申请/专利权人:中山大学·深圳;中山大学
申请日:2024-02-27
公开(公告)日:2024-06-11
公开(公告)号:CN118172461A
主分类号:G06T15/00
分类号:G06T15/00;G01C21/00;G06T15/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.28#实质审查的生效;2024.06.11#公开
摘要:本发明涉及计算机视觉的技术领域,提出一种基于NeRF的机器人导航模拟环境构建方法及系统,包括以下步骤:采集若干张真实场景的图像,组成图像集;以符号距离函数的形式表示图像集;对以符号距离函数的形式表示的图像集进行采样操作,得到若干个采样点,计算每个采样点的密度值;基于每个采样点和每个采样点的密度值,生成用于表示真实场景的几何形状的网格;利用NeRF的多层感知器,计算用于表示真实场景的几何形状的网格的每个采样点的RGB值;基于每个采样点的RGB值,对真实场景进行图像重建,得到用于构建机器人导航模拟环境的真实场景的重建图像。
主权项:1.一种基于NeRF的机器人导航模拟环境构建方法,其特征在于,包括以下步骤:采集若干张真实场景的图像,组成图像集;以符号距离函数的形式表示图像集;对以符号距离函数的形式表示的图像集进行采样操作,得到若干个采样点,计算每个采样点的密度值;基于每个采样点和每个采样点的密度值,生成用于表示真实场景的几何形状的网格;利用NeRF的多层感知器,计算用于表示真实场景的几何形状的网格的每个采样点的RGB值;基于每个采样点的RGB值,对真实场景进行图像重建,得到用于构建机器人导航模拟环境的真实场景的重建图像。
全文数据:
权利要求:
百度查询: 中山大学·深圳;中山大学 一种基于NeRF的机器人导航模拟环境构建方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。