[发明专利]一种三维模型表面法向量估计方法及装置

说明书

本发明涉及一种基于多向动态规划和迭代多项式插值的三维模型表面法向量估计方法及装置，其中方法包括：基于平滑能量转移方程定义每个像素点的平滑度能量函数和状态转移变量，并基于深度及其梯度信息初始化能量函数和状态转移变量；基于路径平滑范数计算状态转移变量，判断是否引入邻域点来完成当前点的法向量估计；定义迭代多项式插值算法以及迭代梯度更新方程；针对多个方向的邻域点，基于迭代梯度更新方程，使用动态规划方法完成深度梯度的迭代优化更新；基于深度梯度，利用向量叉乘方法估计得到三维法向量。与现有技术相比，本发明具有估计精度高等优点。

技术领域

本发明涉及计算机视觉领域，尤其是涉及一种基于多向动态规划和迭代多项式插值的三维模型表面法向量估计方法及装置。

背景技术

基于多向动态规划和迭代多项式插值的表面法向量估计技术旨在利用结构化深度数据，生成3D物体表面法向量的精确估计，是三维场景理解、语义分割等计算机视觉领域的关键问题，对于辅助三维场景理解、提升语义分割网络精度、以及反向优化深度估计等应用场景都有着重要的意义。

在相关技术中，现有表面法向量估计方法存在着若干缺陷：

现有的基于优化的方法：例如PlaneSVD、PlanePCA、VectorSVD、QuadSVD等方法，以高精度的激光传感器采集高精度的点云数据，进而对三维点云数据利用各种优化方法拟合局部平面。该方法思路较为清晰简单，但实时性较差，同时高密度的点云处理会造成很大的计算开销，不利于在生产、生活中的大规模推广和应用，也无法应用在实时机器人导航等领域。

现有的基于均值滤波的方法：例如AreaWeighted和AngleWeighted方法，其通过为待求点的邻域点赋予不同权值比重，利用邻域点法向量对当前待估点法向量进行加权估计。本方法同样具有较大的计算时间开销，同时，由于边缘处不同邻域点法向量悬殊较大，会引入很大的估计噪声，导致边缘处法向量估计精度性能较差。

现有的端到端估计的方法：例如3F2N等，其借助法向量和结构化深度数据的内在几何关联，利用两个梯度滤波器和一个集中趋势测量滤波器，可以直接从深度图或视差图中端到端地推算出三维法向量信息。然而，在三维物体表面的不连续区域(前后遮挡、边缘、脊)，该法向量估计器的精度不甚理想，因为其通常会错误地引入不同表面上相邻的3D点。

发明内容

本发明的目的就是为了提供一种基于多向动态规划和迭代多项式插值的三维模型表面法向量估计方法及装置，在一定的计算复杂度条件下提高三维模型表面法向量估计的精确度。

本发明的目的可以通过以下技术方案来实现：

一种基于多向动态规划和迭代多项式插值的三维模型表面法向量估计方法，包括以下步骤：

S1、基于平滑能量转移方程定义每个像素点的平滑度能量函数和状态转移变量，并基于深度及其梯度信息初始化能量函数和状态转移变量；

S2、基于路径平滑范数计算状态转移变量，判断是否引入邻域点来完成当前点的法向量估计；

S3、定义迭代多项式插值算法以及迭代梯度更新方程；

S4、针对多个方向的邻域点，基于迭代梯度更新方程，使用动态规划方法完成深度梯度的迭代优化更新；

S5、基于深度梯度，利用向量叉乘方法估计得到三维法向量。

所述平滑度能量函数为：

其中，为平滑能量转移方程，k代表当前迭代的次数，E表示平滑度能量函数，E＝[E_u,E_v]，E_u表示水平路径的平滑度能量函数，E_v表示垂直路径的平滑度能量函数，S为状态转移变量。

所述状态转移变量为：