[发明专利]基于深度学习的单帧图像三维模型表面重建方法有效
| 申请号： | 201910509313.2 | 申请日： | 2019-06-13 |
| 公开（公告）号： | CN110288695B | 公开（公告）日： | 2021-05-28 |
| 发明（设计）人： | 杨路;杨经纶;李佑华 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06T17/00 | 分类号： | G06T17/00;G06T15/00;G06T19/20;G06N3/04;G06N3/08 |
| 代理公司： | 成都禾创知家知识产权代理有限公司 51284 | 代理人： | 裴娟 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度学习的单帧图像三维模型表面重建方法，包括步骤：对CAD模型进行采样与渲染，生成模型真实形状点云与不同视点不同距离下的单帧图像；通过卷积神经网络对图像进行特征提取，获得二维图像的高层语义；将获得的高层语义通过全连接神经网络模块转化为三维重建阶段NURBS曲面变化所需要的控制点坐标与权值参数；利用得到的控制点坐标与权值参数对初始化的NURBS模型进行更新，逐步进行三维重建；训练深度学习模型，将训练样本输入深度学习模型自动训练，得到最优模型参数，完成三维重建。本发明能够简单高效地对单帧图像进行三维重建，重建的三维模型具有细节丰富、表面流畅和整体良好的特点。 | ||
| 搜索关键词： | 基于 深度 学习 图像 三维 模型 表面 重建 方法 | ||
【主权项】：
1.一种基于深度学习的单帧图像三维模型表面重建方法，其特征在于，包括以下步骤：步骤一：对CAD模型进行采样与渲染，生成模型真实形状点云与不同视点不同距离下的单帧图像；步骤二：通过卷积神经网络对图像进行特征提取，获得二维图像的高层语义；步骤三：将获得的高层语义通过全连接神经网络模块转化为三维重建阶段NURBS曲面变化所需要的控制点坐标与权值参数；步骤四：利用得到的控制点坐标与权值参数对初始化的NURBS模型进行更新，逐步进行三维重建；步骤五：训练深度学习模型，将训练样本输入深度学习模型自动训练，得到最优模型参数，完成三维重建。
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电子科技大学，未经电子科技大学许可，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/201910509313.2/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
