龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：西安工业大学
摘要：本发明涉及一种多视图P2VNet网络的三维重建方法。传统的多视图三维重建通过使用复杂的设备对物体的二维特征进行采集，使用算法对物体进行三维特征恢复，算法计算量较大、实时性差、且易受环境等因素干扰导致三维重建精度不稳定。本发明首先重新设计了编码网络和解码网络，可以更好实现二维特征到三维特征端到端的映射；其次使用3DFocalLoss作为模型的损失函数，从而解决网格中整体空间分布不均衡问题和部分网格占用较难划分的问题；最后提出一种多视图自适应融合网络，把不同视图生成的三维特征进行融合，并对融合后的特征使用自适应特征感知网络生成最终的体素。本发明的P2VNet网络目标重建的平均准确率达到68.2％，它比3D‑R2N2的平均准确率高9.5％，比Pix2Vox‑A的平均准确率高1.5％。
主权项：1.一种多视图P2VNet网络的三维重建方法，其特征在于：步骤为：Step1：数据集的构建采集多个目标的二维图像数据，对于同一目标，使用CAD软件计算出该目标的三维体素特征，把所有的二维图像和相应的三维体素特征按照3:1的比例划分为训练集和测试集，并转化为深度模型需要的输入数据；Step2：通过编码模块对训练集和测试集中的二维图像进行特征提取，生成不同尺度的2D特征图；Step3：深度估计模块将多个二维特征融合生成三维特征通过把Step2提取的2D特征当作前层特征，使用Sigmoid生成2D特征空间概率，再使用残差网络对前层特征进行深度感知，然后把深度感知特征与特征空间概率相乘得到后层特征，最后把前后层特征拼接生成最终的3D特征；Step4：解码模块将深度估计模块生成的三维特征通过3D解码网络生成粗糙的三维体素；Step5：利用多尺度上下文特征感知模块进行多视图融合，将不同角度下的2D视图重建结果进行融合，丰富最终的3D体素特征，进而生成精确的重建效果；Step6：对训练集重复执行步骤Step2～Step5的训练，直至整个模型收敛；Step7：保存步骤Step6训练后所获得的多视图三维重建模型，并对测试集中的二维图像进行三维重建测试，生成相应的三维体素模型。
全文数据：
权利要求：
百度查询： 西安工业大学 一种多视图P2VNet网络的三维重建方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号