基于门控循环深度范围预测网络的多视角重建

来源：电子测量技术杂志2024年第1期北京时间：

作者：高宇，朱立忠，刘韵婷，刘晓玉

单位：沈阳理工大学自动化与电气工程学院 沈阳 110159

摘要：针对三维重建技术难以处理高分辨率图像、重建后的点云图精度低、边界模糊的问题，本文提出基于门控循环单元的多阶段多尺度动态深度范围预测网络模型。首先，利用曲率引导的动态尺度卷积网络作为特征提取模块，通过计算图像上多个尺度的表面法曲率，得到图像最优像素的特征信息；然后，将精细的特征信息与一种新的深度范围估计模块相结合，动态估计下阶段的深度范围假设，从而更好的合并邻域像素的信息，实现参考图像和源图像之间的精确匹配。本文网络与其他10多种方法进行了比较，在DTU数据集上，整体性能比第2的网络提高2.2%。在Tank&Temple数据集上，Lighthouse、M60和Panther等场景的重建表现都有大幅提升。同时，本文进行了对比和消融实验，实验结果证明本文提出的动态深度预测网络，减小内存消耗的同时，显著提高了重建后点云图的精度和完整度。

关键词：多视角;三维重建;深度估计;点云

基金资助：辽宁省自然科学基金(2022-KF-14-02)、国家重点研发计划（2017YFC0821001-2）、辽宁省教育厅面上项目（LJKMZ20220617）资助