[发明专利]一种三维重构方法、装置、系统、电子设备及存储介质

权利要求书

1.一种三维重构方法，其特征在于，包括：

获取待测物体的图像信息；所述图像信息包括不同方位的光源下拍摄待测物体表面得到的单一拍摄角度下不同打光角度的图片集合；

将所述图像信息输入光线估计卷积神经网络，得到一维向量的全连接层信息，所述一维向量的全连接层信息包括不同方位光源的方向信息以及强度信息；

将所述一维向量的全连接层信息输入法线估计卷积神经网络，得到深度图；

获取图像像素与真实世界的对应比例关系，即，获取两个水平距离为D的激光测距模块发射激光点照射在被测物体表面拍摄得到的第三图片信息；

根据所述第三图片信息计算两个所述激光点中心像素的距离d；

计算Scale = D/d，其中Scale为获取图像像素与真实世界的对应比例关系；

根据所述图像像素与真实世界的对应比例关系以及所述深度图计算得到待测物体表面各点的坐标。

2.根据权利要求1所述的三维重构方法，其特征在于，所述图像信息还包括一张在不同方位的光源全部点亮下拍摄待测物体表面得到的第二图片。

3.根据权利要求1所述的三维重构方法，其特征在于，所述将所述图像信息输入光线估计卷积神经网络，得到一维向量的全连接层信息的步骤包括：

使用所述光线估计卷积神经网络的卷积核提取所述图像信息的局部特征，得到与图像集合中图像个数相等个数的、代表该局部特征的第一特征图；

使用所述光线估计卷积神经网络的池化层对与图像集合中图像个数相等个数的、代表该局部特征的所述第一特征图进行处理，得到融合了多个局部特征的融合特征图；

使用所述光线估计卷积神经网络的卷积核对所述融合特征图进行处理，得到一维向量的全连接层信息。

4.根据权利要求1所述的三维重构方法，其特征在于，所述将所述一维向量的全连接层信息输入法线估计卷积神经网络，得到深度图的步骤包括：

使用所述法线估计卷积神经网络的卷积核提取一维向量的全连接层信息的第二特征图；

将所述第二特征图输入所述法线估计卷积神经网络的池化层，得到第三特征图；

根据所述第三特征图，使用所述法线估计卷积神经网络的卷积核得到物体表面的法向量图；

根据所述法向量图计算出深度图。

5.根据权利要求4所述的三维重构方法，其特征在于，所述根据所述法向量图计算出深度图的步骤包括：

将所述法向量图输入至Frankot-Chellappa算法中，通过所述Frankot-Chellappa算法得到深度图。

6.一种三维重构装置，其特征在于，包括：

第一获取模块，所述第一获取模块用于获取待测物体的图像信息；所述图像信息包括不同方位的光源下拍摄待测物体表面得到的单一拍摄角度下不同打光角度的图片集合；

第一处理模块，所述第一处理模块用于将所述图像信息输入光线估计卷积神经网络，得到一维向量的全连接层信息，所述一维向量的全连接层信息包括方位光源的方向信息以及强度信息；

第二处理模块，所述第二处理模块用于将所述一维向量的全连接层信息输入法线估计卷积神经网络，得到深度图；

第二获取模块，所述第二获取模块用于获取图像像素与真实世界的对应比例关系，即，获取两个水平距离为D的激光测距模块发射激光点照射在被测物体表面拍摄得到的第三图片信息；

根据所述第三图片信息计算两个所述激光点中心像素的距离d；

计算Scale = D/d，其中Scale为获取图像像素与真实世界的对应比例关系；

第三处理模块，所述第三处理模块用于根据所述第二获取模块用于获取图像像素与真实世界的对应比例关系以及所述深度图计算得到待测物体表面各点的坐标。