申请/专利权人：湖北大学

申请日：2022-11-29

公开（公告）日：2024-06-04

公开（公告）号：CN115731355B

主分类号：G06T17/00

分类号：G06T17/00;G06T15/00;G06T7/10;G06V10/762;G06V10/774;G06V10/82;G06N3/04

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2023.03.21#实质审查的生效;2023.03.03#公开

摘要：本发明属于建筑物重构技术领域，具体涉及一种基于SuperPoint‑NeRF的三维建筑物重建方法，该方法包括以下步骤：步骤1，利用多帧二维图像获取建筑物的初始三维点云数据；步骤2，基于多尺度FPFH构建建筑物三维点云的局部特征；步骤3，利用离散点的局部特征对建筑物进行超体素分割；步骤4，基于多模态邻域特征构建超体素连通图；步骤5，利用多层级MLP构建神经渲染场，完成三维建筑物的重建。本发明结合三维超体素点云的局部特征与连通性关系，通过分层级的MLP回归神经渲染场来表示建筑物表面密度和射线，从而实现快速高精的三维建筑物重建，不仅能够极大的提高传统NeRF在三维重建领域的效率，同时由于局部邻域特征的加入也显著提升了其重建精度。

主权项：1.一种基于SuperPoint-NeRF的三维建筑物重建方法，其特征在于，包括如下步骤：步骤1，利用多帧二维图像获取建筑物的初始三维点云数据；步骤1.1，基于搭载INS惯导设备和摄像头的无人机，采集获取城区建筑物的图像数据；步骤1.2，基于时间戳和INS数据，对图像数据进行连续帧的拼接；步骤1.3，基于OpenMVS技术将采集的图像数据进行三角化，生成带有RGB信息的三维点云数据；步骤2，基于多尺度FPFH构建建筑物三维点云的局部特征；步骤2.1，将步骤1获取到的三维点云数据，构建成kd-tree结构；步骤2.2，基于kd-tree结构获取各查询点周围的多尺度点云数据；步骤2.3，利用FPFH融合多尺度局部点云，计算各查询点的局部特征；步骤3，利用离散点的局部特征对建筑物进行超体素分割；步骤3.1，将步骤2的局部特征作为基础，构建特征搜索树；步骤3.2，随机在三维点云数据中选取聚类初始点p；步骤3.3，在特征搜索树中寻找点p的邻域特征点集M；步骤3.4，当邻域特征点集M中的点q与p在空间上也存在邻域关系，则将q和p聚为一类；步骤3.5，若q和p在空间上不存在邻域关系时，则将其作为下一个聚类点的初始点；步骤3.6，当以p为聚类初始点的聚类点均聚类完成之后，融合该聚类内的所有特征，重新更新p的特征空间信息，并将其作为超体素的表达；步骤3.7，重复步骤3.2-步骤3.6的过程，直至三维点云中每个点均归属到某一类，获取超体素聚类集M＝{M0,M1,…,Mn}；步骤4，基于多模态邻域特征构建超体素连通图；步骤4.1，基于步骤3中获取的超体素聚类集M，计算超体素之间的特征相似度、空间邻近性、局部凸性；计算超体素之间的特征相似度、空间邻近性、局部凸性分别采用公式1、公式2、公式3实现：DFPFHa，b＝1LHa，Hb公式1 其中，xa、ya、za、xb、yb、zb分别表示超体素a、b的空间位置坐标；LHa，Hb称为交集函数，用于表示超体素a、b之间FPFH之间的重叠程度，用公式4来进行描述； 而分别为超体素a、b的法向量，vnsim，vnsimF，vconv，vconvF均为人工设置的常数，vnsim表示法线相似阈值，vnsimF表示vnsim处的切线斜率，vconv为设置的凸度阈值，vconvF则表示vconv处的切线斜率，且sigm函数用公式5表示： 其中，x分别对应公式3中函数对超体素a、b的法向量运算结果；θ为根据法线相似阈值vnsim、凸度阈值vconv采用余弦函数得到的阈值结果；m表示为法线相似阈值vnsim、凸度阈值vconb处的切线斜率；步骤4.2，计算超体素间的归一化距离Da，b；步骤4.3，当Da，b小于设定阈值thr时，则认为超体素之间是连通的；步骤4.4，重复判断超体素之间是否连通，从而构建成超体素连通图GV，L，其中v表示图节点，即超体素点，L表示连通边集合L＝{Lab，Lbc，…}，且每个边Lab包含了是否连接及连接的归一化距离信息；步骤5，利用多层级MLP构建神经渲染场，完成三维建筑物的重建。

全文数据：

权利要求：

百度查询： 湖北大学 一种基于SuperPoint-NeRF的三维建筑物重建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD