公开(公告)号：CN116681839B

公开(公告)日：2024-02-23

申请号：CN202310962519.7

申请日：2023-08-02

Applicant: 深圳市森歌数据技术有限公司

Inventor： 叶绍泽 ,  周皓然 ,  孟先进 ,  杨廷栋 ,  陆国峰 ,  余齐 ,  张举冠

IPC: G06T17/00 ,  G06T7/10 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进NeRF的实景三维目标重建与单体化方法，涉及三维建模技术领域；该方法包括以下步骤：S10、获取场景内的多张二维图像；S20、采用SAM全分割模型，对二维图像进行层次性分割；S30、将分割后的对象输入孪生神经网络中完成对象图像的配对；S40、根据图片特征相似度与位姿重叠关系，进行图片优选；S50、以NeRF神经网络作为基础模型，构建基于改进NeRF的实景三维目标重建模型Sen‑NeRF，将获取目标对象的不同角度的分割图件作为标签，结合原始图像的基本信息，通过实景三维目标重建模型Sen‑NeRF进行渲染；S60、截取mesh模型场景目标，完成实景三维目标重建模型Sen‑NeRF的单体化；本发明的有益效果是：能显著提高了NeRF

公开(公告)号：CN116681839A

公开(公告)日：2023-09-01

申请号：CN202310962519.7

申请日：2023-08-02

Applicant: 深圳市森歌数据技术有限公司

Inventor： 叶绍泽 ,  周皓然 ,  孟先进 ,  杨廷栋 ,  陆国峰 ,  余齐 ,  张举冠

IPC: G06T17/00 ,  G06T7/10 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进NeRF的实景三维目标重建与单体化方法，涉及三维建模技术领域；该方法包括以下步骤：S10、获取场景内的多张二维图像；S20、采用SAM全分割模型，对二维图像进行层次性分割；S30、将分割后的对象输入孪生神经网络中完成对象图像的配对；S40、根据图片特征相似度与位姿重叠关系，进行图片优选；S50、以NeRF神经网络作为基础模型，构建基于改进NeRF的实景三维目标重建模型Sen‑NeRF，将获取目标对象的不同角度的分割图件作为标签，结合原始图像的基本信息，通过实景三维目标重建模型Sen‑NeRF进行渲染；S60、截取mesh模型场景目标，完成实景三维目标重建模型Sen‑NeRF的单体化；本发明的有益效果是：能显著提高了NeRF网络的建模精度，实现了三维目标分割。