在潮平面神经辐射的3D工业和环境重建中,哈希编码和亮度校正
Huilin Ge1, Biao Wang1, Zhiyu Zhu1
1Ocean College, Jiangsu University of Science and Technology, Zhenjiang 212100, China.
Sensors (Basel, Switzerland)
|March 13, 2024
概括
这项研究引入了一种新的方法,可以通过无人机 (UAV) 拍摄潮平面的图像来改进3D重建,即使在恶劣的照明条件下也是如此. 该技术通过使用神经辐射场 (NeRF) 和图像校正来提高工业应用的准确性.
科学领域:
- 地理空间技术是什么?
- 计算机视觉 计算机视觉 计算机视觉
- 这是一种摄影计量技术 (photogrammetry).
背景情况:
- 无人机对于3D环境重建至关重要.
- 潮平面环境为3D重建带来了独特的挑战,原因是由于可变的照明.
- 现有的神经辐射场 (NeRF) 方法与照明不一致性作斗争.
研究的目的:
- 开发一种改进的方法,使用无人机准确地3D重建潮平面.
- 为了提高NeRF在不同照明条件下进行3D场景合成的稳定性.
- 为沿海环境中的工业应用优化NeRF效率.
主要方法:
- 实施了一种使用卷积神经网络 (CNN) 的新亮度校正技术,以解决过度/不足曝光的问题.
- 引入了哈希编码方法,以优化NeRF中的空间位置编码效率.
- 在定制的潮平面数据集和Mip-NeRF 360数据集上验证了方法.
主要成果:
- 拟议的方法有效地减轻了基于无人机的3D重建中的亮度变化.
- 在各种照明场景中,在准确性和效率方面表现出卓越的性能.
- 成功增强了用于潮平面环境的3D场景合成.
结论:
- 这种创新方法显著提高了基于无人机的3D潮平面重建的质量.
- 亮度校正和优化的NeRF为工业应用提供了强大的解决方案.
- 这项工作促进了NeRF在具有挑战性的现实环境中的应用.


