面向以多视角立体匹配获取的植株三维点云的去噪方法

针对植株三维点云噪声数据影响三维重建精度问题,通过对噪声数据进行分析,提出一种基于密度聚类与快速双边滤波相结合的方法。首先用密度聚类算法对大尺度的离群噪声点进行处理,然后利用快速双边滤波对小尺度噪声进行平滑。对以多视角立体匹配获取的水稻和黄瓜的三维点云数据进行去噪处理,实验结果表明,该方法所用的去噪时间为传统双边滤波的48.1%和45.7%,并且达到很好的去噪效果,可以快速、准确地去除不同尺度的噪声点,保留植株边缘的完整性,获得良好的三维点云数据。

基于深度学习的多视角三维重建算法研究

作为计算机视觉领域研究的重要方向,近年来,三维重建技术广泛应用于机器人、同时定位与地图构建(SLAM)、自动驾驶及人工智能等新兴产业。针对传统三维重建方法在处理复杂场景时的普适性和准确性不足的问题,本文提出基于深度学习的多视图立体匹配级联网络AttMCVA-MVSNet,通过神经网络自动提取特征、构建代价体并优化深度图,显著提升重建精度和效率。该网络包含特征选取及处理模块、多代价体聚合和深度一致性正则化模块,有效应对特征图信息缺失、代价体信息不足及噪声干扰等挑战,以更高的精度和效率完成复杂场景的三维重建任务,为三维重建领域提供了新的解决方案。