[发明专利]一种基于深度学习的单张图像3D对象重建方法有效
| 申请号： | 201910270322.0 | 申请日： | 2019-04-04 |
| 公开（公告）号： | CN110070595B | 公开（公告）日： | 2020-11-24 |
| 发明（设计）人： | 王雁刚;赵子萌 | 申请（专利权）人： | 东南大学深圳研究院;东南大学 |
| 主分类号： | G06T15/00 | 分类号： | G06T15/00;G06N3/04 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 518054 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的单张图像3D对象重建方法，包括：1、输入包含多对象的单彩色图像；2、利用预训练的RPN，输出指定类别的域候选的各个区域；3、将各区域并行送入形状‑姿态预测子网络；4、预测出原对象在三维空间中的形状参数和姿态参数；5、形状采样子网络根据形状参数解码出对应形状空间的点云模型；6、对生成的点云模型进行姿态参数进行刚性变换；7、输出该区域所包含对象的结构、姿态三维重建结果。本发明选取了点云模型作为与网络结构交互的三维数据表示，使得网络对3D数据具备更好的理解能力，同时利用“采样点数”而非“采样量化单元大小”进行精度控制，可以更好的控制复杂度，且保证了对象刚性运动中的不变性。 | ||
| 搜索关键词： | 一种 基于 深度 学习 单张 图像 对象 重建 方法 | ||
【主权项】：
1.一种基于深度学习的单张图像3D对象重建方法，其特征在于，包括如下步骤：步骤1，输入包含多对象的单彩色图像；步骤2，利用预训练的RPN，输出指定类别的域候选的各个区域；步骤3，将各个区域作为输入，并行送入形状‑姿态预测子网络；步骤4，形状‑姿态预测子网络根据输入区域，预测出原对象在三维空间中的形状参数和姿态参数；步骤5，形状采样子网络根据形状参数，解码出对应形状空间的点云模型；步骤6，按照步骤4输出的姿态参数，对生成的点云模型进行姿态参数进行刚性变换；步骤7，输出该区域所包含对象的结构、姿态三维重建结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学深圳研究院;东南大学，未经东南大学深圳研究院;东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910270322.0/，转载请声明来源钻瓜专利网。
