【技术实现步骤摘要】
本专利技术涉及计算机视觉领域，更具体地说，涉及一种基于三维重构的水下豹纹鳃棘鲈表型建立方法。
技术介绍
1、豹纹鳃棘鲈，为鮨科鳃棘鲈属的鱼类，俗名：花斑刺鳃鮨、豹纹鳃棘鲈、七星斑。属于暖水性沿岸鱼类。其一般生活于珊瑚礁。iucn已评级为近危，外皮光滑，头部细小，身上布满白色的幼细花点。
2、现有的难以恢复真实场景的细节结构，尤其是在颜色均匀或重复纹理区域，经典的多视图立体匹配算法在处理强变色区域时产生不准确的重建，基于密度的表示方法在提取3d时产生噪声。
技术实现思路
1、本专利技术要解决的技术问题在于，提供一种基于三维重构的水下豹纹鳃棘鲈表型建立方法，具有能够准确提供豹纹鳃棘鲈轮廓信息优点，特别是针对无纹理区域具有较好的重建效果，实现更准确、更稳定的重建。
2、本专利技术解决其技术问题所采用的技术方案是：构造一种基于三维重构的水下豹纹鳃棘鲈表型建立方法，包括以下步骤：
3、s1、利用多分辨率三维哈希网格对豹纹鳃棘鲈场景信息进行编码和解码；
4、s2、使用带符号距离函数sdf模拟豹纹鳃棘鲈表面，实现隐式曲面建模；
5、s3、使用数值梯度计算豹纹鳃棘鲈表面法线；
6、s4、从粗到精优化，采用从粗到精的优化策略恢复豹纹鳃棘鲈不同细节层次的结构；
7、s5、曲率正则化，平滑曲面，通过最小化曲率正则化项的曲面曲率来平滑重建的豹纹鳃棘鲈曲面。
8、按上述方案，在所述步骤s1中，利用多分辨率三维哈希
9、对于输入位置：
10、
11、其中，pi为豹纹鳃棘鲈图片i的嵌入向量
12、计算当前级别1的分辨率rl和比例sl：
13、rl＝2base_resolution+l·log2_per-level_scale (2)
14、
15、其中，baseresolution为初始的最粗粒度分辨率，默认值为64，log2_per_level_scale为缩放比例，默认值为1；
16、s代表一个输入应该处理到网格的级别level；
17、计算量化的网格位置
18、gd＝floor(pd·r1) (4)
19、其中，pd为输入位置第d维度的向量，floor为向下取整函数；
20、通过网格哈希索引获取特征值fgrid：
21、fgrid＝grid[h(g)] (5)
22、其中，h为网格哈希函数，默认采用基于素数的哈希函数，过程如下：初始化哈希值result为0，遍历网格数据g的每个维度，对于每个维度：将result与(g的维度坐标与素数因子1958374283的乘积)异或；
23、然后，根据线性差值方法计算权重wd
24、wd＝pd—gd (6)
25、对网格点进行差值以获取编码特征fencoded
26、fencoded＝∑iwi·fgrid[i] (7)
27、其中，i为所有网格点的索引；
28、计算相对于输入位置的梯度
29、
30、更新网格特征梯度ggrid：
31、
32、按上述方案，在所述步骤s2中，确认体素网格中的采样位置，每个3d点xi按网格分辨率vl进行缩放，表示为：
33、xi，l＝xi·vl，(10)
34、线性插值的系数为β＝xi，l-[xi，l]，得到的特征向量为：
35、γl(xi，l)＝γl([xi，l])·(1-β)+γl([xi，l])·β (11)
36、其中，舍入位置[xi，l]，[xi，l]对应局部网格单元的角点，相对于位置的哈希编码的导数表示为：
37、
38、当xi跨越网格单元边界时，对应的哈希键值对不同，定义在方程(26)中的eikonal损失反向传播到局部采样的哈希条目，即和这两个哈希条目的计算就是哈希编码的过程，和步骤s1是相同的，当连续的表面跨越多个网格单元时，所述网格单元生成一致的表面法线，且对所述网格单元进行联合优化。
39、按上述方案，在所述步骤s3中，使用解析梯度计算sdf表面法线当数值梯度的步长小于哈希编码的网格大小，数值梯度将等同于解析梯度，否则，多个网格单元的哈希条目将参与表面法线计算；通过表面法线进行反向传播使多个网格的哈希条目同时接收优化更新，选择步长的数值梯度解释为对解析梯度表达式的平滑操作。
40、按上述方案，所述数值梯度计算表面法线的方法为：额外的sdf采样，给定一个采样点xi＝(xi，yi，zi)，在xi周围的标准坐标系每个轴上以步长∈的邻近范围内额外采样两个点，表面法线的x分量表示为：
41、
42、其中，∈x＝[∈，0，0]，采集六个额外的sdf采样来进行数值表面法线计算。
43、按上述方案，在所述步骤s4中，使用数值梯度计算高阶导数从步长∈和哈希网格分辨率v两个角度执行粗到细的优化，通过逐步增加细节层次来重建表面；
44、所述步长∈控制分辨率和恢复细节的数量；对于数值表面法线计算，施加较大的∈确保表面法线在较大尺度上保持＝致，产生＝致且连续的表面，施加较小的∈影响较小的区域，避免平滑掉细节，将步长∈初始化为最粗的哈希网格大小，并在整个优化过程中随着不同的哈希网格大小按指数减少；
45、所述哈希网格分辨率v：在优化开始时激活所有哈希网格，为捕捉豹纹鳃棘鲈几何细节，细网格首先从使用大步长∈的粗优化中“消除学习”，然后用较小的∈“重新学习”，启用＝组初始的粗糙哈希网格，并在优化过程中当步长∈减小到它们的空间大小时逐步激活更精细的哈希网格，避免重新学习的过程，为避免单分辨率特征主导最终结果对所有参数应用权重衰减。
46、按上述方案，在所述步骤s5中，为促进重建表面的平滑性，通过对sdf的平均曲率进行正则化，平均曲率从离散拉普拉斯算子计算得出的，曲率损失定义如下：
47、
48、用于表面法线计算的样本足以进行曲率计算，豹纹鳃棘鲈重建总损失被定义为各损失的加权和：
49、
50、
51、第i个采样的三维位置xi距离相机中心的距离为ti，每个采样点的体密度σi和颜色ci使用坐标mlp进行预测，给定像素的渲染颜色近似为黎曼和：
52、
53、其中，αi＝1-exp(-σiδi)为第i个光线段的不透明度，δi＝ti+1-ti为相邻采样点之间的距离，为累积透射率，表示到达相机的光的比例，为输入图像c和渲染图像之间的颜色损失。
54、实施本专利技术的基于三维重构的水下豹纹鳃棘鲈表型建立方法，具有以下有益效果：
55、1、本专利技术将多分辨率哈希编码与sdf相结合，解决本文档来自技高网...
【技术保护点】
1.一种基于三维重构的水下豹纹鳃棘鲈表型建立方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于三维重构的水下豹纹鳃棘鲈表型建立方法，其特征在于，在所述步骤S1中，利用多分辨率三维哈希网格对豹纹鳃棘鲈场景信息进行编码和解码的方法包括：
3.根据权利要求1所述的基于三维重构的水下豹纹鳃棘鲈表型建立方法，其特征在于，在所述步骤S2中，确认体素网格中的采样位置，每个3D点xi按网格分辨率Vl进行缩放，表示为：
4.根据权利要求1所述的基于三维重构的水下豹纹鳃棘鲈表型建立方法，其特征在于，在所述步骤S3中，使用解析梯度计算SDF表面法线当数值梯度的步长小于哈希编码的网格大小，数值梯度将等同于解析梯度，否则，多个网格单元的哈希条目将参与表面法线计算；通过表面法线进行反向传播使多个网格的哈希条目同时接收优化更新，选择步长的数值梯度解释为对解析梯度表达式的平滑操作。
5.根据权利要求4所述的基于三维重构的水下豹纹鳃棘鲈表型建立方法，其特征在于，所述数值梯度计算表面法线的方法为：额外的SDF采样，给定一个采样点xi＝(xi，yi，zi)，
6.根据权利要求1所述的基于三维重构的水下豹纹鳃棘鲈表型建立方法，其特征在于，在所述步骤S4中，使用数值梯度计算高阶导数从步长∈和哈希网格分辨率V两个角度执行粗到细的优化，通过逐步增加细节层次来重建表面；
7.根据权利要求1所述的基于三维重构的水下豹纹鳃棘鲈表型建立方法，其特征在于，在所述步骤S5中，为促进重建表面的平滑性，通过对SDF的平均曲率进行正则化，平均曲率从离散拉普拉斯算子计算得出的，曲率损失定义如下：
...【技术特征摘要】
1.一种基于三维重构的水下豹纹鳃棘鲈表型建立方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于三维重构的水下豹纹鳃棘鲈表型建立方法，其特征在于，在所述步骤s1中，利用多分辨率三维哈希网格对豹纹鳃棘鲈场景信息进行编码和解码的方法包括：
3.根据权利要求1所述的基于三维重构的水下豹纹鳃棘鲈表型建立方法，其特征在于，在所述步骤s2中，确认体素网格中的采样位置，每个3d点xi按网格分辨率vl进行缩放，表示为：
4.根据权利要求1所述的基于三维重构的水下豹纹鳃棘鲈表型建立方法，其特征在于，在所述步骤s3中，使用解析梯度计算sdf表面法线当数值梯度的步长小于哈希编码的网格大小，数值梯度将等同于解析梯度，否则，多个网格单元的哈希条目将参与表面法线计算；通过表面法线进行反向传播使多个网格的哈希条目同时接收优化更新，选择步长...
【专利技术属性】
技术研发人员：周俊伟，张炜健，赵雨煊，向剑文，杨焱超，赵冬冬，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。