CN119006700B 基于多源融合的復雜場景三維重建方法 （中科(洛陽)機器人與智能裝備研究院）_第1頁
CN119006700B 基于多源融合的復雜場景三維重建方法 （中科(洛陽)機器人與智能裝備研究院）_第2頁
CN119006700B 基于多源融合的復雜場景三維重建方法 （中科(洛陽)機器人與智能裝備研究院）_第3頁
CN119006700B 基于多源融合的復雜場景三維重建方法 （中科(洛陽)機器人與智能裝備研究院）_第4頁
CN119006700B 基于多源融合的復雜場景三維重建方法 （中科(洛陽)機器人與智能裝備研究院）_第5頁
已閱讀5頁，還剩31頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

本發明公開一種基于多源融合的復雜場景NeRF的符號距離場中，進而通過SDF作為中間介2S1、采集目標場景的激光雷達點云數據和相機圖像wccc3xperspperspndcndcwccc假設世界坐標系下高斯橢球的方差為Σ3D，用雅可比矩陣與相機的旋轉對協方差進行μj是高斯橢球的均值在圖像平面投影位置；Σj是4斯射線損失Lgs-ray和高斯SDF損失Lgs-sdfs維點輸入到神經網絡中，輸出每個三維點對應的SDF值si以驟S3.1中的方法計算每條射線估計的顏色G;將所述(n1+n2)個三維點輸入一個神經網絡中，該網絡會輸出每個三維點的SDF值以及5其中，S,six1是兩個相鄰的三維采樣點的SDF值；Sig(*)估計的SDF值與真實SDF值之間的誤差，其中，SDF的真值si是每個點到高斯橢球中心的距S8.3、根據所述點的SDF值使用行進四面體算法，即得到整個場景的三維重建網格模6動恢復結構(Structure_from_Motion，SfM)或者同時定位與地圖構建(Simultaneous好的重建結果。現有的基于融合的重建方法大多數都非常依賴于多模態數據的嚴格同步，其中一些方法還需要額外的輔助傳感器，如慣性測量單元(IMU)和全球導航衛星系統7[0011]神經輻射場(NeuralRadianceField，NeRF)技術的提出為三維場景重建和新視角合成的研究帶來了強大的驅動力。神經輻射場的核心在于使用一個MLP(多層感知機)來[0013]而且，神經輻射場和3D高斯濺射都需要預先使用其它方法(例如SfM)得到相機位法，其基于神經輻射場(NeuralRadianceField，NeRF)和三維高斯濺射(3DGaussianSplatting，3DGS)實現多傳感器的信息融合；整個場景被編碼在NeRF的符號距離場89[0047]假設世界坐標系下高斯橢的高斯射線損失Lgs-ray和高斯SDF損失Lgs-sdfsSDF誤差；加在一起得到輻射場SDF損失Lnerf-sdfo[0066]將所述(n1+n2)個三維點輸入一個神經網絡中，該網絡會輸出每[0070]計算估計的射線顏色與真實射線顏色C之間的高斯射線損失Lgs-ray=Ilc-終損失L,λ23456是權重；點的SDF誤差為Lnerr-sar=[si-0.3l;[0109]假設世界坐標系下高斯橢i[0123]這一項損失的目的是最小化高斯橢球的最小尺度，因為每個高斯橢球有三個尺[0126]將所述(n1+n2)個三維點輸入一個神經網絡中，該網絡會輸出每[0131]計算估計的射線顏色與真實射線顏色C之間的高斯射線損失Lgs-ray=IIC-的高斯射線損失Lgs-ray和高斯SDF損失Lgs-sdf;[0137]接著，計算估計顏色與真值顏色Cj之間的輻射場射線損失加在一起得到輻射場SDF損失Lnerf-sdfsλ2345是不同類型的損

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論