买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆师范大学

摘要：本发明公开了一种基于深度学习的单视角叶片三维重建方法，包括步骤S1.制作叶片数据集；S2.将叶片数据集输入到神经网络模型进行网络训练，得到训练好的重建网络模型；S3.将目标叶片图像输入到重建网络模型，输出目标叶片的网格渲染轮廓信息，调整重建网络模型中的参数值，使得输出的网格渲染轮廓信息与目标叶片图像的轮廓信息之间的差异最小，并将达到差异最小时设置的重建网络模型作为最优重建网络模型；S4.将待测叶片图像输入到最优重建网络模型，输出待测叶片的三维形状。本发明能够提高单视角叶片三维重建的精度和速度，减少人为建模的时间和降低单视角重建的难度。

主权项：1.一种基于深度学习的单视角叶片三维重建方法，其特征在于：包括如下步骤：S1.制作叶片数据集；所述叶片数据集包括叶片在不同视角下的渲染视图以及对应视角的点云；所述制作叶片数据集，具体包括：采集若干种不同叶形的叶片，得到若干种轮廓不同的叶片模型，并获取叶片模型的三维数据信息；对叶片模型进行归一化处理，使得若干叶片模型为同一个尺度；在叶片模型的网格上均匀采样，得到若干样本点云数据；确定场景相机的渲染位置、角度以及视野大小，并随后结合不同相机视角和光照强度对场景下的叶片模型进行视图渲染,得到不同视角的渲染视图；将叶片模型三维点对应的坐标信息映射回所渲染的视图进行匹配，使得所形成的点云数据与渲染视图中的二维特征点能够对应匹配；S2.将叶片数据集输入到神经网络模型进行网络训练，得到训练好的重建网络模型；所述神经网络模型采用改进的ResNet18网络作为特征提取网络；所述改进的ResNet18网络一开始分别使用两层3×3的16维卷积核和32维卷积核，用于提取二维浅层图像特征信息；所述改进的ResNet18网络选取3×3小卷积核替换原始ResNet18中64维的7×7卷积核，并将所述3×3小卷积核堆叠以提高网络模型的提取特征能力；所述神经网络模型采用的损失函数包括Chamfer损失函数、Normal损失函数、Laplacian正则化以及Edgelength正则化；所述Chamfer损失函数用于限制叶片网格顶点的具体位置；所述Normal损失函数用于加强网格曲面法线的一致性；所述Laplacian正则化用于维持形变时相邻顶点的相对位置关系；所述Edgelength正则化用于防止个别异常点出现局部最优化，造成网格表面不平滑；S3.将目标叶片图像输入到重建网络模型，输出目标叶片的网格渲染轮廓信息，调整重建网络模型中的参数值，使得输出的网格渲染轮廓信息与目标叶片图像的轮廓信息之间的差异最小，并将达到差异最小时设置的重建网络模型作为最优重建网络模型；S4.将待测叶片图像输入到最优重建网络模型，输出待测叶片的三维形状。

全文数据：

权利要求：

百度查询： 重庆师范大学 基于深度学习的单视角叶片三维重建方法