| 摘要:受光照变化和纹理缺乏等因素的影响，基于单幅室内场景图像的像素级和区域级三维重建算法很难恢复场景结构细节。本文提出了一种基于空洞卷积残差连接和多尺度特征融合网络的分段平面三维重建算法。该算法通过融合利用加入空洞卷积的ResNet-101网络产生的浅层高分辨率细节特征，从而减小随着网络结构的层次加深导致空间信息的丢失对三维重建细节的影响，使模型能够学习单幅图像中室内复杂场景的细节特征，并通过将全连接条件随机场优化的定位精度与深度卷积神经网络的识别能力相耦合，更好地处理了边界定位问题。实验结果表明，本文算法对复杂背景的室内场景的平面预测鲁棒性强，平面分割结果准确，且深度预测精度平均可达到92.27%。 |
| 关键词: 室内场景三维重建、深度卷积神经网络、条件随机场、空洞卷积、多尺度特征融合 |
|
|
|
|
| Abstract: |
| Key words: |