[发明专利]一种权衡立体匹配和视觉外形的三维重建方法

摘要

本发明公开了一种权衡立体匹配和视觉外形的三维重建方法。具体步骤如下：(1)制作样本数据库，包括立体匹配深度图、视觉外形深度图、多视点RGB图和真实深度图；(2)构建深度卷积神经网络；(3)用数据库训练神经网络，获取立体匹配与视觉外形的权重分配值，根据该值调整神经网络结构，直到获取效果较好的神经网络模型；(4)输入立体匹配深度图、视觉外形深度图和RGB图，通过神经网络模型获得新的深度图；(5)用新的深度图重建三维模型。本发明结合立体匹配与视觉外形两种方法，并通过深度神经网络分配权重值，既能改善立体匹配无法重建高光、无纹理区域的问题，又能避免视觉外形无法重建凹面的缺陷，实现对复杂对象的高质量重建。

主权项

1.一种权衡立体匹配和视觉外形的三维重建方法，其特征在于，包括以下步骤：步骤1：制作样本数据库，每组数据包括多视点RGB图像、立体匹配深度图、视觉外形深度图、以及物体真实深度图，并计算得到物体真实权重分配值α；物体的真实权重分配值α是立体匹配深度图与视觉外形深度图两者对物体真实深度图的权重分配，计算公式为：D_true＝α*D_vh+(1‑α)*D_sm其中，D_true为物体的真实深度值；D_vh为视觉外形深度值；D_sm为立体匹配深度值；步骤2：构建深度卷积神经网络，包括输入层、隐层和输出层，隐层包括卷积层、池化层和全连接层；卷积神经网络分三个通道输入，分别对应多视点RGB图像、立体匹配深度图和视觉外形深度图的输入，卷积神经网络的输出为视觉外形与立体匹配之间的权重分配值；步骤3：利用步骤1的样本数据库对步骤2的深度卷积神经网络进行训练，输出立体匹配与视觉外形的权重分配值β，将β值与物体的真值权重图进行对比，根据结果好坏调整神经网络模型，直到获取效果较好的神经网络模型；步骤4：将新物体的立体匹配深度图、视觉外形深度图以及多视点RGB图像输入步骤3的深度网络模型，重新获取权重分配值γ，利用γ值得到新的物体深度图；步骤5：利用新的物体深度图重建成高精度的三维模型。