欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022109652452
申请人: 陕西师范大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于深层残差收缩网络的隐函数文物三维模型重建方法,其特征在于由以下步骤组成:(1)选取文物数据

选取3组包含文物二维图片与对应文物三维模型的文物数据,其中包含文物三维模型正面无背景图片,文物三维模型正面掩膜图片,清晰度为30k的文物三维模型目标文件,清晰度为30k的包含文物纹理特征、材质、相机信息的文物三维模型通用格式文件,清晰度为

100k的文物三维模型目标文件,清晰度为100k的包含文物纹理特征、材质、相机信息的文物三维模型通用格式文件,清晰度为2k的文物三维模型法线贴图及其对应的灰度图,清晰度为8k的文物三维模型法线贴图及其对应的灰度图;

(2)渲染文物数据

对每组文物数据进行渲染,得到原始文物三维模型360°的渲染图片360张,原始文物三维模型360°的带有纹理特征的文物三维模型目标文件360个,原始文物三维模型360°的点集数据文件360个,原始文物三维模型360种光照环境下法向量贴图360张;

(3)划分文物数据

将渲染后的文物数据划分成训练集、测试集,训练集为文物数据的75%,测试集为文物数据的25%,训练集、测试集数据之间无交叉;

(4)构建真值函数

对文物三维模型文件构建真值函数f*(X)如下:

其中,X为文物三维模型空间中的点坐标;

(5)构建隐函数

按下式构建隐函数f(F(x),z(X)):

f(F(x),z(X))=P

x=π(X)

其中,x为文物二维图片上的点坐标,F(x)为文物二维图片上的点x的特征向量,z(X)为文物三维模型空间中的点X与相机的距离;P为文物三维模型空间中的点X在文物三维模型内部的概率值,m为输入一组文物二维图片的数量;

(6)构建深层残差收缩网络

深层残差收缩网络由残差收缩编码器与卷积解码器串联构成;

(7)训练深层残差收缩网络

将训练集输入到深层残差收缩网络进行训练,按下式确定损失函数:

6 8

其中i为点的序号,n为文物三维模型空间中点的数量,n取值为10~10 ,xi为文物二维图片中第i个点的坐标,Xi为文物三维模型空间中第i个点的坐标;

采用Adam动态优化方法调整深层残差收缩网络,训练过程中不同训练周期的学习率不同,每训练10轮学习率降为当前的0.1,迭代至损失函数L收敛,得到训练好的深层残差收缩网络;

(8)重建文物三维模型

用测试集对训练好的深层残差收缩网络进行测试,将测试集中文物三维模型正面无背景图片和文物三维模型正面掩膜图片输入到训练好的深层残差收缩网络中,得到重建后的文物三维模型。

2.根据权利要求1所述的基于深层残差收缩网络的隐函数文物三维模型重建方法,其特征在于:在(6)构建深层残差收缩网络步骤中,所述的残差收缩编码器由第一个残差收缩单元(1)与第二个残差收缩单元(2)、第三个残差收缩单元(3)、第四个残差收缩单元(4)依次串联构成。

3.根据权利要求2所述的基于深层残差收缩网络的隐函数文物三维模型重建方法,其特征在于:所述的第一个残差收缩单元(1)由残差收缩分支与恒等映射分支并联构成;所述的第二个残差收缩单元(2)、第三个残差收缩单元(3)、第四个残差收缩单元(4)的结构与第一个残差收缩单元(1)的结构相同。

4.根据权利要求3所述的基于深层残差收缩网络的隐函数文物三维模型重建方法,其特征在于:所述的残差收缩分支由残差分支与阈值分支串联构成,残差分支由三维卷积层a1与归一化层b1、激活函数层c1、三维卷积层a2、归一化层b2、激活函数层c2依次串联构成,阈值分支由全连接层d1与归一化层b、激活函数层c、全连接层d2、挤压函数层f依次串联,平均值处理层e与依次串联的全连接层d1、归一化层b、激活函数层c、全连接层d2、挤压函数层f并联构成。

5.根据权利要求4所述的基于深层残差收缩网络的隐函数文物三维模型重建方法,其特征在于:所述的三维卷积层a1和三维卷积层a2的卷积核大小为3×3。

6.根据权利要求2或3所述的基于深层残差收缩网络的隐函数文物三维模型重建方法,其特征在于:所述的第一个残差收缩单元(1)的卷积通道为32、步长为2,第二个残差收缩单元(2)的卷积通道为64、步长为2,第三个残差收缩单元(3)的卷积通道为128、步长为2,第四个残差收缩单元(4)的卷积通道为256、步长为1。

7.根据权利要求4所述的基于深层残差收缩网络的隐函数文物三维模型重建方法,其特征在于所述的阈值分支的输出y如下:其中,k为三维空间点与文物三维模型表面距离,τ是阈值,α是系数,α∈(0,1),N是输入特征数量、为有限的正整数,kh,w,c是宽为h、长为w、通道序号为c的三维空间点与文物三维模型表面距离。