發(fā)布時間：2021-10-25 09:17

　　三維重建是計算機圖形學(xué)領(lǐng)域的經(jīng)典任務(wù),近年來深度學(xué)習(xí)在二維圖像處理中被廣泛應(yīng)用并且取得顯著成果,越來越多的研究者嘗試將深度學(xué)習(xí)在二維圖像處理任務(wù)上的成功復(fù)制到三維重建任務(wù)中,因此基于深度學(xué)習(xí)的三維重建相關(guān)研究也逐漸成為研究熱點。相比需要精密采集設(shè)備和嚴(yán)格標(biāo)定圖像信息的傳統(tǒng)三維重建方法,基于深度學(xué)習(xí)的三維重建方法通過深度神經(jīng)網(wǎng)絡(luò)完成二維圖像到三維模型的匹配,能夠大量地、快速地從普通采集設(shè)備獲取的RGB圖像重建多種類別物體的三維模型。從單一圖像重建高質(zhì)量的三維模型則更具有挑戰(zhàn)性,如何提取圖像特征,恢復(fù)三維模型信息,生成高質(zhì)量的三維模型成為三維重建研究的重點。本文主要研究工作歸納如下:（1）對已有的基于深度學(xué)習(xí)的多種表現(xiàn)形式的三維重建方法進(jìn)行分析和總結(jié):按照基于深度學(xué)習(xí)的三維重建的發(fā)展梳理了三維體素重建、三維點云重建和三維網(wǎng)格重建的國內(nèi)外相關(guān)研究,通過對比和分析三種三維模型表現(xiàn)形式的優(yōu)劣,并根據(jù)研究需要確定將三維點云作為研究對象,另外詳細(xì)分析了目前普遍使用的三維模型數(shù)據(jù)集、數(shù)據(jù)處理方式、評估方法以及應(yīng)用于三維重建的神經(jīng)網(wǎng)絡(luò)中的基礎(chǔ)操作等。（2）提出了基于注意力機制的高密度點云重建方法:針對過... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

Choy等人[8]3d-r2n2網(wǎng)絡(luò)架構(gòu)

合肥工業(yè)大學(xué)學(xué)術(shù)碩士研究生學(xué)位論文4能將用于二維圖像處理的神經(jīng)網(wǎng)絡(luò)架構(gòu)與基礎(chǔ)操作擴展到三維體素的處理中。但三維體素重建的劣勢在于這種簡單的擴展會導(dǎo)致卷積等計算資源出現(xiàn)維度上的增長，因此在有限的計算資源和存儲資源下，重建出的三維體素通常是323這樣的較低分辨率，也就是說重建出的三維體素很難表示較為細(xì)節(jié)的形狀信息。圖1.2Lu等人[13]3D-FHNet網(wǎng)絡(luò)架構(gòu)Fig1.2Networkstructureof3D-FHNetofLuetal.[13]Lu等人[13]提出融合分層重建網(wǎng)絡(luò)，認(rèn)為三維循環(huán)神經(jīng)網(wǎng)絡(luò)在三維體素重建中對多視圖信息的融合隨視圖順序的不同是不穩(wěn)定、不可靠的，因此采用了選取基于視點的最大特征的多視圖特征融合方法以及分層預(yù)測的策略使得神經(jīng)網(wǎng)絡(luò)能夠通過單視圖或者任意多張視圖進(jìn)行三維體素重建，實驗結(jié)果說明當(dāng)視圖數(shù)量增加時，重建結(jié)果也會越來越好。圖1.3Wang等人[14]O-CNN概覽Fig1.3OverviewofO-CNNofWangetal.[14]上述研究受限于三維體素內(nèi)存占用過大以及計算資源消耗過大等原因，大多只重建低分辨率的三維體素，而Wang等人[14]提出基于八叉樹的卷積神經(jīng)網(wǎng)絡(luò)，即將三維體素數(shù)據(jù)組織存儲在八叉樹內(nèi)，同時卷積神經(jīng)網(wǎng)絡(luò)的特征也相應(yīng)的能夠存儲于八叉樹的結(jié)構(gòu)中，而基于八叉樹的卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)存和計算成本隨著八叉樹的深度增加呈平方增長，相對于原始三維體素結(jié)構(gòu)隨體素單位增加呈立方增長

Wang等人[14]O-CNN概覽

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)在基于單幅圖像的物體三維重建中的應(yīng)用[J]. 陳加,張玉麒,宋鵬,魏艷濤,王煜.  自動化學(xué)報. 2019(04)



本文編號：3457100