System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內(nèi)的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 无码国产精品一区二区免费式直播,国产精品无码素人福利免费 ,一本色道无码不卡在线观看 
  • 

  • 
<ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>
    

    

    
    
      
    
          
          
    
            
    
                
    
                    
    
                        
    
                            
    基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法和系統(tǒng)技術(shù)方案
    
                            
    技術(shù)編號：42145754 閱讀：18 留言：0更新日期：2024-07-27 00:01
    
                        
    
                        
    
                            
                            本發(fā)明專利技術(shù)提出了基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法和系統(tǒng)。所述基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法包括：收集物聯(lián)網(wǎng)設(shè)備的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息；對收集到的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息進(jìn)行預(yù)處理，獲得預(yù)處理后的數(shù)據(jù)信息；利用所述預(yù)處理后的數(shù)據(jù)信息構(gòu)建NeRF模型并進(jìn)行訓(xùn)練，獲取完成訓(xùn)練的NeRF模型；實(shí)時接收物聯(lián)網(wǎng)設(shè)備的設(shè)備圖像，生成目標(biāo)場景的三維模型。所述系統(tǒng)包括與所述方法步驟對應(yīng)的模塊。
    
                            
                            
    


    
                            

                            
    【技術(shù)實(shí)現(xiàn)步驟摘要】
    
                                
    本專利技術(shù)提出了基于nerf的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法和系統(tǒng)，屬于三維模型構(gòu)建方法。

    技術(shù)介紹
    1、采集物聯(lián)網(wǎng)設(shè)備生成的數(shù)據(jù)信息，工作人員對數(shù)據(jù)進(jìn)行識別，分析和處理生成設(shè)備虛擬三維模型。虛擬模型構(gòu)建流程中，依賴人工參與，無法實(shí)現(xiàn)自動化構(gòu)建；模型構(gòu)建結(jié)果標(biāo)準(zhǔn)化程度不高。

    技術(shù)實(shí)現(xiàn)思路
    1、本專利技術(shù)提供了基于nerf的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法和系統(tǒng)，用以解決上述現(xiàn)有技術(shù)中存在的技術(shù)問題，所采取的技術(shù)方案如下：
    2、基于nerf的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法，所述基于nerf的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法包括：
    3、收集物聯(lián)網(wǎng)設(shè)備的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息；
    4、對收集到的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息進(jìn)行預(yù)處理，獲得預(yù)處理后的數(shù)據(jù)信息；
    5、利用所述預(yù)處理后的數(shù)據(jù)信息構(gòu)建nerf模型并進(jìn)行訓(xùn)練，獲取完成訓(xùn)練的nerf模型；
    6、實(shí)時接收物聯(lián)網(wǎng)設(shè)備的設(shè)備圖像，生成目標(biāo)場景的三維模型。
    7、進(jìn)一步地，收集物聯(lián)網(wǎng)設(shè)備的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息，包括：
    8、使用物聯(lián)網(wǎng)設(shè)備位置上安裝的圖像采集攝像頭按照預(yù)設(shè)的拍攝條件捕獲多張目標(biāo)設(shè)備圖像；
    9、從數(shù)據(jù)庫中調(diào)取目標(biāo)場景的空間信息以及當(dāng)前目標(biāo)場景內(nèi)的物聯(lián)網(wǎng)設(shè)備的位置信息和方向信息；其中，所述目標(biāo)場景的空間信息以及當(dāng)前目標(biāo)場景內(nèi)的物聯(lián)網(wǎng)設(shè)備的位置信息和方向信息即為目標(biāo)場景幾何信息；
    10、將收集到的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息傳輸至服務(wù)器中進(jìn)行存儲。
    11、進(jìn)一步地，對收集到的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息進(jìn)行預(yù)處理，獲得預(yù)處理后的數(shù)據(jù)信息，包括：
    12、對收集到的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息進(jìn)行去噪處理，獲得去噪處理后的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息；
    13、調(diào)取圖像采集攝像頭的圖像采集單元參數(shù)；其中，所述圖像采集單元參數(shù)包括焦距、光圈和曝光時間；
    14、利用所述焦距、光圈和曝光時間獲取第一對比度調(diào)整系數(shù)，其中，所述第一對比度調(diào)整系數(shù)通過如下公式獲?。?/p>
    15、
    16、其中，e01表示第一對比度調(diào)整系數(shù)；n表示目標(biāo)設(shè)備圖像的總數(shù)量；a表示第i張目標(biāo)設(shè)備圖像對應(yīng)的光圈大小；ti表示第i張標(biāo)設(shè)備圖像對應(yīng)的曝光時間；t0表示圖像采集攝像頭的初始曝光時間；fi表示第i張標(biāo)設(shè)備圖像對應(yīng)的焦距；f表示圖像采集攝像頭的初始焦距；
    17、利用所述第一對比度調(diào)整系數(shù)獲取目標(biāo)對比度并對所述去噪處理后的多張目標(biāo)設(shè)備圖像進(jìn)行對比度處理。
    18、進(jìn)一步地，利用所述第一對比度調(diào)整系數(shù)獲取目標(biāo)對比度并對所述去噪處理后的多張目標(biāo)設(shè)備圖像進(jìn)行對比度處理，包括：
    19、調(diào)取每張目標(biāo)設(shè)備圖像中的對比度參數(shù)；
    20、利用所述每張目標(biāo)設(shè)備圖像中的對比度參數(shù)獲取第二對比度調(diào)整系數(shù)；其中，所述第二對比度調(diào)整系數(shù)通過如下公式獲?。?/p>
    21、
    22、其中，e02表示第二對比度調(diào)整系數(shù)；bi表示第i張目標(biāo)設(shè)備圖像對應(yīng)的對比度參數(shù)；b0表示達(dá)到目標(biāo)設(shè)備圖像最低清晰要求對應(yīng)的對比度參數(shù)下限值；
    23、利用所述第一對比度調(diào)整系數(shù)和第二對比度調(diào)整系數(shù)獲取目標(biāo)對比度；其中，所述目標(biāo)對比度通過如下公式獲取：
    24、
    25、其中，b表示每張目標(biāo)設(shè)備圖像對應(yīng)的目標(biāo)對比度；hmin表示每張目標(biāo)設(shè)備圖像中的最亮像素點(diǎn)對應(yīng)的灰度值；hmax表示每張目標(biāo)設(shè)備圖像中的最暗像素點(diǎn)對應(yīng)的灰度值；hmin0和hmax0表示對比度參數(shù)下限值對應(yīng)的最亮像素點(diǎn)對應(yīng)的灰度值和最暗像素點(diǎn)對應(yīng)的灰度值；
    26、按照所述目標(biāo)對比度對每張目標(biāo)設(shè)備圖像進(jìn)行對比度調(diào)整。
    27、進(jìn)一步地，利用所述預(yù)處理后的數(shù)據(jù)信息構(gòu)建nerf模型并進(jìn)行訓(xùn)練，獲取完成訓(xùn)練的nerf模型，包括：
    28、將所述預(yù)處理后的數(shù)據(jù)信息導(dǎo)入nerf模型；
    29、定義損失函數(shù)，其中，所述損失函數(shù)的結(jié)構(gòu)如下：
    30、ltotal_improved(x,y,z,ωx,ωy,ωz,t)＝lcolor(x,y,z,ωx,ωy,ωz)+ldensity(x,y,z,ωx,ωy,ωz)+λ*lillumination(x,y,z,ωx,ωy,ωz,t)
    31、lcolor(x,y,z,ωx,ωy,ωz)＝|r(x,y,z)-cx·ωx-cy·ωy-cz·ωz|2
    32、ldensity(x,y,z,ωx,ωy,ωz)＝|σ-σ(x,y,z)|2
    33、lillumination(x,y,z,ωx,ωy,ωz,t)＝|r(x,y,z,t)-cx·ωx-cy·ωy-cz·ωz|2
    34、其中，r(x,y,z,t)表示實(shí)際在時間t觀察到的顏色，cx、cy、cz表示nerf預(yù)測的顏色，ωx(t)、ωy(t)、ωz(t)是時間t下的觀察方向；λ表示一個平衡因子；
    35、
    36、其中，wc、wd和wu分別表示顏色損失、密度損失和光照損失對應(yīng)的權(quán)重值；mc、md和mu分別表示顏色損失、密度損失和光照損失對應(yīng)的最大值；
    37、設(shè)置所述nerf模型對應(yīng)的訓(xùn)練參數(shù)，其中，所述訓(xùn)練參數(shù)包括學(xué)習(xí)率、批處理大小和訓(xùn)練輪數(shù)；
    38、按照設(shè)置好的損失函數(shù)和訓(xùn)練參數(shù)對所述nerf模型進(jìn)行訓(xùn)練。
    39、基于nerf的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建系統(tǒng)，所述基于nerf的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建系統(tǒng)包括：
    40、信息收集模塊，用于收集物聯(lián)網(wǎng)設(shè)備的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息；
    41、預(yù)處理模塊，用于對收集到的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息進(jìn)行預(yù)處理，獲得預(yù)處理后的數(shù)據(jù)信息；
    42、模型訓(xùn)練模塊，用于利用所述預(yù)處理后的數(shù)據(jù)信息構(gòu)建nerf模型并進(jìn)行訓(xùn)練，獲取完成訓(xùn)練的nerf模型；
    43、三維模型生成模塊，用于實(shí)時接收物聯(lián)網(wǎng)設(shè)備的設(shè)備圖像，生成目標(biāo)場景的三維模型。
    44、進(jìn)一步地，所述信息收集模塊包括：
    45、圖像捕捉模塊，用于使用物聯(lián)網(wǎng)設(shè)備位置上安裝的圖像采集攝像頭按照預(yù)設(shè)的拍攝條件捕獲多張目標(biāo)設(shè)備圖像；
    46、信息調(diào)取模塊，用于從數(shù)據(jù)庫中調(diào)取目標(biāo)場景的空間信息以及當(dāng)前目標(biāo)場景內(nèi)的物聯(lián)網(wǎng)設(shè)備的位置信息和方向信息；其中，所述目標(biāo)場景的空間信息以及當(dāng)前目標(biāo)場景內(nèi)的物聯(lián)網(wǎng)設(shè)備的位置信息和方向信息即為目標(biāo)場景幾何信息；
    47、數(shù)據(jù)存儲模塊，用于將收集到的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息傳輸至服務(wù)器中進(jìn)行存儲。
    48、進(jìn)一步地，所述預(yù)處理模塊包括：
    49、去噪處理模塊，用于對收集到的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息進(jìn)行去噪處理，獲得去噪處理后的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息；
    50、圖像采集單元參數(shù)調(diào)取模塊，用于調(diào)取圖像采集攝像頭的圖像采集單元參數(shù)；其本文檔來自技高網(wǎng)...
                            
    
                            
    【技術(shù)保護(hù)點(diǎn)】
    
                                
    1.基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法，其特征在于，所述基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法包括：
    2.根據(jù)權(quán)利要求1所述基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法，其特征在于，收集物聯(lián)網(wǎng)設(shè)備的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息，包括：
    3.根據(jù)權(quán)利要求1所述基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法，其特征在于，對收集到的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息進(jìn)行預(yù)處理，獲得預(yù)處理后的數(shù)據(jù)信息，包括：
    4.根據(jù)權(quán)利要求3所述基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法，其特征在于，利用所述第一對比度調(diào)整系數(shù)獲取目標(biāo)對比度并對所述去噪處理后的多張目標(biāo)設(shè)備圖像進(jìn)行對比度處理，包括：
    5.根據(jù)權(quán)利要求1所述基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法，其特征在于，利用所述預(yù)處理后的數(shù)據(jù)信息構(gòu)建NeRF模型并進(jìn)行訓(xùn)練，獲取完成訓(xùn)練的NeRF模型，包括：
    6.基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建系統(tǒng)，其特征在于，所述基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建系統(tǒng)包括：
    7.根據(jù)權(quán)利要求6所述基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建系統(tǒng)，其特征在于，所述信息收集模塊包括：
    8.根據(jù)權(quán)利要求6所述基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建系統(tǒng)，其特征在于，所述預(yù)處理模塊包括：
    9.根據(jù)權(quán)利要求8所述基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建系統(tǒng)，其特征在于，所述對比度處理模塊包括：
    10.根據(jù)權(quán)利要求6所述基于NeRF的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建系統(tǒng)，其特征在于，所述模型訓(xùn)練模塊包括：
    ...
                            
    
                            
    【技術(shù)特征摘要】
    
                                
    1.基于nerf的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法，其特征在于，所述基于nerf的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法包括：
    2.根據(jù)權(quán)利要求1所述基于nerf的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法，其特征在于，收集物聯(lián)網(wǎng)設(shè)備的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息，包括：
    3.根據(jù)權(quán)利要求1所述基于nerf的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法，其特征在于，對收集到的多張目標(biāo)設(shè)備圖像和目標(biāo)場景幾何信息進(jìn)行預(yù)處理，獲得預(yù)處理后的數(shù)據(jù)信息，包括：
    4.根據(jù)權(quán)利要求3所述基于nerf的物聯(lián)網(wǎng)設(shè)備三維模型構(gòu)建方法，其特征在于，利用所述第一對比度調(diào)整系數(shù)獲取目標(biāo)對比度并對所述去噪處理后的多張目標(biāo)設(shè)備圖像進(jìn)行對比度處理，包括：
    5.根據(jù)權(quán)利要求1所述基于nerf的物聯(lián)網(wǎng)設(shè)備三維模...
                            
    
                            
    【專利技術(shù)屬性】
    
                                技術(shù)研發(fā)人員：余丹，蘭雨晴，郭亞航，邢智渙，賀江，
    
        申請(專利權(quán))人：慧之安信息技術(shù)股份有限公司，
    
        類型：發(fā)明
    
        國別省市：
    
                            
    
                            
                        
    
                    
    
                    
                    
                     
                
    
                
                
    
                    
    
                        網(wǎng)友詢問留言
                        已有0條評論
                    
    
                    
    
                        
    
                            
      
                                
    • 
                                
						

      還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。
      


                              
                            
    
                            
    
                                 1 

                            
    
                        
    
                        
                        
    
                            
    
                              
                            
    
                            
                        
    
                    
    
                
    
            
    
              
             
          
    
      
    
    
    

    
    
    




  


主站蜘蛛池模板：
无码色AV一二区在线播放|
久久精品亚洲中文字幕无码麻豆
|
亚洲精品无码久久|
亚洲aⅴ天堂av天堂无码麻豆|
亚洲精品自偷自拍无码|
熟妇人妻系列av无码一区二区|
国精品无码一区二区三区在线
|
亚洲AV综合色区无码一二三区
|
亚洲精品无码av人在线观看
|
亚洲高清无码专区视频|
亚洲日韩国产精品无码av|
国产精品一级毛片无码视频|
亚洲av日韩av无码av|
亚洲中文字幕无码久久2017|
国产精品无码一区二区三区在|
无码精品A∨在线观看中文|
国产午夜鲁丝片AV无码免费|
亚洲av无码成人影院一区|
无码av免费一区二区三区试看|
中文无码熟妇人妻AV在线|
免费A级毛片无码久久版|
无码日韩人妻av一区免费|
AV大片在线无码永久免费|
国产AV巨作情欲放纵无码|
亚洲?V无码乱码国产精品|
无翼乌工口肉肉无遮挡无码18|
亚洲熟妇无码一区二区三区
|
午夜寂寞视频无码专区|
亚洲午夜无码久久|
69堂人成无码免费视频果冻传媒|
无码专区AAAAAA免费视频|
国产a级理论片无码老男人|
亚洲AV无码成人精品区在线观看|
伊人久久精品无码av一区|
成在人线av无码免费高潮喷水|
中文字幕丰满乱子无码视频|
国产乱子伦精品无码码专区|
久久精品无码精品免费专区|
国产精品视频一区二区三区无码
|
av中文无码乱人伦在线观看|
国产精品无码AV不卡|