基于AKAZE算法的虚拟实验室场景三维模型的重构

受到三维场景重建图像特征时间变量差异与特征精度约束要求较高的限制,传统虚拟实验室场景三维重建模型的计算效果与预期效果差距较大,主要体现在三维场景数据误差与计算效率两项指标偏大。为更好地解决这个问题,引入AKAZE算法对其进行三维构建参量的优化,具体实现分为四个步骤,分别为虚拟实验室场景三维重建模型的AKAZE非线性尺度空间特征确定与提取、虚拟实验室加速的非线性扩散三维空间构建、虚拟实验室三维边缘信息融合及虚拟实验室三维场景重建模型输出。通过对模型效果的仿真测试表明,经过AKAZE算法优化后的模型三维构建准确度更高、响应更快、稳定性更好、方法易于实现,具有较高的推广价值。

基于大数据和RGB-D图像的虚拟实验室场景三维重建

为了提高虚拟实验室场景三维重建能力,提出基于大数据和RGB-D图像的虚拟实验室场景三维重建方法.采用大数据算法建立虚拟实验室场景三维图像采集模型,提取虚拟实验室场景三维内部结构特征并进行融合处理.先通过RGB-D图像分解方法,进行虚拟实验室场景的信息跟踪和模糊度重建.然后结合虚拟现实视景重建技术,进行虚拟实验室场景拟合和透射特征分析,重建虚拟实验室RGB-D特征分解和像素特征,实现虚拟实验室场景的三维重构.仿真结果表明,采用该方法进行虚拟实验室场景三维重构的精度较高,三维重建后的输出精度较高,信息融合度较好.