的方法,其特征在于,针对所述遥感图像中包含的每个像素点,生成穿过该像素点的虚拟光线,具体包括:

5.如权利要求1所述的方法,其特征在于,所述颜色关联参数包括:采样点所在位置的反射率、天空光颜色、体积密度、不确定度,所述不确定度用于表征虚拟光线对应的像素点被指定对象占据的概率。

6.如权利要求1所述的方法,其特征在于,针对每条虚拟光线,根据该虚拟光线包含的各第一采样点对应的颜色关联参数以及采样点属性参数,确定该虚拟光线所穿过的像素点在所述遥感图像针对的地表场景中对应的空间点的位置信息,并以所述空间点的位置信息对应位置为原点,生成所述空间点指向太阳的虚拟太阳光线,并根据所述虚拟太阳光线,确定所述虚拟光线所穿过的像素点对应的入射光信息,以根据该像素点对应的反照率信息以及该像素点对应的入射光信息,确定该像素点对应的颜色信息,具体包括:

7.如权利要求1所述的方法,其特征在于,根据该像素点对应的反照率信息以及该像素点对应的入射光信息,确定该像素点对应的颜色信息,具体包括:

8.如权利要求5所述的方法,其特征在于,根据每个像素点对应的颜色信息与真实颜色信息之间的偏差,对所述神经辐射场模型进行训练,具体包括:

9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~8任一项所述的方法。

10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~8任一项所述的方法。

...

【技术特征摘要】

1.一种三维模型重建的方法,其特征在于,包括:

2.如权利要求1所述的方法,其特征在于,所述图像关联参数包括:遥感图像的拍摄时间、拍摄地点的地点信息、拍摄时太阳光的方向信息、遥感图像的索引信息、采集遥感图像的相机的相机模型的模型参数、遥感图像的分辨率。

3.如权利要求1所述的方法,其特征在于,所述采样点属性参数包括:采样点的索引信息,采样点与下一个采样点之间的采样距离。

4.如权利要求2所述的方法,其特征在于,针对所述遥感图像中包含的每个像素点,生成穿过该像素点的虚拟光线,具体包括:

5.如权利要求1所述的方法,其特征在于,所述颜色关联参数包括:采样点所在位置的反射率、天空光颜色、体积密度、不确定度,所述不确定度用于表征虚拟光线对应的像素点被指定对象占据的概率。

6.如权利要求1所述的方法,其特征在于,针对每条虚拟光线,根据该虚拟光线包含的各第一采样点对应的颜色关联参数以及采样点属性参数,确定该虚拟光线所穿过的像素点在所述遥感图像针对的...

【专利技术属性】
技术研发人员:汪婷蔡宁项森伟谢安桓门泽华
申请(专利权)人:之江实验室
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1