一种基于神经网络隐式表达的室内建模改进方法

尤桢杰; 王家奎; 熊伦; 余子洋

doi:10.19843/j.cnki.CN42-1779/TQ.202312029

武汉工程大学学报 ›› 2025, Vol. 47 ›› Issue (2) : 202 -209. DOI: 10.19843/j.cnki.CN42-1779/TQ.202312029

一种基于神经网络隐式表达的室内建模改进方法

尤桢杰, 王家奎, 熊伦, 余子洋

作者信息 +

Author information +

文章历史 +

摘要

本文提出一种基于神经网络隐式表达的室内三维重建改进方法，旨在解决仅使用彩色图像进行室内重建时效果不佳的问题。具体步骤包括：通过经典三维重建软件COLMAP获取相机参数和稀疏点云，利用线性特征的映射与定位工具箱LIMAP获取三维线段模型；通过深度估计和法向量估计获取深度信息和法向量信息；最终将深度信息、法向量信息和稀疏点云作为先验信息输入神经辐射场，以提高重建精度。在Scannet公开数据集上的实验结果显示，引入先验信息显著提升了重建效果，F分数达到0.70，峰值信噪比约为24 dB。在Scannet公开数据集和自建数据集上的实验结果表明，该方法有效解决了弱纹理区域的重建缺陷，显著提升了细节重建效果，对虚拟现实和数字建筑应用具有重要意义。