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！

摘要：基于深度残差和神经隐式表面学习的多视图三维重建方法，属于三维重建技术领域，为解决现有通过图像的神经渲染进行表面重建过程中，在大规模复杂场景下无法实现高保真表面重建的问题。包括：获取多个视角的图像；采用SFM生成稀疏点云，生成相机位姿信息；相机发出的光线入射至场景表面，获取场景表面采样点集三维坐标信息；采用SDF函数生成SDF函数表示的点云信息；采用ResNet‑50提取外观信息计算颜色损失函数、权重约束函数、光度一致性损失函数和点的SDF损失函数；反向优化SDF网络，计算每个采样体素的SDF值；利用MatchingCubes将SDF值提取零等值面，输出3D表面。用于大规模复杂场景的表面重建。

主权项：1.基于深度残差和神经隐式表面学习的多视图三维重建方法，其特征在于，它包括：S1、采用相机获取待三维重建的多个视角的图像；S2、采用运动恢复结构SFM对S1获取的图像进行图像特征提取、特征匹配和稀疏点云重建，生成有三维坐标信息的稀疏点云，并生成相机的位姿信息；S3、假设从相机发出的光线入射至场景表面，获取场景表面的采样点集的三维坐标信息；S4、将S2获得的稀疏点云的三维坐标、相机的位姿信息和S3获取的采样点集的三维坐标信息输入至SDF函数中，生成SDF函数表示的点云信息；S5、采用ResNet-50卷积块提取S1获取的图像的外观信息；S6、将S5获取的外观信息、S2获取的稀疏点云的三维坐标和S3获取的采样点集的三维坐标信息输入至Color函数中，生成点云的颜色值；S7、以S4获取的SDF函数点云信息和S7获取的稀疏点云的颜色值设定约束条件，计算颜色损失函数；以S4获取的SDF函数点云信息根据权重约束条件，计算权重约束损失；以S6获取到的点云颜色信息设定约束条件，计算光度一致性损失函数；以S4获取到的SDF函数点云信息根据设定表面点SDF＝0的约束条件，计算点的SDF损失函数；S8、采用S7获取的损失函数反向优化SDF网络，将SDF转化成mesh和纹理，直接计算每个采样体素的SDF值；S9、利用MatchingCubes算法将S8获得的SDF值提取零等值面，直接输出3D表面，完成三维重建；所述SDF函数为：场景的曲面S表示为：S＝{p∈R3|fp＝0}其中，fp表示在被观测物体表面上fp＝0的函数，p表示某一个点的空间位置，R表示符号距离；该函数用神经网络进行表征，在NeuS中将其命名为SDF网络，且在NeuS中将SDF网络函数与NeRF建立关联；利用NeRF的损失函数优化surface的表征SDF网络；S7所述三维重建包括计算总损失函数，其具体方法包括：总损失函数为颜色约束损失权重约束损失点约束损失和光度一致性约束损失的加权和： 其中，λ表示权重约束损失函数的权重，α表示光度一致性约束损失函数的权重，β表示点约束损失函数的权重。

全文数据：

权利要求：

百度查询： 黑龙江省科学院智能制造研究所 基于深度残差和神经隐式表面学习的多视图三维重建方法