[發(fā)明專利]一種基于參數(shù)化模型的三維細小物體重建方法有效
| 申請?zhí)枺?/td> | 202011121012.1 | 申請日: | 2020-10-20 |
| 公開(公告)號: | CN112330798B | 公開(公告)日: | 2022-09-30 |
| 發(fā)明(設計)人: | 蘇智勇;李惠芳;蔣素琴;單梁 | 申請(專利權(quán))人: | 南京理工大學 |
| 主分類號: | G06T17/00 | 分類號: | G06T17/00;G06F30/23;G06F30/10 |
| 代理公司: | 南京理工大學專利中心 32203 | 代理人: | 薛云燕 |
| 地址: | 210094 江*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 參數(shù) 模型 三維 細小 物體 重建 方法 | ||
本發(fā)明公開了一種基于參數(shù)化模型的三維細小物體重建方法。該方法包括以下步驟:構(gòu)建細小物體的三維形狀模型庫;統(tǒng)計模型庫中的形狀變形,建立參數(shù)化模板模型;根據(jù)形狀特點獲取三維形狀的特征點信息,提取特征點索引建立基于稀疏特征點的參數(shù)化模型;輸入待重建模型的二維圖像,提取二維特征點位置信息;計算輸入圖像特征點與參數(shù)化模型特征點之間的誤差,通過最小化目標函數(shù)優(yōu)化模型參數(shù),根據(jù)優(yōu)化的模型參數(shù)對參數(shù)化模型進行調(diào)整,重建出與輸入圖像對應的三維網(wǎng)格模型。本發(fā)明基于參數(shù)化模型的三維細小物體重建方法,能夠根據(jù)單張RGB圖像重建出完整的、無噪聲點的三維網(wǎng)格模型。
技術(shù)領(lǐng)域
本發(fā)明涉及計算機輔助設計和計算機圖形學技術(shù)領(lǐng)域,特別是一種基于參數(shù)化模型的三維細小物體重建方法。
背景技術(shù)
近年來三維模型在3D游戲、影視動漫、三維打印等多個領(lǐng)域都有著巨大的市場需求。然而,由于細小物體的視覺特征點較少,重建出完整的幾何模型成為了一件困難的事情。根據(jù)重建原理的不同,細小物體的重建方法主要分為以下幾類:
基于圖像的三維重建方法,這種方法是利用場景中的視覺特征點估計攝像機的姿態(tài),然后識別紋理特征之間的密集點對應關(guān)系。由于細小物體的結(jié)構(gòu)缺乏紋理特征,且只有幾個像素寬,經(jīng)典的對應匹配方法表現(xiàn)不佳或失敗。此外,即使是很小的攝像機標定誤差也會嚴重影響重建精度。為了解決這個問題,有研究利用高階曲線原語進行圖像匹配。然而,這些工作假設輸入圖像是預先校準的,而這種假設通常很難滿足。
基于RGBD深度相機的三維重建方法,大多數(shù)方法使用截斷有符號距離場(TSDF)來對齊和整合深度掃描,從中可以提取出最終的曲面。這些方法可以成功地掃描重建出相對較大的結(jié)構(gòu)和環(huán)境。然而,由于大多數(shù)深度相機的高噪聲和低分辨率,使得它們無法捕捉到一些結(jié)構(gòu)較小的部位。
文獻(Lingjie Liu,Nenglun Chen,Duygu Ceylan,et al.CurveFusion:reconstructing thin structures from RGBD sequences[J].ACM Transactions onGraphics,2018,37(6):218:1-281:12)首次提出了一種利用RGBD相機重建高精度細絲狀結(jié)構(gòu)組成的物體的方法,使用曲線骨架代替截斷有符號距離場(TSDF)作為新的依賴于數(shù)據(jù)的融合原語來對齊和整合深度掃描。該方法所使用的基于紅外的深度傳感器僅適用于某些場景條件,如室內(nèi)無強光的環(huán)境和非黑色表面的物體,這大大限制了它的應用。此外,深度傳感器有限的深度分辨率限制了重建的最大精度,這常常導致復雜節(jié)點上的曲線缺失或拓撲結(jié)構(gòu)錯誤。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于參數(shù)化模型的三維細小物體重建方法,從而根據(jù)單張RGB圖像重建出完整的、無噪聲點的三維網(wǎng)格模型。
實現(xiàn)本發(fā)明目的的技術(shù)解決方案為:一種基于參數(shù)化模型的三維細小物體重建方法,包括以下步驟:
步驟1、構(gòu)建細小物體的三維形狀模型庫;
步驟2、統(tǒng)計模型庫中的形狀變形,建立參數(shù)化模板模型;
步驟3、根據(jù)形狀特點獲取三維形狀的特征點信息,提取特征點索引建立基于稀疏特征點的參數(shù)化模型;
步驟4、輸入待重建模型的二維圖像,提取二維特征點位置信息;計算輸入圖像特征點與參數(shù)化模型特征點之間的誤差,通過最小化目標函數(shù)優(yōu)化模型參數(shù),根據(jù)優(yōu)化的模型參數(shù)對參數(shù)化模型進行調(diào)整,重建出與輸入圖像對應的三維網(wǎng)格模型。
進一步地,步驟1所述的構(gòu)建細小物體的三維形狀模型庫,具體步驟如下:
步驟1.1、利用三維建模軟件C4D設計三維網(wǎng)格模板模型;
步驟1.2、對三維網(wǎng)格模板模型進行自由變形FFD合成新的三維網(wǎng)格模型,新合成的模型與模板模型具有相同的拓撲結(jié)構(gòu)和頂點數(shù),且網(wǎng)格模型點對點稠密對應;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南京理工大學,未經(jīng)南京理工大學許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011121012.1/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





