[发明专利]一种三维重建方法、装置及相关设备

权利要求书

1.一种三维重建方法，其特征在于，包括：

利用目标图像帧进行局部位姿优化，获得局部位姿误差；

对所述目标图像帧进行神经网络预测，获得初始重建误差；

根据所述局部位姿误差和所述初始重建误差进行三维重建，获得初始重建模型；

利用历史图像帧进行全局位姿优化，获得全局优化结果和全局位姿误差；

对所述全局优化结果进行神经网络补全，获得最终重建误差；

根据所述全局位姿误差和所述最终重建误差对所述初始重建模型进行优化，获得最终重建模型；

其中，所述根据所述局部位姿误差和所述初始重建误差进行三维重建，获得初始重建模型，包括：

利用所述局部位姿误差和所述初始重建误差构造初始优化目标函数；

对所述初始优化目标函数进行求解，获得所述初始优化目标函数取最小值时的初始位姿数据；

利用所述初始位姿数据进行三维重建，获得所述初始重建模型；

所述根据所述全局位姿误差和所述最终重建误差对所述初始重建模型进行优化，获得最终重建模型，包括：

利用所述全局位姿误差和所述最终重建误差构造全局优化目标函数；或者，利用所述局部位姿误差、所述初始重建误差、所述全局位姿误差以及所述最终重建误差构造全局优化目标函数；

对所述全局优化目标函数进行求解，获得所述全局优化目标函数取最小值时的全局位姿数据；

利用所述全局位姿数据对所述初始重建模型进行优化，获得所述最终重建模型。

2.根据权利要求1所述的三维重建方法，其特征在于，所述对所述目标图像帧进行神经网络预测，获得初始重建误差，包括：

利用通用样本数据对神经网络进行训练，获得初始神经网络模型；

利用所述历史图像帧和所述历史图像帧对应的最终重建模型对所述初始神经网络模型进行修正，获得神经网络预测模型；

利用所述神经网络预测模型对所述目标图像帧进行神经网络预测，获得所述初始重建误差。

3.一种三维重建装置，其特征在于，包括：

局部位姿优化模块，用于利用目标图像帧进行局部位姿优化，获得局部位姿误差；

神经网络预测模块，用于对所述目标图像帧进行神经网络预测，获得初始重建误差；

初始三维重建模块，用于根据所述局部位姿误差和所述初始重建误差进行三维重建，获得初始重建模型；

全局位姿优化模块，用于利用历史图像帧进行全局位姿优化，获得全局优化结果和全局位姿误差；

神经网络补全模块，用于对所述全局优化结果进行神经网络补全，获得最终重建误差；

初始模型优化模块，用于根据所述全局位姿误差和所述最终重建误差对所述初始重建模型进行优化，获得最终重建模型；

其中，所述初始三维重建模块具体用于利用所述局部位姿误差和所述初始重建误差构造初始优化目标函数；对所述初始优化目标函数进行求解，获得所述初始优化目标函数取最小值时的初始位姿数据；利用所述初始位姿数据进行三维重建，获得所述初始重建模型；

所述初始模型优化模块具体用于利用所述全局位姿误差和所述最终重建误差构造全局优化目标函数；或者，利用所述局部位姿误差、所述初始重建误差、所述全局位姿误差以及所述最终重建误差构造全局优化目标函数；对所述全局优化目标函数进行求解，获得所述全局优化目标函数取最小值时的全局位姿数据；利用所述全局位姿数据对所述初始重建模型进行优化，获得所述最终重建模型。

4.根据权利要求3所述的三维重建装置，其特征在于，所述神经网络预测模块具体用于利用通用样本数据对神经网络进行训练，获得初始神经网络模型；利用所述历史图像帧和所述历史图像帧对应的最终重建模型对所述初始神经网络模型进行修正，获得神经网络预测模型；利用所述神经网络预测模型对所述目标图像帧进行神经网络预测，获得所述初始重建误差。

5.一种三维重建系统，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现如权利要求1或2所述的三维重建方法的步骤。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现如权利要求1或2所述的三维重建方法的步骤。