← 返回列表

一种基于预训练扩散概率模型的曲面高效重建方法和装置

申请号: CN202311654298.3
申请人: 之江实验室
申请日期: 2023/12/5

摘要文本

本发明公开了一种基于预训练扩散概率模型的曲面高效重建方法和装置,属于精密测量和图像处理领域,包括:标定包含高精度接触式探针和光度立体视觉装置的测量系统的相对位姿关系;采用测量系统对待测曲面进行测量,得到稀疏点云数据和稠密法向量图;基于预训练的扩散概率模型将稠密法向量图转换为多尺度法向量特征;将稀疏点云数据转换为稀疏深度图,将稀疏深度图和多尺度法向量特征输入基于引导卷积的融合模块,得到高精度稠密深度图,完成高精度曲面重构。本发明采用扩散概率模型获得多尺度法向量特征,再将多尺度法向量特征和稀疏深度图输入融合模块,仅需以少量的真值样本作为监督,即可实现高效高精度的曲面重构。 (macrodatas.cn)

专利详细信息

项目 内容
专利名称 一种基于预训练扩散概率模型的曲面高效重建方法和装置
专利类型 发明申请
申请号 CN202311654298.3
申请日 2023/12/5
公告号 CN117635679A
公开日 2024/3/1
IPC主分类号 G06T7/49
权利人 之江实验室
发明人 孙立剑; 李杨阳; 曹卫强
地址 浙江省杭州市文一西路1818号

专利主权项内容

1.一种基于预训练扩散概率模型的曲面高效重建方法,其特征在于,包括以下步骤:步骤1:搭建包含高精度接触式探针和光度立体视觉装置的测量系统,并标定高精度接触式探针和光度立体视觉装置的相对位姿关系;步骤2:采用测量系统对待测曲面进行测量,包括:通过高精度接触式探针得到稀疏点云数据,通过光度立体视觉装置得到稠密法向量图;步骤3:基于预训练的扩散概率模型,将稠密法向量图和时间步T输入前向扩散过程,使高斯噪声在时间步T内分步叠加到稠密法向量图中,得到各向同性高斯分布噪声图;反向扩散过程中将时间步T和各向同性高斯分布噪声图输入Unet噪声估计网络,得到多尺度法向量特征;步骤4:基于相对位姿关系,将稀疏点云数据统一到稠密法向量图同一坐标系中,对统一后的稀疏点云数据进行插值得到稀疏深度图,将稀疏深度图和多尺度法向量特征输入基于引导卷积的融合模块,得到高精度稠密深度图,完成高精度曲面重构。