基于图像的三维预测及其在水利枢纽中的应用

摘要

为了解决传统基于图像的三维重建中鲁棒性较差、信息获取效率低下的问题,使用了卷积神经网络(convolutional neural networks,CNN),将基于区域的掩模卷积网络(region-based convolutional network method,Mask R-CNN)和图卷积(graph convolutional network,GCN)联合实现三维重建,其中Mask R-CNN完成二维感知GCN实现三维形状推断,该方法不需要进行特征提取与匹配以及复杂的几何运算。通过实验验证了该方法的可行性,采用倒角距离(chamfer distance)及法向量距离作为评价指标与基线系统进行了比较,实验显示,倒角距离缩小了0.2~2.238,法向量距离增大了10.11~36.03,体现了优异性。以水利枢纽图作为实例进行三维重建,为稀疏信息及实例图的三维建模提供了新的思路。