基于结构光相机与隐式表面重建的室内建模

摘要

深度相机在室内建模领域中以其快速、精准、鲁棒的特性而备受青睐。然而，在实际应用中，深度相机在获取精准深度信息时面临诸多挑战，如环境光干扰、点云噪声众多以及深度缺值。针对上述问题，提出了一种新型的结构光神经隐式表面（SL-NeuS）重建方法。通过结合广泛的三维重建技术，包括多目立体视觉（MVS）、神经网络、神经辐射场和神经隐式表面（NeuS），克服了现有技术在室内建模中的局限性。特别地，利用基于可微分循环优化启发设计的同步定位和建图（DROID-SLAM）算法精确获取相机外参，并结合单目深度估计和单目法向估计先验信息，有效地实现了精确的室内三维建模。实验结果显示，SL-NeuS重建方法在不同深度相机的性能分析中表现优越，成功降低了环境光影响和光学失真对建模精度的干扰。应用该方法对各种室内场景进行建模，误差可控制在极小范围内，实现了高精度的室内三维重建。本方法不仅提高了室内建模的准确性，还大幅减少了训练时间，为数字建筑和数字导航等领域提供了重要的技术支持。

关键词

室内建模 / 结构光 / 神经隐式表面 / 三维重建

基金资助

国家自然科学基金（91963207）