基于模板替换的室内场景建模方法研究

当前,室内场景建模相关研究已经取得很多进展,特别是基于多视角融合的建模框架与基于单视角的建模框架的提出,增强了机器人的环境感知能力。但仍然存在以下不足:①基于多视角融合的建模方式预处理时间长,建模完成后需线下优化过程,不能满足特定条件下的建模需求;②基于单视角的建模算法输出一般为体素,建模质量较低,信息缺失严重,对于场景细节无法精确刻画,难以满足机器人交互的要求。特提出一种基于模板替换的室内场景建模方法研究。首先,预处理由设备采集到的三维点云场景,分割出存在点云缺失的单个对象,并利用虚拟扫描技术采样对象表面点并计算法向量与曲率。采用八叉树网格结构,将点云的法向量与曲率信息分别存入网格中,再利用卷积神经网络(CNN)提取高维特征向量,将其与数据库中三维对象特征进行欧氏距离比较,得到检索序列。从序列中挑选出最相似的对象,利用迭代就近点(ICP)配准方法,与扫描场景进行配准,完成场景优化。对提出的网络模型在2个基准数据集上进行测试并表现出良好的性能。

面向全息位置地图的室内空间本体建模

全息位置地图是泛在网环境下以位置为核心实现多维时空动态信息关联,提供泛在空间信息智能服务的新型地图。其中,多维动态场景建模是全息位置地图创建位置本体,汇聚、关联、分析、传递和表达与位置相关的泛在信息的过程,同时也是全系位置地图基础数据建模的基础。本文面向全息位置地图室内多维动态场景建模需求,在室内空间语义划分的基础上,定义了室内空间语义概念、概念属性以及概念之间的关系集合,在此基础上提出面向全息位置地图的室内空间本体建模方法,并实现了一种室内空间本体建模工具。本文以武汉大学测绘遥感信息工程国家重点实验室为实验场,利用室内空间本体建模工具进行实验,实验结果能够有效支持室内泛在信息的语义查询,验证了本文方法的可行性。

复杂室内图像的灭点检测与箱体重建方法

近年来,随着家居虚拟展示应用的推广,针对图像的室内场景建模技术成为研究和应用的热点。在图像理解的基础上,针对单张复杂室内图像提出了一套箱体建模方法。首先进行代表房间主轴方向的灭点检测,并通过分析影响灭点检测的因素,对灭点检测算法提出相应的改进,从而显著改善算法的执行效率和准确性。然后对图像的场景布局信息进行自动还原,并通过加入布局优化步骤,提高布局还原结果的准确率。最后利用灭点得到相机的内、外部参数,并以此为基础实现图像到三维模型的转换。实验表明,单张复杂室内图像的箱体重建方法能够快速地对图像场景进行分析,并恢复场景的箱体布局,满足虚拟重建的需要。