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：广州极点三维信息科技有限公司

摘要：本申请公开了一种三维模型建模方法、装置、电子设备及存储介质，涉及三维建模技术领域，方法包括：获取目标物体的多张图像；根据多张图像拟合目标物体表面的符号距离函数；将体素网格三维空间离散为多个立方体网格；将每个立方体网格中各个顶点的空间坐标带入符号距离函数，获得各个顶点相对待建模物的空间位置；将处于目标物体表面的顶点组合为目标物体的三维模型。本申请通过符号距离函数从目标物体的多张图像中学习目标物体从二维图像到三维物体的特征，学习逼近目标物体表面的符号距离函数，进而根据该符号距离函数提取目标物体表面的各个顶点，由各个处于目标物体表面的顶点建立三维模型，提高了三维建模的精度和鲁棒性。

主权项：1.一种三维模型建模方法，其特征在于，所述方法包括：获取目标物体的多张图像；所述获取目标物体的多张图像，包括：获取相机对所述目标物体进行多个角度拍摄得到的多张所述图像；根据多张所述图像拟合所述目标物体表面的符号距离函数；所述根据多张所述图像拟合所述目标物体表面的符号距离函数，包括：根据多张所述图像获取相机的姿态参数；其中，多张所述图像由所述相机拍摄得到；所述根据多张所述图像获取相机的姿态参数，包括：对多张所述图像进行相机姿态估计，获得所述相机的姿态；所述姿态为：Tw2c＝[R|t]其中，Tw2c为所述姿态，R为旋转矩阵，t为位置矩阵；设置相机内参、将所述旋转矩阵转换为罗德里格斯公式表达方式的旋转矩阵方程以及设置所述位置矩阵；其中，所述相机内参、所述旋转矩阵方程以及所述位置矩阵作为所述姿态参数；所述相机内参表示为K，其中，fx、fy分别为所述相机的焦距，cx＝w2，cy＝h2，w、h分别为多张所述图像的分辨率的宽和高；所述旋转矩阵方程表示为 其中I表示单位矩阵，α表示旋转角； 所述位置矩阵表示为t： 其中，φ0、φ1、φ、tx、ty、tz为可学习参数；根据所述姿态参数构建神经辐射场渲染模型；所述根据所述姿态参数构建神经辐射场渲染模型，包括：构建第一渲染方程，以渲染多张所述图像中所有像素点的像素值；所述第一渲染方程为： 其中，Co，v表示所述第一渲染方程，o代表所述相机的中心点，v表示由o点指向成像平面某一像素点的射线，所述射线记为pt，pt＝o+tv，t≥0；wt为空间中所述射线上空间点的权重；将所述第一渲染方程转换为第二渲染方程；所述第二渲染方程为： 其中，表示所述第二渲染方程，n表示将所述射线在[0，t]中均分成n段样本线，每段所述样本线记为pti，ci是所述样本线在利用神经网络模型去除噪声数据后，再经所述神经辐射场渲染模型预测的像素值； 其中，s表示可学习参数，x表示函数自变量，βi中的f·为所述符号距离函数，所述符号距离函数的值是所述神经辐射场渲染模型的输出结果；通过所述神经辐射场渲染模型学习对所述相机内外参进行微调，去除模糊、奇异图像，以去除不同背景对所述目标物体三维重建的影响；训练所述神经辐射场渲染模型，以对神经辐射场渲染模型中的所述符号距离函数进行拟合；将体素网格三维空间离散为多个立方体网格；将每个所述立方体网格中各个顶点的空间坐标带入所述符号距离函数，获得各个所述顶点相对待建模物的空间位置；将处于所述目标物体表面的所述顶点组合为所述目标物体的三维模型。

全文数据：

权利要求：

百度查询： 广州极点三维信息科技有限公司 一种三维模型建模方法、装置、电子设备及存储介质