[發明專利]基于語義先驗的實時概率單目稠密重建方法及系統有效
| 申請號： | 202110309748.X | 申請日： | 2021-03-23 |
| 公開（公告）號： | CN112862959B | 公開（公告）日： | 2022-07-12 |
| 發明（設計）人： | 季向陽;婁志強;邸研 | 申請（專利權）人： | 清華大學 |
| 主分類號： | G06T17/00 | 分類號： | G06T17/00;G06T7/50;G06K9/62;G06V10/762 |
| 代理公司： | 北京清亦華知識產權代理事務所(普通合伙) 11201 | 代理人： | 歐陽高鳳 |
| 地址： | 10008*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 語義 先驗 實時 概率 稠密 重建 方法 系統 | ||
1.一種基于語義先驗的實時概率單目稠密重建方法，其特征在于，包括以下步驟：
S1，定義一幀圖像It，根據關鍵幀Ik對應的概率加權深度圖Dk以及兩幀之間的相對位姿計算It對應的深度圖Dt；
S2，得到It對應的深度圖Dt后，采用SGM法得到關鍵幀Ik的本地深度觀測參數；
S3，對本地深度觀測參數進行本地初始化處理；
S4，利用更新的本地初始化結果時序更新Ik的概率模型，然后再利用空間上概率加權更新深度圖Dk；
S5，當It轉化為關鍵幀時，根據關鍵幀Ik的概率模型傳播到It上以持續利用時序信息；
對本地深度觀測參數進行本地初始化處理包括：像素深度概率模型初始化處理和區域平面概率模型初始化處理；
像素深度概率模型的本地深度的概率密度函數為：
其中，π表示u為內點的概率，zu，分別是高斯分布的均值與方差，zl，zr分別是均勻分布的左右邊界；
區域平面概率模型采用vMF分布進行建模，即：
其中xn是一個隨機的三維單位向量，μ為該分布的平均單位向量，kn為集中參數；
像素深度概率模型和區域平面概率模型通過軟關聯方式關聯，即像素p屬于區域Rk的概率為：
Pk(p)＝Pcolor(I(p)，I(pk))Pdistance(p，pc)
其中Pcolor，Pdistance，Psemantic和Pdepth分別表示顏色、像素距離、語義以及深度概率，pk表示區域Rk的中心點，S(p)和I(p)分別表示像素p的語義和顏色，dp表示像素p的后驗深度估計值，表示利用區域Rk的后驗平面參數估計值計算得到的像素p深度。
2.根據權利要求1所述的基于語義先驗的實時概率單目稠密重建方法，其特征在于，關鍵幀Ik對應有像素uk，即：
其中，K為相機內參矩陣，ut為It上對應的uk像素坐標，D(u)表示像素u的深度。
3.根據權利要求2所述的基于語義先驗的實時概率單目稠密重建方法，其特征在于，在SGM法中的損失函數Lc引入語義稀疏函數，即：
LM＝α(S(p1)，S(p2))Lc
其中，p1與p2為兩幀上的對應匹配點，S(p)表示像素p的語義，β為預設參數，且β＞1。
4.根據權利要求1所述的基于語義先驗的實時概率單目稠密重建方法，其特征在于，在選取合適的先驗概率分布后，關于πu，zu的后驗概率分布為高斯分布和貝塔分布的乘積，即：
其中au，bu為貝塔分布的參數，μu，σu為高斯分布的參數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于清華大學，未經清華大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110309748.X/1.html，轉載請聲明來源鉆瓜專利網。
