MVSNet在空间目标三维重建中的应用
摘要
对空间目标进行三维重建能够为在轨服务卫星提供服务对象的结构信息，是提高系统自主性的关键技术。受空间目标的结构对称性以及成像非朗伯特性的影响，传统的重建方法存在特征点匹配错误或特征点匹配不足的问题，重建精度低。针对该问题，提出了一种基于MVSNet深度学习网络实现空间目标三维重建的方法，利用深度学习提取图像高层语义，提高了立体匹配的鲁棒性。首先，基于空间目标的成像特点，分析了模型的几何结构和材质对重建结果的影响，设计了搭建在Blender平台上的空间目标多视图采集系统。然后，基于MVSNet深度学习网络，采用多尺度卷积充分提取了图像的深度特征，并通过编码解码结构融合和规整上下文信息进行了立体匹配，有效解决了传统方法重建卫星的弱纹理、反射、重复纹理等区域时对特征点的高度依赖问题。最后通过残差网络解决了多次卷积造成的边界过平滑问题，进一步提升了重建效果。实验结果表明，所设计的重建模型的平均准确度误差为0.449 mm，平均完整度误差为0.379 mm，误差综合评价为0.414 mm，精度较经典开源软件COLMAP提升了20%。该方法为空间操作自动化提供了技术参考，进一步推动了三维重建在相关领域中的应用。
引用本文（GB/T 7714）
王思启 Wang Siqi, 张家强 Zhang Jiaqiang, 李丽圆 Li Liyuan, 等. MVSNet在空间目标三维重建中的应用[J]. Chinese Journal of Lasers, 2022.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。