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：中国海洋大学

摘要：本发明公开了一种基于声呐和光学图像融合的快速水下三维重建方法及系统，属于计算机视觉领域。本发明利用声呐图像和光学图像融合进行三维重建，声呐图像粗糙重建阶段负责重建物体粗糙形状，光学图像细节重建阶段负责重建物体细节，充分利用了声学图像和光学图像的特点，声学图像更多包括物体的粗糙几何形状信息，而光学图像更多包括物体的细节信息。经过实际验证，本发明可在5分钟内重建出高精度的物体三维形状，在精度领先于目前最先进方法的同时，速度提高了10倍到20倍，在水下三维声呐领域实现了最先进的性能。本发明构建的方法和系统重建效果优异，且兼顾了高效率和高准确度。

主权项：1.一种基于声呐和光学图像融合的快速水下三维重建方法，其特征在于，该方法包括以下步骤：S1：收集声呐图像，从声呐图像信息中计算像素对应的场景采样点；S2：建立符号距离场网格和辐射特征网格；S3：根据在S1中计算出图像中各个像素对应的场景采样点，获得采样点的符号距离值和辐射特征向量，计算采样点辐射强度；具体为：S3-1：像素p∈P所对应的采样点集合Xp，大小为Narc_sample*Nray_sample，对于集合中的点x∈Xp，根据已经获得的x的位置px、方向dx、与下一相邻点采样点的距离distx，获得符号距离值sdfx＝interpp，V，辐射强度特征向量为fxfeature＝interpp，Vfeature，interpp，V函数为在网格V上通过三插值方法得到在p点的值；S3-2：接下来计算x点的梯度nx＝sdfx1+-sdfx1-2*s，sdfx1±为x点的坐标x，y，z±s，s，s的点处的符号距离值；S3-3：将采样点x的位置px，方向dirx，梯度nx，辐射强度向量fxfeature输入辐射解码器M中，解码器由5层长度为32的全连接层构成，输出采样点的辐射强度mx；S4：通过S3得到的采样点属性，通过体渲染计算公式，计算像素的辐射强度；S5：计算声呐图像粗糙重建阶段损失函数，优化符号距离场网格、辐射特征网格和辐射强度解码器；具体为：声呐图像粗优化阶段网络损失函数包括辐射强度损失Lint和隐式几何正则化损失Leik，具体如下： 指的是在声呐图像I上随机采样的像素的数量，指的是强度大于所设定阈值的像素的数量，P指的是采样像素集合，为像素p的渲染的辐射强度，Ep为像素p的真实辐射强度，Nsample指的是单个像素对应的采样点数量，X是采样点集合，nx指的是采样点的法向量；辐射强度损失Lint鼓励预测的强度与原始输入声纳图像的强度相匹配；隐式几何正则化损失Leik用于正则化SDF符号距离场，鼓励网络产生平滑的重建；S6：收集光学图像，将光学图像处理为单通道灰度值，从图像信息中计算像素对应的场景采样点；S7：获得场景采样点的符号距离值和辐射特征向量，计算采样点辐射强度；S8：通过S7得到的采样点属性，通过体渲染计算公式，计算像素的辐射强度；S9：计算损失函数，优化符号距离场网格、辐射特征网格和辐射强度解码器；具体为：计算光学图像优化阶段网络损失函数包括辐射强度损失Lint和隐式几何正则化损失Leik，具体如下： 其中P指的是在光学图像上的像素集合，NP是集合P中的像素数量，指的是像素的渲染的辐射度，Ep指的是像素的真实辐射度，X指的是全部像素上的采样点集合，nx指的是x点的法向量，NX为集合X对应的采样点数量；辐射强度损失Lint鼓励预测的强度与原始输入光学图像的强度相匹配，隐式几何正则化损失Leik用于正则化SDF符号距离场，鼓励网络产生平滑的重建；S10：通过行进立方体方法，在符号距离场网格中提取物体三维网格，完成三维重建。

全文数据：

权利要求：

百度查询： 中国海洋大学 基于声呐和光学图像融合的快速水下三维重建方法及系统