APP下载

基于卷积神经网络的室内场景三维重建技术研究

2019-09-13姚晓峰武利秀

计算机应用与软件 2019年9期
关键词:分类方法模型

姚晓峰 武利秀 章 伟 王 松

(无锡太湖学院江苏省物联网应用技术重点建设实验室 江苏 无锡 214000)

0 引 言

传统的三维重建方法大部分是借助现有的计算机辅助设计软件(CAD,Maya等),通过专业三维制图工程师使用大量的时间和手工方法对真实世界的场景进行三维几何重建。该方法建造的场景具有较好的交互性,但模型真实感不太强,而且大多数辅助设计软件具有很高的学习成本,工作量大,要想完成一个建模工作需要大量的人机交互工作,使得工作效率极大降低。这对于一些不需要高精度建模的使用者望而却步。为此,如何寻找更快速的三维建模手段成为研究人员的新的研究方向。一种新的角度就是从图像出发,通过对图像信息的分析与处理,提取三维信息,用来实现三维场景的重建技术。为此,本文提出了一种采用RGBD图像进行三维场景重建的方法。用户首先通过Kinect摄像机获取到一张室内场景的RGBD图像,然后利用图像分割技术将图像分割成单一的场景元素块。由于遮挡等问题使得分割结果有可能达不到满意的效果,用户可以手动对分割图像进行相应的调整。分割之后,用每个元素块的深度图去和三维模型库中的室内元素模型进行匹配,从而使其还原到三维场景中。针对大型的场景图像,每个单张的图像只需要覆盖一部分的场景,从而用户可以通过一组图像重建整个场景。

本文创新点如下:

1) 通过三维模型渲染的方法获取部分数据以扩展训练数据集,并结合部分真实数据集,得到充足的训练数据以用于模型匹配的三维重建方法的模型训练上。……

登录APP查看全文

猜你喜欢

分类方法模型
一半模型
分类算一算
重尾非线性自回归模型自加权M-估计的渐近分布
教你一招:数的分类
3D打印中的模型分割与打包
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼