摘要
本发明属于人工智能、计算机视觉、计算机图形学领域,公开了一种高质量城市更新景观建筑的三维结构恢复方法,包括:提供了一种高质量城市更新景观建筑的三维结构恢复方法,提出一个新的基于深度学习的端到端的SfM框架——E2ESfM,从输入图像中提取2D轨迹,使用图像和轨迹特征重建相机,基于这些轨迹和相机参数初始化点云,并应用束优化层进行重建细化。整个框架是全可微分的,即每个组件都是可微的,可端到端的方式进行训练,可提取可靠的像素精确轨迹,可同步恢复所有相机姿态,可通过可微分的束优化层来优化相机和三角化的3D点。
技术关键词
轨迹跟踪器
景观建筑
相机姿态估计
恢复方法
点云三角化
不确定性模型
图像
阶段
三维结构
轨迹特征
点跟踪方法
三维重建模型
参数
三角化方法
计算机图形学
描述符
可读存储介质
深度学习模型
系统为您推荐了相关专利信息
训练神经网络模型
供电恢复方法
分布式电源
天气
风能发电组件
电压暂降原因
异常数据
数字孪生模型
电网设备运行状态
恢复方法