[发明专利]一种基于梯度域的纹理映射方法、介质、终端和装置

权利要求书

1.一种基于梯度域的纹理映射方法，其特征在于，包括以下步骤：

步骤1，获取三维模型在对应纹理图视角下的深度图，并计算生成所述深度图对应的亮度图；

步骤2，计算所述纹理图的第一梯度图以及所述亮度图的第二梯度图；

步骤3，选择预设优化算法建立所述纹理图和所述深度图之间位姿估计的误差函数，并根据所述第一梯度图和所述第二梯度图对所述位姿估计进行高斯牛顿迭代优化，求解所述误差函数最小值对应的最优位姿；所述预设优化算法包括基于梯度不变假设的优化算法、基于显著点的优化算法、基于显著点带内参不带畸变的优化算法以及基于显著点带内参及畸变的优化算法中的至少一个；

其中，获取三维模型在对应纹理图视角下的深度图，并生成所述深度图对应的亮度图像，具体包括以下步骤：

S101，将三维模型反投到纹理图对应的视角下，生成所述三维模型的深度图以及所述深度图对应的点云信息和法线信息；

S102，采用预设公式计算深度图对应的亮度图：

I_d＝cos(θ)*I_c+I_m，

其中θ为像素点对应光线方向与法线方向的夹角，I_c为缩放系数，I_m亮度参考值。

2.根据权利要求1所述基于梯度域的纹理映射方法，其特征在于，选择基于梯度不变假设的优化算法建立所述纹理图和所述深度图之间位姿估计的误差函数，并根据所述第一梯度图和所述第二梯度图对所述位姿估计进行高斯牛顿迭代优化，求解所述误差函数最小值对应的最优位姿，具体包括以下步骤：

S301，计算所述第一梯度图I_{t_grad}在x、y方向的梯度dx和dy，并给定相机内参K₀和位姿初始值ξ₀＝I,I为单位阵；

S302，基于梯度不变假设建立所述纹理图和所述亮度图的梯度误差函数如下：

e＝I_{d_grad}(P₁)-I_{t_grad}(P₂)，

其中，P₁和P₂为空间点P的两个像点，(u₁,v₁,1)与(u₂,v₂,1)分别为P₁和P₂点在各自图像中的图像齐次坐标，Z₁为空间点P的深度，Z₂为空间点P通过ξ位姿变换得到的深度，I_{t_grad}为第一梯度图，I_{d_grad}为第二梯度图，K为相机内参；

S303，对于第m次高斯牛顿迭代，通过当前位姿和K₀将第二梯度图对应的点云反投到所述纹理图上，并对所述梯度误差函数关于位姿的第一雅克比矩阵J₁和第一残差r₁进行求解如下：

其中X、Y、Z为空间点P扰动之后点q的坐标，f_x和f_y为相机内参；

S304，根据所述第一雅克比矩阵J₁和所述第一残差r₁计算本次迭代的位姿估计ξ_m，具体计算公式为：J₁^TJ₁ξ＝-J₁r₁；

S305，判断Δξ_m是否小于预设阈值，若是，则停止迭代，并将本次迭代的位姿估计ξ_m输出为最优位姿，若否，则更新对应的参数向量ξ_m+1＝ξ_m+Δξ_m，并返回步骤S303，继续迭代优化过程。