首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于BIM模型深度信息的NeRF模型优化及渲染方法 

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:武汉光谷信息技术股份有限公司;移动广播与信息服务产业创新研究院(武汉)有限公司

摘要:本发明提出了一种基于BIM模型深度信息的NeRF模型优化及渲染方法,属于三维重建领域,包括:S1、设置BIM模型在世界坐标系下的位姿,并设置相机位姿;S2、根据相机位姿生成当前位姿的相机影像,利用相机影像和射线采样点方法基于BIM模型的深度信息进行建模,生成基于BIM模型深度信息的NeRF模型;S3、使用多模型积分融合的渲染策略对基于BIM模型深度信息的NeRF模型进行渲染,生成融合影像。本申请通过利用BIM模型的深度信息辅助NeRF模型进行建模,并采用多模型积分融合的渲染策略对基于BIM模型深度信息的NeRF模型进行渲染,在保证渲染质量的同时,也兼顾了渲染的计算效率。

主权项:1.一种基于BIM模型深度信息的NeRF模型优化及渲染方法,其特征在于,包括以下步骤:S1、设置BIM模型在世界坐标系下的位姿,并根据BIM模型在世界坐标系下的位姿设置相机位姿;S2、根据相机位姿生成当前位姿的相机影像,利用当前位姿的相机影像和射线采样点方法基于BIM模型的深度信息进行建模,生成基于BIM模型深度信息的NeRF模型;S3、使用多模型积分融合的渲染策略对基于BIM模型深度信息的NeRF模型进行渲染,生成当前相机位姿的融合影像;步骤S2具体包括:S21、根据相机位姿获取当前位姿的相机影像,并获取相机参数和多个BIM模型的深度信息;S22、使用射线采样点方法对当前位姿的相机影像进行第一次采样,得到相机影像的若干射线;其中,每条射线上设有若干采样点;S23、根据当前位姿的相机影像生成标准NeRF模型的网络结构,并初始化标准NeRF模型的网络参数;S24、根据当前位姿的相机影像、采样点和BIM模型的深度信息构建联合损失函数;S25、基于联合损失函数进行建模,生成多个基于BIM模型深度信息的NeRF模型;步骤S24具体包括:S241、根据当前位姿的相机影像和采样点,使用L2损失计算相机影像的颜色损失项;S242、利用BIM模型的深度信息计算相机影像的深度损失项;S243、根据所述颜色损失项和深度损失项构建联合损失函数;所述深度损失项的计算公式如下: ; ; ;其中,表示第r条射线的深度损失项,K表示一条射线上采样点的数量,表示权重,i表示第i个采样点,表示第r条射线上所有采样点的标准方差,表示第r条射线上所有采样点的目标深度,表示第r条射线上所有采样点的预测标准方差,表示第r条射线上所有采样点的预测深度,表示采样点位置。

全文数据:

权利要求:

百度查询: 武汉光谷信息技术股份有限公司 移动广播与信息服务产业创新研究院(武汉)有限公司 基于BIM模型深度信息的NeRF模型优化及渲染方法

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。

相关技术
相关技术
相关技术