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: 2024102945610
申请人: 南昌航空大学
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:

1.一种密集SLAM三维场景重建方法,其特征在于,所述密集SLAM三维场景重建方法包括:获取待重建场景的连续多帧图像;

采用Tracking模块对连续多帧图像进行特征提取,并筛选出多个关键帧图像,具体包括:针对连续多帧图像中的任一帧图像,采用公式

根据所述二维数组,将所述图像中满足边缘约束的像素点作为有效点;所述边缘约束为根据所述图像中有效点的数量及所述图像中的像素点总数,确定所述图像的覆盖百分比;

根据每帧图像的覆盖百分比对连续多帧图像进行排序,确定多个初步关键帧图像;

提取连续多帧图像中每帧图像的ORB特征,得到每帧图像的描述子集合;

针对任一初步关键帧图像,计算所述初步关键帧图像与其最邻近帧图像的描述子之间的汉明距离;

根据所述初步关键帧图像与其最邻近帧图像的描述子之间的汉明距离,计算所述初步关键帧图像的平均相似度;

根据各初步关键帧图像的平均相似度对各初步关键帧图像进行排序,并确定最终的多个关键帧图像;

基于NeRF多层特征网络确定每个关键帧图像的图像特征,具体包括:采用密集束调整层迭代更新每个关键帧图像的相机姿态和像素深度,得到每个关键帧图像最优的相机姿态及最优的像素深度;根据每个关键帧图像最优的相机姿态及最优的像素深度,采用NeRF多层特征网络,确定每个关键帧图像中物体的RGB值;所述图像特征包括相机姿态、像素深度及物体的RGB值;所述NeRF多层特征网络包括粗糙层、中间层及精细层;

对每个关键帧图像的图像特征分别进行时间编码和位置编码,得到每个关键帧图像的三维特征;所述三维特征包括时间信息及位置信息;

采用体积渲染器对每个关键帧图像的三维特征进行NeRF循环迭代优化,以得到待重建场景的最优三维特征;

采用体积渲染器对每个关键帧图像的三维特征进行NeRF循环迭代优化的公式为:其中,

将待重建场景的最优三维特征投影到三维坐标系,得到三维场景重建图。

2.根据权利要求1所述的密集SLAM三维场景重建方法,其特征在于,提取连续多帧图像中每帧图像的ORB特征,得到每帧图像的描述子集合,具体包括:针对连续多帧图像中的任一帧图像,采用FAST角点检测算法提取所述图像中的角点;

根据所述图像中的角点,采用BRIEF算法生成所述图像的描述子,以得到所述图像的描述子集合。

3.根据权利要求1所述的密集SLAM三维场景重建方法,其特征在于,对每个关键帧图像的图像特征分别进行时间编码和位置编码,得到每个关键帧图像的三维特征,具体包括:根据每个关键帧图像的图像特征,以所述NeRF多层特征网络为基础,对粗糙层、中间层及精细层中的采样点进行时间信息和位置信息的编码,逐层进行光束法平差优化,以得到每个关键帧图像的三维特征。

4.一种计算机装置,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-3中任一项所述密集SLAM三维场景重建方法的步骤。