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：中国人民解放军国防科技大学

摘要：本申请涉及一种基于隐式神经表征的单目语义重建方法。所述方法包括：对单目图像序列进行基于隐式神经场景表征，学习特定的初始场景表征函数；根据场景表征函数和图形学中的体积渲染原理，得到任意视角下的光线颜色、法向量和语义信息并分别设计几何损失函数监督几何函数的学习过程，设计纹理损失函数监督纹理函数的学习过程，语义损失函数监督语义函数的学习过程，同时设计一致性损失函数对优化后的语义函数进行重建；设置正则约束来监督初次优化后的几何函数的优化，利用优化后的纹理函数、重建后的语义函数和最终的几何函数进行三维语义场景地图重建。采用本方法能够重建高分辨率语义地图的同时保证较低的内存开销。

主权项：1.一种基于隐式神经表征的单目语义重建方法，其特征在于，所述方法包括：获取相机扫描场景得到的单目图像序列；对所述单目图像序列进行基于隐式神经场景表征，将场景的纹理、几何、语义信息分别建模为连续的三维函数并使用神经网络学习具体的初始场景表征函数；所述场景表征函数包括几何函数、纹理函数和语义函数；根据所述场景表征函数和图形学中的体积渲染原理，得到任意视角下的光线颜色、法向量和语义信息；构建单目语义重建模型；所述单目语义重建模型包括几何学习模块、纹理学习模块和语义学习模块；在所述几何学习模块根据8层MLP来学习场景的几何函数和特征向量，利用所述任意视角下的法向量设计几何损失函数监督所述几何函数的学习过程，得到初次优化后的几何函数；在所述纹理学习模块根据4层MLP来学习场景的纹理函数，利用所述任意视角下的光线颜色设计纹理损失函数监督所述纹理函数的学习过程，得到优化后的纹理函数；在所述语义学习模块根据4层MLP来学习场景的语义函数，利用所述任意视角下的语义信息设计语义损失函数监督所述语义函数的学习过程，得到优化后的语义函数；对单目图像序列进行分割，得到分割块；通过使分割块内采样光线的语义与最大概率语义保持一致设计一致性损失函数；根据所述一致性损失函数对优化后的语义函数进行重建，得到重建后的语义函数；利用所述重建后的语义函数输出语义标签；根据所述语义标签对弱纹理平面区域和物体区域自适应地施加不同力度的正则约束来监督所述初次优化后的几何函数的优化，得到最终的几何函数；利用所述优化后的纹理函数、重建后的语义函数和最终的几何函数进行三维语义场景地图重建。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 基于隐式神经表征的单目语义重建方法