一种基于平面先验优化的多视密集匹配方法、系统及设备
摘要文本
本发明的目的是提供一种基于平面先验优化的多视密集匹配方法、系统及设备,涉及密集匹配技术领域。方法包括:初始化当前参考图像中所有像素点的深度信息,将当前参考影像划分为线特征区域和非线特征区域;根据当前参考影像中每个像素的邻域像素集在当前参考影像的邻居影像集的可见性确定可见影像集;利用概率图模型将平面先验信息、可见影像集和多个所述当前线特征构建新的多视图匹配代价函数;根据多视图匹配代价函数更新当前参考图像中所有像素点的深度信息,得到当前参考影像的密集匹配结果;对多张影像的密集匹配结果进行融合,得到待建模场景的多视密集匹配结果。本发明通过构建新的多视图匹配代价函数,能够确定弱纹理区域的深度信息。 详见官网:
申请人信息
- 申请人:山东师范大学
- 申请人地址:250014 山东省济南市历下区文化东路88号
- 发明人: 山东师范大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于平面先验优化的多视密集匹配方法、系统及设备 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410044496.6 |
| 申请日 | 2024/1/12 |
| 公告号 | CN117557617A |
| 公开日 | 2024/2/13 |
| IPC主分类号 | G06T7/50 |
| 权利人 | 山东师范大学 |
| 发明人 | 范雪妍 |
| 地址 | 山东省济南市历下区文化东路88号 |
专利主权项内容
1.一种基于平面先验优化的多视密集匹配方法,其特征在于,包括:获取待建模场景的稀疏点云和多张影像;不同影像的拍摄角度不同;确定任一影像为当前参考影像;根据待建模场景的稀疏点云,从多张影像中确定当前参考影像的邻居影像集;利用稀疏点云的三角化处理,初始化当前参考图像中所有像素点的深度信息,得到当前参考影像初始化深度图;所述深度信息包括深度值和法线值;提取当前参考影像初始化深度图中的线特征集合;根据线特征集合,将当前参考影像划分为线特征区域和非线特征区域;根据所述线特征区域和所述非线特征区域,构建平面先验信息;确定当前参考影像中每个像素的邻域像素集;根据当前参考影像中每个像素的邻域像素集在当前参考影像的邻居影像集的可见性确定可见影像集;利用概率图模型将平面先验信息、可见影像集和多个当前线特征构建新的多视图匹配代价函数;根据多视图匹配代价函数更新当前参考图像中所有像素点的深度信息,得到当前参考影像的密集匹配结果;更新当前参考影像并返回步骤“根据待建模场景的稀疏点云,从多张影像中确定当前参考影像的邻居影像集”直至遍历所有影像,得到多张影像的密集匹配结果;对多张影像的密集匹配结果进行融合,得到待建模场景的多视密集匹配结果。