买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国海洋大学

摘要：本发明提供了一种基于神经辐射场的流体重建方法,针对流体重建任务，改进现有先进的神经辐射场方法，提出基于稀疏视角的复合场景表达模型。通过引入强物理约束，时序一致性约束等，实现针对不同特性的流体密度场、速度场重建方法。通过本发明的技术方案，能够利用简易的设备搭建在通用场景下捕获并重建流体，在降低成本和提高灵活性的同时保证重建质量。重建出的流体密度及速度物理信息可进一步用于三维建模、流体动力学分析等领域。

主权项：1.一种基于神经辐射场的流体重建方法，其特征在于，具体包括以下步骤：步骤S1、系统标定与标定精度评估，具体包括以下步骤：步骤S1-1、将若干台相机沿水平弧线等间距排列，每台相机之间的夹角均匀分布；相机阵列的弧线中心对准目标物体，确保所有相机在同一水平面上，且距离目标物体的距离相等；目标物体位于弧线的焦点处，首先放置黑白棋盘格板子进行系统标定；步骤S1-2、针对步骤S1-1获得的多视角图像序列，进行相机参数标定：首先通过检测算法获取每个相机中所有黑白格子交点的像素坐标；已知棋盘格的每个格子的物理尺寸，在世界坐标系中表示这些交点的实际坐标，其中；利用相机坐标系和世界坐标系中的对应点，通过直接线性变换估计相机的外部参数，即旋转矩阵R和平移向量t；使用针孔相机模型，将世界坐标系中的点投影到图像平面上，并估计相机的内部参数，包括焦距f、主点坐标、倾斜系数、以及畸变系数；步骤S1-3、通过计算重投影误差的方式对步骤S1-2系统标定的准确性进行定量评估，任选一个相机，将世界坐标系中的交点通过估计的相机参数投影到图像平面，得到估计的像素坐标： 计算实际交点像素坐标与估计坐标之间的误差，并计算所有交点的平均重投影误差： ；步骤S2、流体重建与三维特征分析，具体包括以下步骤：步骤S2-1、采集稀疏多视角图像序列并基于步骤S1-2得到的相机参数生成场景配置文件：将放置的黑白棋盘格板换位流体发射装置，拍摄多个视角的流体运动序列图片；将标定的相机参数，流体场场景参数填入json配置文件；步骤S2-2、用步骤S2-1获得的多视角图像序列与配置文件，结合提出的神经辐射场模型进行训练；具体包括以下步骤：步骤S2-2-1、建立一个针对流体的神经辐射场模型，其中包括3分量分别描述场景中的静态颜色密度场，动态颜色密度场与动态速度场: 其中代表空间3D点的颜色属性；代表空间3D点的密度属性；代表空间3D点的速度属性；（x，y，z）描述3D的坐标，t代表时间戳；步骤S2-2-2、基于以上构建的神经辐射场模型，用每个相机的每一帧图片进行训练，在图片中采样1024条射线，依据配置文件中的相机位姿，将射线转为世界坐标系下的表示形式，并在每条射线上依据场景配置采样N个3D空间点，将采样点坐标与时间戳输入3个构建的辐射场模型，得到预测的分量；步骤S2-2-3、基于步骤S2-2-2得到的结果，用体渲染公式对每条射线的分量进行积分，用分量对静态，动态密度场分量整合： 其中： 步骤S2-2-4、对模型预测结果进行损失函数构建进行模型训练；具体包括以下步骤：步骤S2-2-4-1、对步骤S2-2-3得到重建的射线颜色，与拍摄的像素颜色构建渲染颜色损失图像多尺度感知损失： 步骤S2-2-4-2、对步骤S2-2-1得到的分量构建Navier-Stokes物理先验损失，使得模型学习符合物理运动规律的密度速度场表达： 步骤S2-2-4-3、对步骤S2-2-1得到的分量构建帧间密度速度扭转损失，使得模型学习时序一致的密度速度场表达： 其中代表基于当前密度，速度的扭转运算，将t时刻的密度场，速度场扭转获得t+1时刻的密度场；步骤S2-2-4-4、对步骤S2-2-1得到的分量构建正则化约束，限制空间3D点只由静态辐射场或动态辐射场表示，并添加倾斜参数k来使正则项对动态辐射场惩罚更大，在训练中动态调整该参数，使训练初期更优先学习静态辐射场表示，后续迭代中逐步学习动态辐射场表达： ；步骤S2-3、训练完成的模型可用于渲染该流体场景任意给定视角与时间戳的图像，同时可获得对应的3D空间密度场，速度场数据，进而用于该流体场景的特征数据分析。

全文数据：

权利要求：

百度查询： 中国海洋大学 一种基于神经辐射场的流体重建方法