[發明專利]基于稠密點云修補三維模型水面漏洞的方法

有效

• 申請號: 202011468514.1
• 申請日: 2020-12-14
• 公開（公告）號: CN112465977B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 張豪杰
• 申請（專利權）人: 埃洛克航空科技（北京）有限公司
• 主分類號: G06T17/05
• 分類號: G06T17/05;G06T5/00;G06N3/08
• 代理公司: 北京知果之信知識產權代理有限公司 11541
• 代理人: 卜榮麗

1.基于稠密點云修補三維模型水面漏洞的方法，其特征在于，包括以下步驟：

S1航拍影像：通過航拍設備在設定區域上空拍攝影像，將所拍影像傳輸至控制端；

S2訓練神經網絡模型：控制端將S1中航拍影像制成射影像圖或者正下視圖像，并將射影像圖或者正下視圖像輸入神經網絡模型，神經網絡模型識別水面對象和漏洞區域；

S3生成稠密點云：控制端將S1中航拍影像通過控制端利用三維實景建模方法重建生成稠密點云；

S4輸入修復模型：將水面/漏洞區域文件和重建生成的稠密點云輸入修復模型中，修復模型對稠密點云漏洞區域進行點云填充；

S5生成三維模型：將修復后的密集點云繼續生產，生成最終三維模型。

2.如權利要求1所述的基于稠密點云修補三維模型水面漏洞的方法，其特征在于：S1航拍影像包括以下步驟：

S11：根據待測工程所在區域，設定航測范圍，同時設定飛行航線，并獲得每條航線的絕對航高；

S12：無人機按照規定航線飛行測試，并航拍影像，實時將航拍影像傳給地面控制端；

S13：采用多角度拍攝，同時無人機上的相機聚焦水面，并同時將水面以外的地方模糊化，重點采集水面圖像數據，也將航拍影像傳輸給地面控制端。

3.如權利要求2所述的基于稠密點云修補三維模型水面漏洞的方法，其特征在于：所述控制端設置有DOM影像生成系統和稠密點云生成系統，DOM影像生成系統包括重疊區確定模塊、計算模塊和拼接模塊，重疊區確定模塊、計算模塊和拼接模塊依次連接，稠密點云生成系統包括影像接收模塊、圖像特征點提取模塊、干擾物剔除模塊和稠密點云制成模塊，影像接收模塊、圖像特征點提取模塊、干擾物剔除模塊和稠密點云制成模塊依次連接。

4.如權利要求3所述的基于稠密點云修補三維模型水面漏洞的方法，其特征在于：所述DOM影像生成系統生成射影像圖或者正下視圖像包括以下步驟：

S211：重疊區確定模塊接收多張航拍圖像，并分別確定重疊區域，確定區域后，再確定每個重疊區域中每個像素點和中心像素點之間的距離；

S212：由計算模塊計算每張航拍圖像中像素點之間對應的顏色差值和結構差值，通過顏色差值、結構差值以及每個像素點和中心像素點之間的距離，計算最優縫合線；

S213：拼接模塊根據最優縫合線拼接射影像圖或者正下視圖像，并設定射影像圖或者正下視圖像的規格大小。

5.如權利要求3所述的基于稠密點云修補三維模型水面漏洞的方法，其特征在于：所述稠密點云生成系統生成稠密點云包括以下步驟：

S31：影像接收模塊接收無人機所拍攝的影像；

S32：并通過圖像特征點提取模塊提取全景視頻幀中的特征點，構建半稠密點云；

S33：由干擾物剔除模塊剔除半稠密點云中干擾物的特征點，對半稠密點云進行過濾處理；

S34：在稠密點云制成模塊中提取水面聚焦影像中的特征點，添加至半稠密點云中，制成稠密點云。

6.如權利要求1所述的基于稠密點云修補三維模型水面漏洞的方法，其特征在于：S2訓練神經網絡模型包括以下步驟：

S21：DOM影像生成系統生成指定規格大小的射影像圖或者正下視圖像，并通過DOM影像生成系統將射影像圖或者正下視圖像輸入神經網絡模型，初步訓練神經網絡模型，神經網絡模型輸出識別水面對象和漏洞區域；

S22：對神經網絡模型輸出的識別水面對象和漏洞區域進行核實，判斷神經網絡模型輸出的準確性，根據實際輸出，計算誤差，修改權系數和閥值；

S23：將大批量的射影像圖或者正下視圖像輸入神經網絡模型，通過神經網絡模型識別水面和漏洞，不斷根據實際輸出，計算誤差值，修改權系數和閥值，直至誤差滿足要求。

7.如權利要求6所述的基于稠密點云修補三維模型水面漏洞的方法，其特征在于：所述神經網絡模型包括性能估計模塊、部分選擇模塊、新神經網絡生成模塊和最終神經網絡輸出模塊，性能估計模塊分別與部分選擇模塊和新神經網絡生成模塊電性連接，部分選擇模塊的輸出端與新神經網絡生成模塊的輸入端電性連接，新神經網絡生成模塊的輸出端與最終神經網絡輸出模塊電性連接。