(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211020174.5 (22)申请日 2022.08.24 (71)申请人 珠海赛纳三维科技有限公司 地址 519000 广东省珠海市横琴新区宝华 路6号105室-60088(集中办公区) (72)发明人 陈保全　阎昊　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 屈蓓　臧建明 (51)Int.Cl. G06T 17/00(2006.01) G06T 7/11(2017.01) G06T 7/33(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 三维模型构建方法、 装置、 设备及存 储介质 (57)摘要 本申请提供一种三维模型构建方法、 装置、 设备及存储介质。 该方法包括： 对各原始图像进 行图像识别， 以确定各原始图像中目标对象对应 的目标区域； 基于所述目标对象对应的目标区域 对各原始图像进行图像分割， 获得仅包含目标对 象的目标图像； 确定各目标图像对应的特征点的 特征信息， 基于所述特征信息确定至少一个目标 图像对应的特征点匹配的特征点； 根据所述至少 一个目标图像对应的特征点的特征信息及所述 匹配的特征点的特征信息构建对应的点云模型， 并根据所述点云模型构建对应的三维模型。 本申 请的方法， 避免了背景信息对模 型构建过程的影 响， 能够提高模型构建的精度。 权利要求书3页 说明书16页 附图5页 CN 115409938 A 2022.11.29 CN 115409938 A 1.一种三维模型构建方法， 其特 征在于， 所述方法包括： 获取多个原始图像， 对各原始图像进行图像识别， 以确定各原始图像中目标对象对应 的目标区域； 基于所述目标对象对应的目标区域对各原始图像进行图像分割， 获得仅包含目标对象 的目标图像； 确定各目标图像对应的特征点的特征信 息， 基于所述特征信 息确定至少一个目标图像 对应的特 征点匹配的特 征点； 根据所述至少一个目标图像对应的特征点的特征信息及所述匹配的特征点的特征信 息构建对应的点云模型， 并根据所述 点云模型构建对应的三维模型。 2.根据权利要求1所述的方法， 其特征在于， 所述对各原始图像进行图像识别， 以确定 各原始图像中目标对象对应的目标区域， 包括： 依次将原始图像输入至预设识别模型中， 以通过所述预设识别模型获得所述原始图像 对应的建模 对象的识别结果； 从所述建模对象的识别结果中选择目标对象， 并将各原始图像中所述目标对象所在区 域确定为原 始图像中目标对象对应的目标区域。 3.根据权利要求1所述的方法， 其特征在于， 所述对各原始图像进行图像识别， 以确定 各原始图像中目标对象对应的目标区域， 包括： 依次将原始图像输入至预设识别模型中， 以通过所述预设识别模型获得所述原始图像 对应的建模 对象的识别结果； 在显示界面显示所述建模 对象的识别结果； 响应于针对所述显示界面触发的建模对象选择操作， 将选择的建模对象确定为目标对 象； 将各原始图像中所述目标对象所在的区域确定为原始图像中目标对象对应的目标区 域。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述目标对象对应的目标区域对 各原始图像进行图像分割， 获得仅包 含目标对象的目标图像， 包括： 依次将各原始图像输入至预设分割 模型中， 以通过预设分割模型去除目标区域中的背 景区域， 输出仅包 含目标对象的目标图像。 5.根据权利要求1所述的方法， 其特征在于， 所述确定各目标图像对应的特征点的特征 信息， 包括： 采用第一预设尺度不变特 征转换Sift算法提取 各目标图像对应的特 征点； 根据各目标图像对应的特征点确定所述特征点的特征信息， 其中， 所述特征信息包括 特征点的位置信息、 方向信息及特 征点对应的描述子信息 。 6.根据权利要求1所述的方法， 其特征在于， 所述基于所述特征信 息确定至少一个目标 图像对应的特 征点匹配的特 征点， 包括： 从目标图像中依次选取一个目标图像， 根据选取的目标图像对应的特征点的特征信 息 及至少一个未选取 的目标图像对应的特征点的特征信息计算选取的目标图像对应的特征 点与未选取的目标图像对应的特 征点之间的距离； 根据所述距离确定选取的目标图像对应的特征点与至少一个未选取的目标图像对应权　利　要　求　书 1/3 页 2 CN 115409938 A 2的特征点中第一匹配的特 征点； 对所述第一匹配的特征点进行验证， 将通过验证的第 一匹配的特征点确定为所述匹配 的特征点。 7.根据权利要求6所述的方法， 其特征在于， 所述根据距离确定选取的目标图像对应的 特征点与至少一个未选取的目标图像对应的特 征点中第一匹配的特 征点， 包括： 将选取的目标图像对应的特征点与至少一个未选取的目标图像对应的特征点之间的 距离进行排序； 将至少一个未选取的目标图像对应的特征点与选取的目标图像对应的特征点距离最 近的特征点确定为所述第一匹配的特 征点。 8.根据权利要求6所述的方法， 其特征在于， 所述对所述第一匹配的特征点进行验证， 包括： 将选取的目标图像对应的特征点与第 一匹配的特征点之间的距离确定为第 一距离， 将 选取的目标图像对应的特 征点与第二匹配的特 征点之间的距离确定为第二距离； 若第一距离与第二距离的比值小于预设阈值， 则确定所述第一匹配的特征点通过验 证； 若第一距离与第二距离的比值大于预设阈值， 则确定所述第 一匹配的特征点未通过验 证。 9.根据权利要求1至8任一项所述的方法， 其特征在于， 所述点云模型包括： 稀疏点云模 型及稠密点云模型； 所述根据所述至少一个目标图像对应的特征点的特征信息及所述匹配的特征点的特 征信息构建对应的点云模型， 包括： 采用运动恢 复结构SFM算法基于所述至少一个目标图像对应的特征点的特征信 息及所 述匹配的特 征点的特 征信息进行模型构建， 获得稀疏点云模型； 基于稀疏点云模型构建稠密点云模型。 10.根据权利要求9所述的方法， 其特征在于， 所述根据所述点云模型构建对应的三维 模型， 包括： 对稠密点云模型进行面片化处 理， 获得初始三维模型； 对初始三维模型进行表面细化处 理和/或纹 理映射处 理， 获得处 理后的三维模型。 11.根据权利要求1所述的方法， 其特征在于， 所述基于所述目标对象对应的目标区域 对各原始图像进行图像分割， 获得仅包 含目标对象的目标图像之后， 还 包括： 对所述目标图像进行图像识别， 以确定各目标图像中局部目标对象对应的第 一局部目 标区域； 所述确定各目标图像对应的特 征点的特 征信息， 包括： 确定所述第一局部目标区域对应的特征点， 并确定第二局部目标区域对应的特征点， 所述第二局部目标区域为目标图像中第一局部目标区域之外的区域， 所述第一局部目标区 域的特征点密度大于所述第二局部目标区域的特 征点密度； 根据第一局部目标区域对应的特征点及第二局部目标区域对应的特征点确定各目标 图像对应的特 征点的特 征信息。 12.根据权利要求11所述的方法， 其特征在于， 所述确定所述第 一局部目标区域对应的权　利　要　求　书 2/3 页 3 CN 115409938 A 3