CN113298932A - 一种小行星3d模拟模型立体重建方法 - Google Patents
一种小行星3d模拟模型立体重建方法 Download PDFInfo
- Publication number
- CN113298932A CN113298932A CN202110544538.9A CN202110544538A CN113298932A CN 113298932 A CN113298932 A CN 113298932A CN 202110544538 A CN202110544538 A CN 202110544538A CN 113298932 A CN113298932 A CN 113298932A
- Authority
- CN
- China
- Prior art keywords
- asteroid
- simulation model
- model
- angle
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Abstract
本发明公开了一种小行星3D模拟模型立体重建方法,获取在不同光照角度、不同3D小行星模拟模型的旋转角度下视觉相机采集的3D小行星模拟模型图片,获取在不同条件下的3D小行星模拟模型图片并生成对应mask图片,mask图片进行光度立体重建,计算3D小行星模拟模型的表面反照率和3D小行星模拟模型的表面深度,生成不同角度的光度立体模型maplet,使用ICP特征匹配融合不同角度的3D小行星模拟模型,获得3D小行星模拟模型的多视角光度立体三维模型;本发明模拟生成小行星光度立体三维重建所需数据,解决小行星数据不足的问题,提出融合多角度的光度立体模型maplet,在恢复表面细节的同时可以观察整体结构。
Description
技术领域
本发明涉及一种小行星3D模拟模型立体重建方法,属于计算机视觉技术领域。
背景技术
光度立体重建技术一直以来在工业上用于表面检测,因其对于表面纹理细节检测的敏锐性,利用阴影可方便快速的检测物体表面的缺口或凹痕,近年来也逐渐用于三维重建恢复表面纹理。
虚拟现实技术作为仿真技术的一个重要组成部分,由计算机图形学、计算机仿真技术、人机交互技术、多媒体信息处理技术和信息传感技术等多种技术有机融合,是一种依靠计算机网络与信息传感处理而进行运算的交叉性虚拟技术。
三维重建对于人类探索外太空而言一直是一项非常重要的技术,特别是对于星体的研究。针对小行星的探索一直以来都是我国航天业不断发展的项目,但由于获取小行星图像数据面临着重重困难,导致能够用于小行星三维重建的数据非常有限,一直以来都是小行星三维建模的一个难题。此外,传统的三维重建方法对于表面细节的捕捉不够的问题也一直存在。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种小行星3D模拟模型立体重建方法。
为达到上述目的,本发明提供
一种小行星3D模拟模型立体重建方法,包括:
获取在不同光照角度、不同3D小行星模拟模型的旋转角度下视觉相机采集的3D小行星模拟模型图片;
基于视觉相机采集的3D小行星模拟模型图片生成对应的mask图片;
使用mask图片进行光度立体重建,计算3D小行星模拟模型表面反照率和3D小行星模拟模型表面深度,生成不同角度下的光度立体模型maplet;
获取激光相机采集的不同角度的3D小行星模拟模型的激光点云数据,根据视觉相机和激光相机的相对位姿,将激光点云数据变换到视觉相机每个角度的成像平面,得到对应的稀疏深度图;
稀疏深度图约束真实稠密深度图的全局深度,光度立体模型maplet恢复真实稠密深度图的局部表面,通过拉普拉斯表面变形方法计算稀疏深度图的真实表面,获得视觉相机每个角度下的真实稠密深度图;
将视觉相机每个角度下的真实稠密深度图转换为三维点云,根据各个视角的相对位姿拼接三维点云获得完整的点云模型,对点云模型进行滤波处理,重建完整的模型表面。
优先地,更改光照角度和3D小行星模拟模型的旋转角度,获取在不同光照角度、不同3D小行星模拟模型的旋转角度下视觉相机采集的3D小行星模拟模型图片,包括:
选取不同3D小行星模拟模型的旋转角度,通过视觉相机采集不同3D小行星模拟模型的旋转角度下的3D小行星模拟模型图片;
固定一个3D小行星模拟模型的旋转角度,改变光照角度,通过视觉相机采集不同光照角度下的3D小行星模拟模型图片。
优先地,3D小行星模拟模型旋转角度数量至少为六个;
每个固定的3D小行星模拟模型旋转角度下的光照角度数量至少为三个。
优先地,其特征在于基于3D小行星模拟模型图片生成对应的mask图片,包括:
对不同3D小行星模拟模型旋转角度下的3D小行星模拟模型图片进行二值化,生成mask图片。
优先地,使用mask图片进行光度立体重建,计算3D小行星模拟模型表面反照率和3D小行星模拟模型表面深度,生成不同角度下的光度立体模型maplet,包括:
基于3D小行星模拟模型对应的第k幅mask图片上A点在光度立体模型maplet坐标系下的坐标和该A点的亮度Ik(x),获取该A点的3D小行星模拟模型表面反照率a(x)和该A点的3D小行星模拟模型表面深度;
根据每个角度已知的光源位置、视觉相机位置、光度立体模型maplet上点的表面深度及光度立体模型maplet上点的表面反照率,获得不同角度下的光度立体模型maplet。
优先地,该A点的3D小行星模拟模型表面反照率a(x)的公式为:
3D小行星模拟模型对应的第k幅mask图片上A点在光度立体模型maplet坐标系下的坐标为(x,h),则该A点的亮度Ik(x)与该A点的反照率a(x)之间的公式为:
Ik(x)=Λka(x)R(cosi,cose,α)+Φk,
其中,a(x)是点(x,h)的相对反照率,Λk是光源ds的函数,Φk是正背景项,i是光源相对于点(x,h)表面法线的入射角,e是视觉相机相对于点(x,h)表面法线的发射角,α是光源与视觉相机之间的夹角R(cosi,cose,α),R(cosi,cose,α)是一个光度学角度函数;
计算该A点的3D小行星模拟模型表面深度,包括:
其中,s1、s2和s3为光源单位向量在光度立体模型maplet坐标系下的分量,e1、e2和e3为视觉相机单位向量在光度立体模型maplet坐标系下的分量;
根据每个角度已知的光源位置、视觉相机位置、光度立体模型maplet上点的表面深度及光度立体模型maplet上点的表面反照率,获得不同角度下的光度立体模型maplet。
优先地,使用激光相机获得不同角度的小行星3D模拟模型的激光点云数据,根据视觉相机和激光相机的相对位姿,将激光点云数据变换到对应的视觉相机每个角度的成像平面,得到对应的稀疏深度图,包括:
对视觉相机和激光相机相对位姿进行标定,计算旋转矩阵和平移向量;
根据旋转矩阵和平移向量,将激光点云数据变换到对应的视觉相机每个角度的成像平面,得到对应的稀疏深度图。
优先地,稀疏深度图约束真实稠密深度图的全局深度,光度立体模型maplet恢复真实稠密深度图的局部表面,通过拉普拉斯表面变形方法计算稀疏深度图的真实表面,获得视觉相机每个角度下的真实稠密深度图,包括:
将视觉相机每个角度生成的光度立体模型maplet中满足预先设定的小天体局部真实高度要求的光度立体模型maplet表面表示为拉普拉斯坐标,拉普拉斯坐标代表当前视角下小行星3D模拟模型表面任意一点与任意一点周围相邻点之间的相对高度,同时将满足稀疏深度图作为锚点,使用共轭梯度法的最小二乘方法计算得到该视角下的真实稠密深度图。
本发明所达到的有益效果:
本发明以Unity平台为基础,构造3D小行星模拟模型;基于3D小行星模拟模型进行标记特征,初始化模型、光源和相机位置等参数,更改光照角度和3D小行星模拟模型角度,获取在不同条件下的3D小行星模拟模型图片,生成对应mask图片,使用mask图片进行光度立体重建,计算3D小行星模拟模型的表面反照率和3D小行星模拟模型的表面法向,生成不同角度的光度立体模型maplet,使用ICP特征匹配融合不同角度的3D小行星模拟模型,获得3D小行星模拟模型的多视角光度立体三维模型;本发明使用Unity平台模拟生成小行星光度立体三维重建所需数据,解决小行星数据不足的问题,同时提出融合多角度的光度立体模型maplet,在恢复表面细节的同时可以观察整体结构。
附图说明
图1为本发明的流程图;
图2为本发明生成的mask图;
图3为本发明在一个角度光度立体重建生成的maplet图;
图4为融合后的光度立体模型的示意图;
图5为融合后的光度立体的示意图。
具体实施方式
以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,为本发明的流程图,本实施例中,3D小行星模拟模型为模拟小行星模型。SPC英文全称为StereoPhotoclinometray,中文含义为光度学方法。本发明以现有技术中的Unity平台为执行主体,在Unity平台上进行下述方法。
一种小行星3D模拟模型立体重建方法,包括:
(1)以Unity平台为基础,新建3D小行星模拟模型;
(2)初始化3D小行星模拟模型的位置、光源位置、视觉相机位置和激光相机位置;
(3)更改光照角度和3D小行星模拟模型的旋转角度,获取在不同光照角度、不同3D小行星模拟模型的旋转角度下视觉相机采集的3D小行星模拟模型图片;
(4)视觉相机采集的3D小行星模拟模型图片生成对应的mask图片;
(5)使用上述mask图片进行光度立体重建,计算3D小行星模拟模型表面反照率和3D小行星模拟模型表面深度,生成不同角度下的光度立体模型maplet;
(6)激光相机获得不同角度的激光点云数据,根据视觉相机和激光相机的相对位姿,将激光点云数据变换到SPC视角的成像平面,得到对应的稀疏深度图;
(7)基于稀疏深度图约束真实稠密深度图的全局深度,光度立体模型maplet恢复真实稠密深度图的局部表面,通过拉普拉斯表面变形方法计算稀疏深度图的真实表面,获得视觉相机每个角度下的真实稠密深度图;
(8)将视觉相机每个角度下的真实稠密深度图转换为三维点云,根据各个视角的相对位姿拼接三维点云获得完整的点云模型,对点云模型进行滤波处理,重建完整的模型表面。
进一步的,本实施例中(2)初始化3D小行星模拟模型的位置、光源位置、视觉相机位置和激光相机位置,包括:
光源为点光源,设置位置为(0,0,20);视觉相机位置设置为(0,0,5),确保3D小行星模拟模型的中心位置、光源的中心位置和视觉相机的中心位置三者在一条直线上;视觉相机视场设置为60,确保视场能容纳3D小行星模拟模型;激光相机位置与视觉相机一致。
进一步的,本实施例中(3)更改光照角度和3D小行星模拟模型的旋转角度,获取在不同光照角度、不同3D小行星模拟模型的旋转角度下视觉相机采集的3D小行星模拟模型图片,包括:
31)选取不同3D小行星模拟模型的旋转角度,3D小行星模拟模型旋转相应的旋转角度,获取不同3D小行星模拟模型的旋转角度下完整的3D小行星模拟模型的模型图片;
32)固定一个3D小行星模拟模型的旋转角度,改变光照角度并且视觉相机采集相应的3D小行星模拟模型图片。
进一步的,本实施例中3D小行星模拟模型旋转角度数量至少为六个,针对每个3D小行星模拟模型旋转角度均分别运行一次步骤31);
每个固定的3D小行星模拟模型旋转角度下的光照角度数量至少为三个,针对每个固定的3D小行星模拟模型旋转角度下的光照角度分别运行一次步骤32)。
进一步的,本实施例中(4)3D小行星模拟模型图片生成对应的mask图片,包括:
对不同3D小行星模拟模型旋转角度下完整的3D小行星模拟模型图片进行二值化,生成mask图片。
进一步的,本实施例中(5)使用上述mask图片进行光度立体重建,计算3D小行星模拟模型表面反照率和3D小行星模拟模型表面深度,生成不同角度下的光度立体模型maplet,包括:
使用mask图片进行光度立体重建,计算3D小行星模拟模型表面反照率和3D小行星模拟模型表面深度,生成不同角度下的光度立体模型maplet,包括:
基于3D小行星模拟模型对应的第k幅mask图片上A点在光度立体模型maplet坐标系下的坐标和该A点的亮度Ik(x),获取该A点的3D小行星模拟模型表面反照率a(x)和该A点的3D小行星模拟模型表面深度;
根据每个角度已知的光源位置、视觉相机位置、光度立体模型maplet上点的表面深度及光度立体模型maplet上点的表面反照率,获得不同角度下的光度立体模型maplet。
该A点的3D小行星模拟模型表面反照率a(x)的公式为:
51)3D小行星模拟模型对应的第k幅mask图片上A点在光度立体模型maplet坐标系下的坐标为(x,h),该A点的亮度Ik(x)与该A点的反照率a(x)之间的公式为:
Ik(x)=Λka(x)R(cosi,cose,α)+Φk,
其中,a(x)是点(x,h)的相对反照率,Λk是光源ds的函数,Φk是正背景项,i是光源相对于点(x,h)表面法线的入射角,e是视觉相机相对于点(x,h)表面法线的发射角,α是光源与视觉相机之间的夹角R(cosi,cose,α),R(cosi,cose,α)是一个光度学角度函数;
计算该A点的3D小行星模拟模型表面深度,包括:
其中,s1、s2和s3为光源单位向量在光度立体模型maplet坐标系下的分量,e1、e2和e3为视觉相机单位向量在光度立体模型maplet坐标系下的分量;
根据每个角度已知的光源位置、视觉相机位置、光度立体模型maplet上点的表面深度及光度立体模型maplet上点的表面反照率,构建不同角度下的光度立体模型maplet。
进一步的,本实施例中(6)生成不同角度的小行星3D模拟模型的激光点云数据,根据视觉相机和激光相机的相对位姿,将激光点云数据变换到对应的视觉相机角度的成像平面,得到对应的稀疏深度图,包括:
61)对视觉相机和激光相机相对位姿进行标定,计算旋转矩阵和平移向量;
62)根据旋转矩阵和平移向量,将激光点云数据变换到对应的视觉相机角度的成像平面,得到对应的稀疏深度图。步骤62)上述计算过程属于现有技术,本发明方法不再具体阐述。
进一步的,本实施例中(7)稀疏深度图约束稠密图的全局深度,光度立体模型maplet恢复稠密图的局部表面,通过拉普拉斯表面变形方法计算稀疏深度图的真实表面,获得视觉相机每个角度下的真实稠密深度图,包括:
将视觉相机每个角度生成的光度立体模型maplet中满足预先设定的小天体局部真实高度要求的光度立体模型maplet表面表示为拉普拉斯坐标,拉普拉斯坐标代表当前视角下小行星3D模拟模型表面任意一点与任意一点周围相邻点之间的相对高度,同时将满足稀疏深度图作为锚点,使用共轭梯度法的最小二乘方法计算得到该视角下的真实稠密深度图;最终效果如图5所示。
计算旋转矩阵和平移向量这一步骤属于现有技术,本发明方法不再详细阐述。
根据旋转矩阵和平移向量,将激光点云数据变换到SPC视角的成像平面,得到对应的稀疏深度图,这一步骤属于现有技术,本发明方法不再详细阐述。使用共轭梯度法的最小二乘方法计算得到该视角下的真实稠密深度图这一步骤属于现有技术,本发明方法不再详细阐述。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种小行星3D模拟模型立体重建方法,其特征在于,包括:
获取在不同光照角度、不同3D小行星模拟模型的旋转角度下视觉相机采集的3D小行星模拟模型图片;
基于视觉相机采集的3D小行星模拟模型图片生成对应的mask图片;
使用mask图片进行光度立体重建,计算3D小行星模拟模型表面反照率和3D小行星模拟模型表面深度,生成不同角度下的光度立体模型maplet;
获取激光相机采集的不同角度的3D小行星模拟模型的激光点云数据,根据视觉相机和激光相机的相对位姿,将激光点云数据变换到视觉相机每个角度的成像平面,得到对应的稀疏深度图;
稀疏深度图约束真实稠密深度图的全局深度,光度立体模型maplet恢复真实稠密深度图的局部表面,通过拉普拉斯表面变形方法计算稀疏深度图的真实表面,获得视觉相机每个角度下的真实稠密深度图;
将视觉相机每个角度下的真实稠密深度图转换为三维点云,根据各个视角的相对位姿拼接三维点云获得完整的点云模型,对点云模型进行滤波处理,重建完整的模型表面。
2.根据权利要求1所述的一种小行星3D模拟模型立体重建方法,其特征在于,
获取在不同光照角度、不同3D小行星模拟模型的旋转角度下视觉相机采集的3D小行星模拟模型图片,包括:
选取不同3D小行星模拟模型的旋转角度,通过视觉相机采集不同3D小行星模拟模型的旋转角度下的3D小行星模拟模型图片;
固定一个3D小行星模拟模型的旋转角度,改变光照角度,通过视觉相机采集不同光照角度下的3D小行星模拟模型图片。
3.根据权利要求2所述的一种小行星3D模拟模型立体重建方法,其特征在于,
3D小行星模拟模型旋转角度数量至少为六个;
每个固定的3D小行星模拟模型旋转角度下的光照角度数量至少为三个。
4.根据权利要求2所述的一种小行星3D模拟模型立体重建方法,其特征在于基于3D小行星模拟模型图片生成对应的mask图片,包括:
对不同3D小行星模拟模型旋转角度下的3D小行星模拟模型图片进行二值化,生成mask图片。
5.根据权利要求4所述的一种小行星3D模拟模型立体重建方法,其特征在于,
使用mask图片进行光度立体重建,计算3D小行星模拟模型表面反照率和3D小行星模拟模型表面深度,生成不同角度下的光度立体模型maplet,包括:
基于3D小行星模拟模型对应的第k幅mask图片上A点在光度立体模型maplet坐标系下的坐标和该A点的亮度Ik(x),获取该A点的3D小行星模拟模型表面反照率a(x)和该A点的3D小行星模拟模型表面深度;
根据每个角度已知的光源位置、视觉相机位置、光度立体模型maplet上点的表面深度及光度立体模型maplet上点的表面反照率,获得不同角度下的光度立体模型maplet。
6.根据权利要求5所述的一种小行星3D模拟模型立体重建方法,其特征在于,
A点的亮度Ik(x)与该A点的反照率a(x)之间的公式为:
Ik(x)=Λka(x)R(cosi,cose,α)+Φk,
其中,a(x)是点(x,h)的相对反照率,Λk是光源ds的函数,Φk是正背景项,i是光源相对于点(x,h)表面法线的入射角,e是视觉相机相对于点(x,h)表面法线的发射角,α是光源与视觉相机之间的夹角R(cosi,cose,α),R(cosi,cose,α)是一个光度学角度函数;
(x,h)为3D小行星模拟模型对应的第k幅mask图片上A点在光度立体模型maplet坐标系下的坐标;
计算该A点的3D小行星模拟模型表面深度,包括:
其中,s1、s2和s3为光源单位向量在光度立体模型maplet坐标系下的分量,e1、e2和e3为视觉相机单位向量在光度立体模型maplet坐标系下的分量。
7.根据权利要求1所述的一种小行星3D模拟模型立体重建方法,其特征在于,
使用激光相机获得不同角度的小行星3D模拟模型的激光点云数据,根据视觉相机和激光相机的相对位姿,将激光点云数据变换到对应的视觉相机每个角度的成像平面,得到对应的稀疏深度图,包括:
对视觉相机和激光相机相对位姿进行标定,计算旋转矩阵和平移向量;
根据旋转矩阵和平移向量,将激光点云数据变换到对应的视觉相机每个角度的成像平面,得到对应的稀疏深度图。
8.根据权利要求7所述的一种小行星3D模拟模型立体重建方法,其特征在于,
稀疏深度图约束真实稠密深度图的全局深度,光度立体模型maplet恢复真实稠密深度图的局部表面,通过拉普拉斯表面变形方法计算稀疏深度图的真实表面,获得视觉相机每个角度下的真实稠密深度图,包括:
将视觉相机每个角度生成的光度立体模型maplet中满足预先设定的小天体局部真实高度要求的光度立体模型maplet表面表示为拉普拉斯坐标,拉普拉斯坐标代表当前视角下小行星3D模拟模型表面任意一点与任意一点周围相邻点之间的相对高度,同时将满足稀疏深度图作为锚点,使用共轭梯度法的最小二乘方法计算得到该视角下的真实稠密深度图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110544538.9A CN113298932B (zh) | 2021-05-19 | 2021-05-19 | 一种小行星3d模拟模型立体重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110544538.9A CN113298932B (zh) | 2021-05-19 | 2021-05-19 | 一种小行星3d模拟模型立体重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113298932A true CN113298932A (zh) | 2021-08-24 |
CN113298932B CN113298932B (zh) | 2022-08-30 |
Family
ID=77322745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110544538.9A Active CN113298932B (zh) | 2021-05-19 | 2021-05-19 | 一种小行星3d模拟模型立体重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298932B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111009007A (zh) * | 2019-11-20 | 2020-04-14 | 华南理工大学 | 一种指部多特征全面三维重建方法 |
CN112132972A (zh) * | 2020-09-29 | 2020-12-25 | 凌美芯(北京)科技有限责任公司 | 一种激光与图像数据融合的三维重建方法及系统 |
-
2021
- 2021-05-19 CN CN202110544538.9A patent/CN113298932B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111009007A (zh) * | 2019-11-20 | 2020-04-14 | 华南理工大学 | 一种指部多特征全面三维重建方法 |
CN112132972A (zh) * | 2020-09-29 | 2020-12-25 | 凌美芯(北京)科技有限责任公司 | 一种激光与图像数据融合的三维重建方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113298932B (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292965B (zh) | 一种基于深度图像数据流的虚实遮挡处理方法 | |
Pan et al. | ProFORMA: Probabilistic Feature-based On-line Rapid Model Acquisition. | |
CN107341853B (zh) | 超大虚拟场景和动态摄屏的虚实融合方法及系统 | |
Pollefeys et al. | From images to 3D models | |
US9208607B2 (en) | Apparatus and method of producing 3D model | |
CN109035327B (zh) | 基于深度学习的全景相机姿态估计方法 | |
KR20130138247A (ko) | 신속 3d 모델링 | |
JP2003187265A (ja) | 画像処理装置 | |
CN112651881B (zh) | 图像合成方法、装置、设备、存储介质以及程序产品 | |
KR100834157B1 (ko) | 영상 합성을 위한 조명환경 재구성 방법 및 프로그램이기록된 기록매체 | |
Poullis et al. | Photorealistic large-scale urban city model reconstruction | |
CN113345063B (zh) | 基于深度学习的pbr三维重建方法、系统与计算机存储介质 | |
CN113012293A (zh) | 石刻模型构建方法、装置、设备及存储介质 | |
Pagani et al. | Dense 3D Point Cloud Generation from Multiple High-resolution Spherical Images. | |
CN108010122B (zh) | 一种人体三维模型重建与测量的方法及系统 | |
Lee et al. | Interactive 3D building modeling using a hierarchical representation | |
Ying et al. | Synthetic image data generation using bim and computer graphics for building scene understanding | |
CN116822100B (zh) | 一种数字孪生建模方法及其仿真试验系统 | |
Krispel et al. | Automatic texture and orthophoto generation from registered panoramic views | |
Frommholz et al. | Reconstructing buildings with discontinuities and roof overhangs from oblique aerial imagery | |
CN113298932B (zh) | 一种小行星3d模拟模型立体重建方法 | |
Jacquet et al. | Real-world normal map capture for nearly flat reflective surfaces | |
JP2832463B2 (ja) | 3次元モデルの再構成方法および表示方法 | |
JP2010243478A (ja) | 環境内の3d物体の3d姿勢を推定する方法及び装置 | |
Wang et al. | What can we learn about the scene structure from three orthogonal vanishing points in images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |