[发明专利]高效利用内存的高精度三维重建方法与系统及设备

权利要求书

1.一种高效利用内存的高精度三维重建方法，其特征在于，包括以下步骤：

步骤S1，获取一幅当前的深度图像，计算所述当前的深度图像中各像素在相机坐标系下的三维点坐标和法向量；并计算各像素的深度噪声的标准差和深度梯度；

步骤S2，根据各像素对应的所述三维点坐标和法向量，以及所述深度噪声的标准差和所述深度梯度，对所述当前的深度图像进行降噪处理；

步骤S3，通过ICP算法配准所述当前的深度图像和对三维模型在前一帧视角下进行光线投影生成的深度图，计算出所述当前的深度图像对应的相机姿态；

步骤S4，基于TSDF算法，根据所述当前的深度图像对应的相机姿态，以及各像素对应的所述三维点坐标和法向量、所述深度噪声的标准差，将所述当前的深度图像融合到当前的三维模型中；

步骤S5，基于光线投影算法从当前的三维模型中抽取表面点集，并根据所述表面点集进行场景渲染；所述表面点集还用于计算下一帧深度图像对应的相机姿态。

2.根据权利要求1所述的高精度三维重建方法，其特征在于，步骤S2中“根据各像素对应的所述三维点坐标和法向量，以及所述深度噪声的标准差和所述深度梯度，对所述当前的深度图像进行降噪处理”，进一步包括：

步骤S21，根据各像素点的所述深度梯度，检测局部平面，并将所述局部平面合并到全局平面；

步骤S22，根据各像素对应的所述三维点坐标和法向量，以及所述深度噪声的标准差，计算各像素对应的射线与其对应的全局平面之间的交点，从而对所述当前的深度图像进行降噪处理。

3.根据权利要求2所述的高精度三维重建方法，其特征在于，步骤S21中“根据各像素点的所述深度梯度，检测局部平面，并将所述局部平面合并到全局平面”，进一步包括：

步骤S211，将所述当前的深度图像平均分成大小为W×W的多个子窗口，根据各像素点的所述深度梯度，计算每一个子窗口中像素的平均梯度；

步骤S212，对每一个子窗口，判断其中各像素点的所述深度梯度与该子窗口中像素的所述平均梯度之差是否小于预设的梯度差阈值，若是，则将该像素点对应的三维点加入局部平面的内点集；

步骤S213，若所述局部平面的内点集中内点数大于预设的点数阈值，则进行局部平面的拟合；

步骤S214，若拟合得到的局部平面π与全局平面π^j的法向距离与欧拉距离分别满足下列预设的条件：

|p·n^j+d^j|＜ψ

则合并局部平面π与全局平面π^j的内点集，并根据合并后的内点集重新拟合全局平面；否则，将局部平面π添加为一个全局平面；

其中，n、n^j分别为平面π与全局平面π^j的法向量；p为平面π上任一三维点；d^j为平面π^j到坐标原点的距离；ψ均为预设阈值。

4.根据权利要求3所述的高精度三维重建方法，其特征在于，步骤S22中“根据各像素对应的所述三维点坐标和法向量，以及所述深度噪声的标准差，计算各像素对应的射线与其对应的全局平面之间的交点，从而对所述当前的深度图像进行降噪处理”，具体为：

判断所述当前的深度图像中像素u对应的三维点v(u)与全局平面π^j之间是否满足条件：

|v(u)·n^j+d^j|＜ε(u)

若是，则将像素u的深度值优化为其对应的射线与全局平面之间的交点的深度；

其中，距离阈值ε(u)由深度噪声自适应确定：

ε(u)＝βσ(u)

β为权重系数；σ(u)为像素u的深度噪声标准差。