[发明专利]基于基站目标分割构建稠密点云的方法及装置

权利要求书

1.一种基于基站目标分割构建稠密点云的方法，其特征在于，所述方法包括：

获取无人机巡检时拍摄的基站的原始图像集；

将所述原始图像集中的原始图像依次输入预先训练好的基站识别模型中，其中，所述基站识别模型对所述原始图像中的基站进行识别并进行掩码处理，得到掩码图像集；

迭代运行Grabcut算法对所述掩码图像集进行分割，得到分割出的基站图像集；

基于所述基站图像集及多视角密集重建算法构建所述基站的稠密三维点云。

2.根据权利要求1所述的方法，其特征在于，在将所述原始图像集中的原始图像依次输入预先训练好的基站识别模型中之前，所述方法还包括：

获取包含基站图像的多个训练样本，每个所述训练样本中的基站利用预设的标签进行标注；

利用所述多个训练样本训练初始的基站识别模型，所述基站识别模型包括卷积神经网络，得到所述卷积神经网络的前向输出；

根据所述前向输出和所述训练样本的标注结果构建损失函数，并采用基于批量梯度下降算法更新迭代所述卷积神经网络的权值和偏置，使得所述损失函数进行优化使其最小化，得到训练好的所述基站识别模型。

3.根据权利要求1所述的方法，其特征在于，所述基站识别模型为深度卷积神经网络模型，所述模型包括深度卷积层及逐点卷积层。

4.根据权利要求1所述的方法，其特征在于，所述迭代运行Grabcut算法对所述掩码图像集进行分割，得到分割出的基站图像集，包括：

构建前景高斯混合模型和背景高斯混合模型；

对所述前景高斯混合模型和所述背景高斯混合模型进行迭代优化，确定所述掩码图像中的像素为背景像素或前景像素，其中，所述前景像素为进行掩码处理的像素。

5.根据权利要求1～4任意一项所述的方法，其特征在于，所述基于所述基站图像集及多视角密集重建算法构建所述基站的稠密三维点云，包括：

获取每一张基站图像拍摄时相机的内参矩阵及相机在三维空间中的外参矩阵，并运用SFM算法构建稀疏的三维点云；

基于领域的块匹配算法，匹配得到基站图像中的稠密特征点；

根据所述每一张基站图像拍摄时相机的内参矩阵及相机在三维空间中的外参矩阵，对所述稠密特征点进行有效性检验；

将有效的稠密特征点映射到所述三维点云中的对应位置，得到稠密三维点云。

6.一种基于基站目标分割构建稠密点云的装置，其特征在于，所述装置包括：

获取单元，用于获取无人机巡检时拍摄的基站的原始图像集；

输入单元，用于将所述原始图像集中的原始图像依次输入预先训练好的基站识别模型中，其中，所述基站识别模型对所述原始图像中的基站进行识别并进行掩码处理，得到掩码图像集；

分割单元，用于迭代运行Grabcut算法对所述掩码图像集进行分割，得到分割出的基站图像集；

构建单元，用于基于所述基站图像集及多视角密集重建算法构建所述基站的稠密三维点云。

7.根据权利要求6所述的装置，其特征在于，所述分割单元包括：

创建子单元，用于构建前景高斯混合模型和背景高斯混合模型；

确定子单元，用于对所述前景高斯混合模型和所述背景高斯混合模型进行迭代优化，确定所述掩码图像中的像素为背景像素或前景像素，其中，所述前景像素为进行掩码处理的像素。

8.根据权利要求6～7中任一项所述的装置，其特征在于，所述构建单元包括：

构建子单元，用于获取每一张基站图像拍摄时相机的内参矩阵及相机在三维空间中的外参矩阵，并运用SFM算法构建稀疏的三维点云；

匹配子单元，用于基于领域的块匹配算法，匹配得到基站图像中的稠密特征点；

检验子单元，用于根据所述每一张基站图像拍摄时相机的内参矩阵及相机在三维空间中的外参矩阵，对所述稠密特征点进行有效性检验；

映射子单元，用于将有效的稠密特征点映射到所述三维点云中的对应位置，得到稠密三维点云。