[发明专利]基于基站目标分割构建稠密点云的方法及装置

说明书

本发明涉及基于基站目标分割构建稠密点云的方法及装置及系统，其中，方法包括：获取无人机巡检时拍摄的基站的原始图像集；将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，基站识别模型对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算法对掩码图像集进行分割，得到分割出的基站图像集；基于基站图像集及多视角密集重建算法构建基站的稠密三维点云。本发明实施例提供的技术方案用以解决现有技术中人工剔除外点精确度低的问题。

【技术领域】

本发明涉及三维重建技术领域，尤其涉及基于基站目标分割构建稠密点云的方法及装置。

【背景技术】

现有的三维建模外点去除方法，一般将已经构建的三维重建点与对相应图像进行对比，删除落在背景区域的三维重建点，该方法适用范围较小，对于背景信息较为复杂的图像建模后外点剔除的效果并不是很好，且工程量较大，多为手动方法，对于数据量较大的工程适用率较低。

而且，通信基站遍布全国各个城市及地区，由于基站所在场景复杂多样，有房屋较多的场景，有植被较多的场景，有汽车较多的场景。背景较为复杂的图像建模后，需要手动剔除三维重建后的稠密点云中基站以外的的场景，人工剔除外点精确度低，且时间成本较高。

【发明内容】

有鉴于此，本发明实施例提供了基于基站目标分割构建稠密点云的方法及装置，用以解决现有技术中人工剔除外点精确度低的问题。

为了实现上述目的，第一方面，本发明提供了一种基于基站目标分割构建稠密点云的方法，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。

结合第一方面，在一种可行的实施方式中，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。

结合第一方面，在一种可行的实施方式中，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。

结合第一方面，在一种可行的实施方式中，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。

结合第一方面，在一种可行的实施方式中，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；