融合自阴影重建的网格模型优化
针对表面网格重建算法难以得到较好的纹理细节这一问题,提出一种融合自阴影重建(SFS)的表面网格优化算法.以表面网格模型作为初值.然后将该网格顶点投影至可视影像上获得其对应的SFS深度值.进而使用光度一致性约束算法融合SFS约束算法作为数据项、模型自身的曲率约束算法作为平滑项,共同组成网格顶点优化能量函数.最后通过梯度下降法最小化能量对网格顶点进行调整,达到优化网格模型的目的.所提算法在DTU数据集中,相比输入的网格模型精度提高了14.5%,相比现有主流表面网格优化模型算法精度提高了1.12%.实验结果表明,所提算法可以有效修正表面网格模型的纹理细节、提高网格模型精度,从而改善重建模型效果.
图像处理、测量、三维重建、网格优化、自阴影重建
60
TP391.41(计算技术、计算机技术)
汽车仿真与控制国家重点实验室开放基金20210102
2023-11-16(万方平台首次上网日期,不代表论文的发表时间)
共9页
32-40