[发明专利]一种用于混合图片的三维重建方法及系统

权利要求书

1.一种用于混合图片的三维重建方法，其特征在于，包括：

S1，通过训练后的神经网络模型对混合图片集中所有图片进行分类，获取待建模场景中每一目标对应的图片集，所述混合图片集中包括所述待建模场景不同角度的图片，且所述混合图片集包含多个目标场景的特征点；

S2，根据每一目标对应的图片集，对每一目标进行三维重建，以获得所述待建模场景的三维重建图像。

2.根据权利要求1所述方法，其特征在于，步骤S1之前还包括：

通过迁移学习，修正待训练神经网络模型的网络层参数，所述待训练神经网络模型包括网络层和全连接层，所述全连接层连接在所述网络层之后；

对修正后的待训练神经网络模型进行训练，获得训练后的神经网络模型。

3.根据权利要求1所述方法，其特征在于，步骤S2中，所述根据每一目标对应的图片集，对每一目标进行三维重建，具体包括：

对于任一目标对应的图片集，获取所述任一目标对应的图片集中每一图片的尺度不变特征变换SIFT特征；

根据每一图片的SIFT特征，通过运动恢复结构SFM算法获取所述任一目标的稀疏点云；

根据所述任一目标的稀疏点云，通过多视角密集匹配CMVS/PMVS算法获取所述任一目标的密集点云；

根据所述任一目标的密集点云，获取所述任一目标的三维重建图像。

4.根据权利要求1所述方法，其特征在于，步骤S2之后还包括：

对所述待建模场景的三维重建图像进行滤波，并通过三维图形编辑软件显示滤波后所述待建模场景的三维重建图像。

5.根据权利要求2所述方法，其特征在于，所述待训练神经网络模型为Inception-v3模型。

6.根据权利要求5所述方法，其特征在于，所述通过迁移学习，修正待训练神经网络模型的网络层参数，具体为：

通过ImageNet数据集，获取训练后的Inception-v3模型；

将训练后的Inception-v3模型中网络层参数作为所述待训练神经网络模型的网络层参数。

7.根据权利要求4所述方法，其特征在于，所述三维图形编辑软件为MeshLab。

8.一种用于混合图片的三维重建系统，其特征在于，包括：

分类模块，用于通过训练后的神经网络模型对混合图片集中所有图片进行分类，获取待建模场景中每一目标对应的图片集，所述混合图片集中包括所述待建模场景不同角度的图片；

重建模块，用于根据每一目标对应的图片集，对每一目标进行三维重建，以获得所述待建模场景的三维重建图像。

9.一种用于混合图片的三维重建设备，其特征在于，包括：

至少一个处理器、至少一个存储器、通信接口和总线；其中，

所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述通信接口用于该测试设备与显示装置的通信设备之间的信息传输；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1-7中任一项所述的方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。