复杂源域图像集下的3D地图重构的方法和系统技术方案

本发明专利技术提供了一种复杂源域图像集下的3D地图重构的方法和系统，包括：多种不同3D场景收集图像数据，得到多样数据源的图像数据集；对所述多样数据源的图像数据集进行检索；对检索到的图像库进行特征关键点提取与匹配；将匹配成功的点进行过滤和叠加后，输入pycolmap工具进行计算得到最终的3D空间位置关系，生成最终的3D地图。本发明专利技术结合GFTT+AdaLAM和SuperPoint+SuperGlue的方法，利用了传统方法和深度学习方法的优势，更加灵活有效，能适应更复杂的应用场景和需求。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，具体地，涉及一种复杂源域图像集下的3d地图重构的方法和系统。尤其涉及一种基于多角度图源的3d地图重构的方法。

技术介绍

1、图像匹配是一种计算机视觉技术，旨在从一组图像中找到相似或相同的图像区域。该技术在许多领域有广泛的应用，如物体识别、图像拼接、3d重建、增强现实和机器人导航等。在3d重建领域，由于不同图像可能存在视角和尺度变化、光照和天气变化、遮挡和动态场景等问题，因此在多样化和复杂环境下的图像匹配和3d重建仍面临众多挑战。

2、从图像集合重建环境的3d模型的过程被称为运动结构恢复，这些图像通常由人工拍摄或传感器捕获，以确保数据同质与图片质量。从多样数据源的图像构建3d模型要比普通问题困难得多，常见的复杂图像源有：

3、旅游摄影和遗迹保护：不同的视角、传感器类型、不同拍摄时间以及不同遮挡物情况下的图像匹配。

4、昼夜差异和时间变化：白天和夜晚照片的组合，以及光线不足，或在不同天气下相隔数月或数年拍摄的照片匹配。

5、地空混合角度：无人机拍摄的图像，以及具有任意平面内旋转的类似图像本文档来自技高网...

【技术保护点】

1.一种复杂源域图像集下的3D地图重构的方法，其特征在于，包括：

2.根据权利要求1所述的复杂源域图像集下的3D地图重构的方法，其特征在于，所述步骤S2中的检索包括使用预训练模型efficientnet-b6&b7的ImageNet权重提取图像数据特征，基于余弦距离筛选，并根据相似度排序每个场景数据集中的前n张图像集进行排序。

3.根据权利要求1所述的复杂源域图像集下的3D地图重构的方法，其特征在于，所述步骤S3中分别通过两个并行的步骤进行提取并匹配图像特征关键点，分别为GFTT算法结合AdaLAM算法和SuperPoint算法结合SuperGlue算法。...

【技术特征摘要】

1.一种复杂源域图像集下的3d地图重构的方法，其特征在于，包括：

2.根据权利要求1所述的复杂源域图像集下的3d地图重构的方法，其特征在于，所述步骤s2中的检索包括使用预训练模型efficientnet-b6&b7的imagenet权重提取图像数据特征，基于余弦距离筛选，并根据相似度排序每个场景数据集中的前n张图像集进行排序。

3.根据权利要求1所述的复杂源域图像集下的3d地图重构的方法，其特征在于，所述步骤s3中分别通过两个并行的步骤进行提取并匹配图像特征关键点，分别为gftt算法结合adalam算法和superpoint算法结合superglue算法。

4.根据权利要求3所述的复杂源域图像集下的3d地图重构的方法，其特征在于，所述gftt算法结合adalam算法包括对检索得到的图像库使用cornergftt算法提取相关特征点位置，使用adalam算法对所有匹配点位进行匹配计算，将匹配成功的点对保存；

5.根据权利要求1所述的复杂源域图像集下的3d地图重构的方法，其特征在于，在特征关键点提取与匹配时将图片数据进行降维，将一张图片降维为一个向量提取数据的判别性信息。

6.一种复...

【专利技术属性】
技术研发人员：杨乐凡，王轶骏，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：