基于单视图稀疏点的汽车三维模型重建

摘要：

基于深度学习的图像识别模型训练需要大量数据,而不同角度的汽车视图数据难以在短时间内收集,为此提出一种利用单视图稀疏点的汽车三维模型重建方法,依靠少量数据也能得到精确的结果.创建了包含3 000多张不同汽车品牌的多视角二维汽车图形数据集,并在 TensorFlow 框架下搭建了基于 MobileNet V2网络和迁移学习的汽车视图角度识别系统,其结果能够进一步用于快速的模型匹配及重建;根据创建的汽车三维线框模型库以及二维关键点和三维模型的映射关系,利用带约束的最小二乘法求出模型库中不同模型对于重建的贡献量系数,直接由二维图片上稀疏的 25 个关键点生成三维模型.误差分析结果显示,重建的三维车身模型具有较高精度.

关键词：三维模型重建、汽车造型、图像识别、单视图、稀疏点、MobileNet V2、迁移学习

所属期刊栏目：46

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金51905389

在线出版日期：2023-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：296-302