[发明专利]多阶段无监督学习的三维重建方法、装置和电子设备

权利要求书

1.一种多阶段无监督学习的三维重建方法，其特征在于，包括：

对于待重建物体的多视点图像中的任一视点，在前一阶段多视点图像对应的尺度特征图合成的深度图不满足预设条件时，采用当前阶段多视点图像对应的尺度特征图更新所述深度图；

其中，下一阶段多视点图像对应的尺度特征图的分辨率高于前一阶段多视点图像对应的尺度特征图的分辨率；

将所有视点的深度图进行融合确定所述待重建物体的三维点云；

所述在前一阶段多视点图像对应的尺度特征图合成的深度图不满足预设条件时，采用当前阶段多视点图像对应的尺度特征图更新所述深度图，其中，下一阶段多视点图像对应的尺度特征图的分辨率高于前一阶段多视点图像对应的尺度特征图的分辨率，具体包括：

在前一阶段多视点图像对应的前一尺度特征图和前一深度范围确定的前一深度图不满足预设条件时，

基于所述前一深度图确定当前深度范围，基于所述当前深度范围和当前阶段多视点图像对应的当前尺度特征图确定当前深度图；

其中，所述当前尺度特征图的分辨率高于所述前一尺度特征图的分辨率；

所述基于所述前一深度图确定当前深度范围，具体包括：

基于所述前一深度图确定所述任一视点的深度范围；

对所述深度范围进行搜索误差校正，确定当前深度范围；

对应地，用于确定第一阶段的深度图的初始深度范围的确定，具体包括：

基于所述多视点图像确定所述待重建物体在所述任一视点的初始深度范围。

2.根据权利要求1所述的多阶段无监督学习的三维重建方法，其特征在于，所述基于所述当前深度范围和当前阶段多视点图像对应的当前尺度特征图确定当前深度图，具体包括：

对所述当前深度范围进行均匀采样，得到多个深度平面；

在任一深度平面上，通过构建单应变换矩阵，将当前阶段多视点图像对应的当前尺度特征图变换到所述任一深度平面上得到对应变换结果；

将所有深度平面对应变化结果按照深度顺序进行预设规则组合，得到当前深度图。

3.根据权利要求2所述的多阶段无监督学习的三维重建方法，其特征在于，所述将所有深度平面对应变化结果按照深度顺序进行预设规则组合，得到当前深度图，具体包括：

将所有深度平面对应变化结果按照深度顺序进行组合得到3D代价体；

对所述3D代价体进行代价体空间的匹配，确定所述3D代价体中每个区域属于所述待重建物体的概率；

采用所述概率对所述3D代价体对应的深度值进行加权叠加，得到当前深度图。

4.根据权利要求1-3中任一项所述的多阶段无监督学习的三维重建方法，其特征在于，

所述任一阶段多视点图像对应的尺度特征图为从多尺度特征图集合中筛选得到，所述多尺度特征图集合为对采集所述待重建物体的多视点图像均进行同一多尺度特征提取处理后构建的。

5.根据权利要求4所述的多阶段无监督学习的三维重建方法，其特征在于，所述多尺度特征图中的尺度个数为3。