← 返回列表

一种基于离焦特征的三维重建方法及装置

申请号: CN202410047229.4
申请人: 郑州大学
更新日期: 2026-03-20

专利详细信息

项目 内容
专利名称 一种基于离焦特征的三维重建方法及装置
专利类型 发明申请
申请号 CN202410047229.4
申请日 2024/1/12
公告号 CN117830533A
公开日 2024/4/5
IPC主分类号 G06T17/00
权利人 郑州大学
发明人 张斌; 王志勇; 徐鑫鑫; 娄世洋; 赵庆涛; 黄开心; 李根; 吴英杰
地址 河南省郑州市高新技术开发区科学大道100号

摘要文本

本发明公开了一种基于离焦特征的三维重建方法及装置,该方法先使用三维重建装置的电子驱动器精确调整液态镜头的曲率,在一定时间间隔内自动采集一系列不同焦距下的离焦图像;再进行图像去噪、边缘增强和分割处理;之后将预处理后的图片输入到特定的多层卷积神经网络DefocusNet中,通过图像中的离焦特征来进行深度估计,其中DefocusNet是以残差网络ResNet为架构,并在此基础上进行了特定修改和优化;从离焦图像中获得的深度信息通过融合算法整合,形成一个连贯的三维图像。本方法能够显著提高传统离焦法三维重建的精度,提高对复杂场景中物体的分割和识别能力,增强三维重建的效率。

专利主权项内容

1.一种基于离焦特征的三维重建方法,其特征在于:该方法是基于以下步骤实现的:1)使用三维重建装置的电子驱动器精确调整液态镜头的曲率,在一定时间间隔内自动采集一系列不同焦距下的离焦图像;2)图像预处理:2.1)图像去噪与平滑操作:采用均值滤波技术对采集到的图像序列进行去噪和平滑处理,消除图像的尖锐噪声;2.2)图像边缘增强:利用Canny边缘检测算法增强图像边缘,突出图像的结构特征;2.3)图像分割:随机模糊图像的一部分,并将图像分割成10x10的像素块;3)将预处理后的图片输入到多层卷积神经网络DefocusNet中,通过图像中的离焦特征来进行深度估计;4)网络的训练和优化:4.1)使用损失函数衡量预测深度和真实深度的差异;4.2)将反向传播和Adam优化器相结合形成特定的优化算法,该算法利用高效的梯度计算和自适应的参数更新来优化多层卷积神经网络DefocusNet,提高深度预测的准确性;5)将点云生成算法、迭代最近点算法、K-最近邻算法以及泊松表面重建技术组合形成新的融合算法,从离焦图像中提取的深度信息通过该融合算法整合,形成一个连贯的三维图像。