基于深度学习的点云法向估计和多视图重建技术研究
文献类型:学位论文
作者 | 李克强 |
答辩日期 | 2023-05-22 |
文献子类 | 硕士 |
ISSN号 | 无 |
关键词 | 深度学习 法向估计 多尺度图卷积 多视图三维重建 神经隐式表达 |
出版者 | 无 |
英文摘要 | 三维重建是三维计算机视觉和计算机图形学领域中的基本问题,广泛应用于虚拟现实、 数字人、 自动驾驶、柔性制造等领域。传统的三维重建流程一般是对多视图进行特征检测和匹配,利用运动恢复结构方法估计相机位姿。并利用多视角立体视觉得到三维稠密点云,然后为点云估计法向进行曲面重建,最终恢复并输出网格模型。近年来随着深度学习领域的发展,三维重建结合深度学习技术涌现了大量的研究与应用。本文重点面向点云法向估计与多视图三维重建这两个三维重建的关键技术展开研究:表面重建通常依赖点云法向量作为理解物体和场景的几何和语义的基本特征,因此研究一种准确的点云法向估计方法对三维重建至关重要;此外对于多视图三维重建问题,传统方法通常流程繁琐,过程耗时较长,直接从多视角图片重建出三维网格模型是当前的研究热点。 本文围绕着以上两个主要方面展开研究,主要的研究工作如下:
|
学科主题 | 模式识别 |
WOS记录号 | WOS:无 |
语种 | 中文 |
页码 | 92 |
DOI标识 | 无 |
URL标识 | 查看原文 |
CSCD记录号 | CSCD:无 |
源URL | [http://ir.ia.ac.cn/handle/173211/51869] |
专题 | 毕业生_硕士学位论文 |
推荐引用方式 GB/T 7714 | 李克强. 基于深度学习的点云法向估计和多视图重建技术研究[D]. 2023. |
入库方式: OAI收割
来源:自动化研究所
其他版本
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。