[发明专利]一种场景模型构建方法、智能终端及计算机可读存储介质

说明书

本发明公开了一种场景模型构建方法、智能终端及计算机可读存储介质，方法包括：当获取针对同一场景的第N原始深度图像时，根据第N原始深度图像，对第N原始场景模型进行场景融合，得到第N中间场景模型；根据预设的提取规则，提取第N中间场景模型中各个体素的邻域特征；根据邻域特征，计算各个体素对应的体素预测值；针对每一个体素，当该体素在第N原始场景模型中对应的体素值为非体素观测值时，根据该体素对应的体素预测值，对第N原始场景模型进行更新，得到第(N+1)原始场景模型。本发明通过体素的邻域特征，实现对场景模型的体素值预测，从而减少后续模型的空洞，提高模型的完整性。

技术邻域

本发明涉及场景模型构建邻域，尤其涉及一种场景模型构建方法、智能终端及计算机可读存储介质。

背景技术

RGB是一种色彩模式，RGB图像即代表包含红、绿、蓝三色通道的图像。而在3D计算机图形中，深度图(Depth Map)是包含与视点的场景对象的表面的距离有关的信息的图像或图像通道。在深度图中，每一个像素值表示与物体之间的拍摄距离。通常RGB图像和深度图是相互匹配的，因此，两者的像素点之间存在一对一关系。而由于深度图能够表征与物体之间的距离，因此，结合RGB图像和深度图，可以实现场景的重建。

目前的场景重建方法主要是通过深度相机环绕场景，以采集不同的深度图。然后根据相机的内参，根据深度图中的各个像素值，将深度图转换为三维点云，并计算每一个点云对应的法向量。例如采用迭代最近点(Iterative Closest Point，ICP)算法，迭代极小化点到平面的距离，然后计算两帧之间的位姿变换，进而求出当前帧的相机姿态。根据当前帧的相机姿态将点云融合至基于截断的带符号距离函数(Truncated Signed DistanceFunction，TSDF)模型，根据重投影算法得到当前相机视角下的TSDF模型表面、点云和法向量，再与下一帧数据进行ICP迭代求解下一帧姿态。

但是由于当前的深度相机在采集物体的距离时，主要采用的是飞行时间技术(Time of Flight，TOF)、双目摄像以及结构光技术，因此被遮挡的区域常常会由于无法采集到深度数据而无法进行重建。同时，拍摄场景中常常存在物体之间相互遮挡，因此，在实践中，确保深度相机扫描能够覆盖室内物体的所有点是非常困难的，基于当前的三维重建方法重建的模型会出现大量空洞。以增强现实系统为例，基于增强现实系统的三维模型重建，通常在局部区域内快速扫描场景，获取到场景的局部三维模型，然后利用该模型实现虚实渲染的效果。但由于获取的模型通常不够完整，在相机移动过程中，不可避免的会观察到没重建到的区域，这时在增强现实应用中就无法渲染出正确的虚实遮挡关系。

发明内容

本发明的主要目的在于提供一种场景模型构建方法、智能终端及计算机可读存储介质，旨在解决目前的三维重建技术容易出现空洞，导致模型无法精确体现物体之间的关系的问题。

为实现上述目的，本发明提供一场景模型构建方法，所述场景模型构建方法包括如下步骤：

当获取针对同一场景的第N原始深度图像时，根据所述第N原始深度图像，对第N原始场景模型进行场景融合，得到第N中间场景模型，其中，N为小于或等于所述原始深度图像的总数的自然数，当N等于1时，第一原始场景模型为预设的空白场景模型；

根据预设的提取规则，提取所述第N中间场景模型中各个体素的邻域特征；

根据所述邻域特征，计算各个所述体素对应的体素预测值；

针对每一个所述体素，当该体素在所述第N原始场景模型中对应的体素值为非体素观测值时，根据该体素对应的体素预测值，对所述第N原始场景模型进行更新，得到第(N+1)原始场景模型。

可选地，所述的场景模型构建方法，其中，所述当获取针对同一场景的第N原始深度图像时，根据所述第N原始深度图像，对第N原始场景模型进行场景融合，得到第N中间场景模型，具体包括：