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。