CN119006700B 基于多源融合的复杂场景三维重建方法 （中科(洛阳)机器人与智能装备研究院）_第1页
CN119006700B 基于多源融合的复杂场景三维重建方法 （中科(洛阳)机器人与智能装备研究院）_第2页
CN119006700B 基于多源融合的复杂场景三维重建方法 （中科(洛阳)机器人与智能装备研究院）_第3页
CN119006700B 基于多源融合的复杂场景三维重建方法 （中科(洛阳)机器人与智能装备研究院）_第4页
CN119006700B 基于多源融合的复杂场景三维重建方法 （中科(洛阳)机器人与智能装备研究院）_第5页
已阅读5页，还剩31页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开一种基于多源融合的复杂场景NeRF的符号距离场中，进而通过SDF作为中间介2S1、采集目标场景的激光雷达点云数据和相机图像wccc3xperspperspndcndcwccc假设世界坐标系下高斯椭球的方差为Σ3D，用雅可比矩阵与相机的旋转对协方差进行μj是高斯椭球的均值在图像平面投影位置；Σj是4斯射线损失Lgs-ray和高斯SDF损失Lgs-sdfs维点输入到神经网络中，输出每个三维点对应的SDF值si以骤S3.1中的方法计算每条射线估计的颜色G;将所述(n1+n2)个三维点输入一个神经网络中，该网络会输出每个三维点的SDF值以及5其中，S,six1是两个相邻的三维采样点的SDF值；Sig(*)估计的SDF值与真实SDF值之间的误差，其中，SDF的真值si是每个点到高斯椭球中心的距S8.3、根据所述点的SDF值使用行进四面体算法，即得到整个场景的三维重建网格模6动恢复结构(Structure_from_Motion，SfM)或者同时定位与地图构建(Simultaneous好的重建结果。现有的基于融合的重建方法大多数都非常依赖于多模态数据的严格同步，其中一些方法还需要额外的辅助传感器，如惯性测量单元(IMU)和全球导航卫星系统7[0011]神经辐射场(NeuralRadianceField，NeRF)技术的提出为三维场景重建和新视角合成的研究带来了强大的驱动力。神经辐射场的核心在于使用一个MLP(多层感知机)来[0013]而且，神经辐射场和3D高斯溅射都需要预先使用其它方法(例如SfM)得到相机位法，其基于神经辐射场(NeuralRadianceField，NeRF)和三维高斯溅射(3DGaussianSplatting，3DGS)实现多传感器的信息融合；整个场景被编码在NeRF的符号距离场89[0047]假设世界坐标系下高斯椭的高斯射线损失Lgs-ray和高斯SDF损失Lgs-sdfsSDF误差；加在一起得到辐射场SDF损失Lnerf-sdfo[0066]将所述(n1+n2)个三维点输入一个神经网络中，该网络会输出每[0070]计算估计的射线颜色与真实射线颜色C之间的高斯射线损失Lgs-ray=Ilc-终损失L,λ23456是权重；点的SDF误差为Lnerr-sar=[si-0.3l;[0109]假设世界坐标系下高斯椭i[0123]这一项损失的目的是最小化高斯椭球的最小尺度，因为每个高斯椭球有三个尺[0126]将所述(n1+n2)个三维点输入一个神经网络中，该网络会输出每[0131]计算估计的射线颜色与真实射线颜色C之间的高斯射线损失Lgs-ray=IIC-的高斯射线损失Lgs-ray和高斯SDF损失Lgs-sdf;[0137]接着，计算估计颜色与真值颜色Cj之间的辐射场射线损失加在一起得到辐射场SDF损失Lnerf-sdfsλ2345是不同类型的损

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论