未知空间目标纹理缺失表面三维重建算法

针对传统三维重建方法难以对纹理缺失表面进行完整重建的问题,提出一种基于深度学习与截断符号距离函数(TSDF)融合的未知目标三维表面完整重建算法。首先设计一种基于深度学习的图像逐像素深度估计框架,通过在训练过程中引入多个复杂结构模型,提高该深度估计框架的泛化能力;其次,利用TSDF对各帧图像所估计的深度信息进行融合,实现对纹理缺失区域的空间目标完整三维重建。根据仿真校验,对于300 mm尺寸的卫星模型图像,像素深度估计平均误差约为13 mm,通过TSDF融合后尺寸精度误差小于5.10%。实验结果表明该算法可以对未知空间目标光学图像进行逐像素深度估计,并获得目标完整的三维结构与纹理信息,有效解决无纹理区域的重建结构缺失问题。

无人机倾斜影像的精细化三维实景重建

利用无人机倾斜影像构建实景三维模型,具有速度快、成本低的优势。而无人机倾斜影像三维建模中,会出现模型结构变形、纹理缺失、漏洞及拉花等问题,从而影响模型的精度。文章针对这些问题,提出了相对应的模型精细化技术措施,使三维模型的纹理更加清晰,精度更高。