针对目前在混合现实(MR)环境中高效率建立高质量三维(3D)模型的需求,基于神经辐射场算法(NeRF)的三维重建技术,提出了一种基于Laplacian算子的数据集优化算法。首先,围绕某线切割设备录制了一段1 min 51 s的视频,并采取等距提取视频帧...针对目前在混合现实(MR)环境中高效率建立高质量三维(3D)模型的需求,基于神经辐射场算法(NeRF)的三维重建技术,提出了一种基于Laplacian算子的数据集优化算法。首先,围绕某线切割设备录制了一段1 min 51 s的视频,并采取等距提取视频帧的方式,获取了训练数据集;然后,使用Laplacian算子对数据集进行了优化,同时保留了原始数据集作为对比,使用了基于NeRF算法的重建方式与传统的基于COLMAP的稠密点云重建方式,分别对两组数据集进行了三维重建;最后,在重建精度与重建速度方面,对不同重建方式、不同重建数据集的重建结果进行了比较。研究结果表明:COLMAP稠密点云重建耗时是基于NeRF重建耗时的9.98倍,而相较于COLMAP稠密点云重建,使用NeRF重建方式的模型表面缺陷较少;此外,使用Laplacian算子优化的数据集的NeRF重建在峰值信噪比(PSNR)和结构相似性(SSIM)指标上分别提升了2.43%、0.72%,有利于提升重建模型的质量。研究结果支持混合现实技术在制造业数字化转型中的应用,可为其提供有益的参考。展开更多
文摘针对目前在混合现实(MR)环境中高效率建立高质量三维(3D)模型的需求,基于神经辐射场算法(NeRF)的三维重建技术,提出了一种基于Laplacian算子的数据集优化算法。首先,围绕某线切割设备录制了一段1 min 51 s的视频,并采取等距提取视频帧的方式,获取了训练数据集;然后,使用Laplacian算子对数据集进行了优化,同时保留了原始数据集作为对比,使用了基于NeRF算法的重建方式与传统的基于COLMAP的稠密点云重建方式,分别对两组数据集进行了三维重建;最后,在重建精度与重建速度方面,对不同重建方式、不同重建数据集的重建结果进行了比较。研究结果表明:COLMAP稠密点云重建耗时是基于NeRF重建耗时的9.98倍,而相较于COLMAP稠密点云重建,使用NeRF重建方式的模型表面缺陷较少;此外,使用Laplacian算子优化的数据集的NeRF重建在峰值信噪比(PSNR)和结构相似性(SSIM)指标上分别提升了2.43%、0.72%,有利于提升重建模型的质量。研究结果支持混合现实技术在制造业数字化转型中的应用,可为其提供有益的参考。