摘要
本发明属于机器感知与机器视觉技术领域,公开了一种多曝光图像融合的三维点云重建方法,具体技术方案为:无人机环绕3D模型获取N张多视图图像,设计对抗性学习网络进行学习实现图像增强,将增强后的图像通过8层特征提取网络获取N组特征图,利用单应性变换矩阵构建特征体,转换代价体,求和得到注意力代价体特征,压缩得到概率体,对概率体点沿d方向的每个平面计算期望,即得初始深度图,将深度图进行归一化,通过4层残差网络进行信息融合,输出的单通道特征图将其与初始深度图逐元素相加,得到优化后的深度图,深度图利用内外参矩阵变换生成点云数据,最终得到三维点云模型,使融合图像更加逼真和生动,从而显着提高视觉感知。
技术关键词
三维点云重建方法
多曝光图像融合
深度图
单应性变换矩阵
特征提取网络
三维点云模型
对抗性
色彩饱和度信息
深度值
残差网络
生成点云数据
注意力方法
机器视觉技术
三维点云数据
格式
相机外参
亮度
系统为您推荐了相关专利信息
识别方法
检测数据输入
图像增强
特征信息提取
输出特征
特征提取网络
网络模块
注意力
计算机可执行指令
影像
坐标系
点云图像
融合置信度
图像分割模型
三维分割方法
功耗预测方法
飞行状态参数
特征提取网络
表达式
训练无人机
多通道特征
文本识别模型
训练样本图像
子模块
扩展模块