一种深度学习和多视图重建结合用于机舱线缆三维重建及参数计算的方法技术

一种深度学习和多视图重建结合用于机舱线缆三维重建及参数计算的方法，该方法的过程包括：S1：线缆图像序列采集，通过RGB相机对线缆进行视频录制然后按帧分割，得到原图图像序列；S2：图像前景色分割，将原图图像序列输入到我们训练好的分割神经网络中获得二值图图像序列，得到背景为白色，线缆为黑色的二值图；S3：初始化相机位姿和3D曲线网络，从二值图图像序列中选择出能显示出显著相机移动的一对图像，使用2D曲线匹配和光流技术估算它们之间的对应关系，并通过光束法平差技术计算出相机姿态和3D点云。利用这些3D点，通过Kruskal算法的一个变体，构建一个3D曲线网络；S4：迭代相机和曲线估计，通过不断迭代分割新输入的二值图，不断优化3D曲线网络，最终得到线缆曲线点云模型；S5：实时计算线缆参数信息，通过S4得到的线缆模型，计算线缆的长度、直径、和曲率。

【技术实现步骤摘要】

本专利技术涉及摄影测量学、计算机视觉和数学中的多视图几何重建的，尤其是一种涉及线缆点云重建之后对线缆进行参数计算的方法。

技术介绍

1、随着航空电子技术的进步和飞机舱内装备数量的增加，飞机舱内线缆布局变得日益复杂，对飞行安全和性能提出了新的挑战。在这个背景下，使用自主式线缆质检系统代替人工操作显得尤为重要，尤其是在危险和未知的环境中。因此，开发一种基于图像的线缆的识别和三维重建方法对于准确计算线缆参数装置具有重要的理论和实践意义。

2、传统的机舱内线缆的长度，半径和曲率测量纯粹是采用手动测量的方式，这种方式操作难度大，测量精度低。特别是在对线缆等细长物体进行测量时，由于其表面特性和形状的复杂性，传统方法往往难以精确测量其尺寸，例如直径和长度。此外，线缆在实际应用中可能会出现弯曲或扭曲，这给准确测量带来了额外的挑战。现有的三维重建技术在处理此类物体时，往往需要复杂的算法和昂贵的硬件支持。单纯依靠人工装配耗时耗力。为此，开发一种基于图像的线缆识别与重建系统迫在眉睫。现有的先进智能装配方法通常依赖三维图纸和关键标志来实现，存在任务目标及指标比较单一、本文档来自技高网...

【技术保护点】

1.一种深度学习和多视图重建结合用于机舱线缆三维重建及参数计算的方法，其特征在于，所述方法包括下列步骤：

2.根据权利要求1中描述的一种深度学习和多视图重建结合用于机舱线缆三维重建及参数计算的方法，其特征在于，所述步骤S1中，在对线缆数据进行采集时，使用RGB摄像头连续捕捉线缆图像，并对获取的视频流进行按照固定的帧间隔提取，从而生成一系列原始图像帧。

3.在权利要求1中描述的一种深度学习和多视图重建结合用于机舱线缆三维重建及参数计算方法中，其特征在于，所述步骤S2中，使用预训练好的深度学习模型进行图像分割。此过程包括将预先捕获的原始图像帧作为输入，利用训练好的的神...

【技术特征摘要】

1.一种深度学习和多视图重建结合用于机舱线缆三维重建及参数计算的方法，其特征在于，所述方法包括下列步骤：

2.根据权利要求1中描述的一种深度学习和多视图重建结合用于机舱线缆三维重建及参数计算的方法，其特征在于，所述步骤s1中，在对线缆数据进行采集时，使用rgb摄像头连续捕捉线缆图像，并对获取的视频流进行按照固定的帧间隔提取，从而生成一系列原始图像帧。

3.在权利要求1中描述的一种深度学习和多视图重建结合用于机舱线缆三维重建及参数计算方法中，其特征在于，所述步骤s2中，使用预训练好的深度学习模型进行图像分割。此过程包括将预先捕获的原始图像帧作为输入，利用训练好的的神经网络模型自动识别并分离线缆特征，以实现线缆和背景的精准分割。在此过程中，线缆被高效地提取并标记为前景元素，而其他非线缆结构则被分类并呈现为白色背景，以便于后续重建和分析。<...

【专利技术属性】
技术研发人员：张剑华，刘鸿方，程徐，陈胜勇，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：