[发明专利]一种三维成像方法、装置、设备以及存储介质

权利要求书

1.一种三维成像方法，其特征在于，包括：

获取成像原始数据；

通过预先训练好的第一决策模型根据所述成像原始数据自预先训练好的成像模型中选择第一成像模型；

通过所述第一成像模型根据所述成像原始数据得到三维成像结果。

2.根据权利要求1所述的方法，其特征在于，所述通过所述第一成像模型根据所述成像原始数据得到三维成像结果包括；

当所述第一成像模型为多个时，通过多个所述第一成像模型和所述成像原始数据得到多个三维成像结果；

对所述多个三维成像结果采用ICP方法进行融合。

3.根据权利要求1所述的方法，其特征在于，所述成像模型的训练过程包括：

建立多个三维成像基础模型，所述多个三维成像基础模型包括多个主动三维成像基础模型和多个被动三维成像基础模型；

获取根据不同方式采集的多个输入图像数据；

将多个所述输入图像数据单独或组合输入所述多个三维成像基础模型进行训练得到多个训练好的成像模型。

4.根据权利要求3所述的方法，其特征在于，所述输入图像数据包括：

根据主动三维成像方式采集的结构光成像图以及根据被动三维成像方式采集的正常彩色单目、双目或多目相机采集的图像。

5.根据权利要求3所述的方法，其特征在于，所述第一决策模型的训练过程包括：

根据所述多个输入图像数据得到多个训练数据；

根据所述训练数据评价所述多个训练好的成像模型，得到每个训练数据对应的一个或多个最优成像模型；

基于决策基础模型根据所述多个训练数据和对应的一个或多个最优成像模型训练得到第一决策模型。

6.根据权利要求5所述的方法，其特征在于，所述根据所述训练数据评价所述多个训练好的成像模型，得到每个训练数据对应的一个或多个最优成像模型包括:

根据所述训练好的成像模型输出的三维点云集合计算三维点云密度，点云数量小于10000时记S1＝0,反之S1＝1；

根据所述训练好的成像模型输出的三维点云集合计算三维点云平滑度，采用RANSAC算法加最小二乘法进行点云拟合平面，获取平面局部拟合的方差值作为每个模型对应的拟合度S2；

根据所述训练好的成像模型输出的三维点云集合计算轮廓相似度S3；

根据score_all＝S1*(S2+S3)选择每个训练数据对应的一个或多个最优成像模型，其中score_all值越高代表成像模型越优。

7.根据权利要求5所述的方法，其特征在于，所述决策基础模型的构建取基于VGG网络、Resnet网络、Shufflenet网络和Resnext网络中的一种或多种。

8.一种三维成像装置，其特征在于，包括：

成像原始数据获取模块，用于获取成像原始数据；

决策模块，用于通过预先训练好的第一决策模型根据所述成像原始数据自预先训练好的成像模型中选择第一成像模型；

三维成像模块，用于通过所述第一成像模型根据所述成像原始数据得到三维成像结果。

9.一种三维成像设备，其特征在于，包括存储器和处理器，所述存储器上存储有可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7所述的三维成像方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被执行时实现如权利要求1-7任意一项所述的三维成像方法。