(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 202210830532.2 (22)申请日 2022.07.15 (71)申请人 南京智能高端 装备产业研究院有限 公司 地址 210000 江苏省南京市玄武大道108号 徐庄高新区二期聚慧园5号楼6层601 室 (72)发明人 蔡云飘　蔡洁萱　钱伟行　洪越　 赵家琦　包奕阳　沈皓轩　 (74)专利代理 机构 江苏圣典律师事务所 32 237 专利代理师 胡建华　于瀚文 (51)Int.Cl. G06T 17/00(2006.01) G06T 5/00(2006.01) G06T 5/30(2006.01)G06T 5/50(2006.01) G06T 7/13(2017.01) G06T 7/50(2017.01) G06T 7/60(2017.01) G06T 7/70(2017.01) G06T 3/00(2006.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于人工智能的空间对象分析及建模 优化方法 (57)摘要 本发明提供了一种基于人工智能的空间对 象分析及建模优化方法， 其中空间对象分析包括 边缘检测， 轮廓检测和目标检测。 通过对目标图 像进行图像增强预处理， 对图像进行反色， 平滑， 形态学去噪处理等操作， 实现空间对象轮廓提 取。 采用Yolov3网络检测空间对象外围物体， 完 善模型外围信息， 并获取相应模型参数。 空间对 象建模的优化方法包括基于图像识别的三维重 建方法与基于激光扫描的三维重建方法， 通过将 两种方法所得模 型与数据库数据结合， 利用数字 孪生技术进行数据融合， 完成模型参数的优化， 从而优化空间对象模型。 本发明能够根据多个二 维图像中的信息重建出三维模型并完成模型优 化， 提高了空间对象建模 过程的准确度和建模效 率。 权利要求书3页 说明书11页 附图2页 CN 115222884 A 2022.10.21 CN 115222884 A 1.一种基于人工智能的空间对象分析及建模优化方法， 其特征在于， 包括基于人工智 能的空间对象分析方法、 基于人工智能的空间对象建模方法和基于人工智能的模型优化方 法。 2.根据权利要求1所述的一种基于人工智能的空间对象分析及建模优化方法， 其特征 在于， 所述基于人工智能的空间对象分析 方法包括如下步骤： 步骤a1， 对获取到的空间对象目标的图像信息进行预处理， 通过空间对象分析获取相 应的参数信息； 步骤a2， 使用YoloV3目标检测网络模型检测空间对象外围物体， 获得空间对象分析数 据信息； 步骤a3， 将空间对象分析 数据信息实时导入数据模型库。 3.根据权利要求2所述的一种基于人工智能的空间对象分析及建模优化方法， 其特征 在于， 步骤a2包括： YoloV3目标检测在实施时包括： 从特征获取预测结果、 预测结果的解码、 对预测出的边 界框得分排序与非极大抑制 筛选； 其中在进行预测结果的解码后得出最后显示的边界框， 使用的公式如下： bx＝σ(tx)+cx by＝σ(ty)+cy Pr(object)*IOU)(b,Object)＝σ(to) 其中： cx、 cy分别表示预设边框所在网格的左上角距离左上角定位点在x轴方向上相差 的格子数和y轴方向上相差的格子数； pw、 ph分别表示先验框的宽和高； tx、 ty分别表示目标 中心点相对于预设边框所在网格左上角的在x轴方向上的偏移量和y轴方向上的偏移量； tw、 th分别表示 预测边框的宽和高； σ 表示激活函 数； Pr(object)表示先验 框是否有对象的概 率； IOU表示交并比。 4.根据权利要求3所述的一种基于人工智能的空间对象分析及建模优化方法， 其特征 在于， 所述基于人工智能的空间对象建模方法包括基于深度学习的三维重 建方法和基于激 光扫描的三维重建方法， 所述基于深度学习的三维重建方法包括如下步骤： 步骤b1， 根据预先获取到的空间对象目标相邻场景的连续图像信息， 利用二维图像信 息通过位置计算确定三维图像信息； 步骤b2， 利用增量式SFM算法对采集到的二维图片信息进行迭代处理获得图像信息并 进行相应的特征匹配， 通过所得到的数据对现实中的物体进行初步的稀疏三维重建， 并获 得对不同相机的位姿、 内参以及共视关系； 步骤b3， 通过MVS算法对稀疏点云信息进行三维重建， 获得空间对象的深度图及稠密点 云信息， 包括： 使用Poisson方法进行MESH重建得到带有颜色的Mesh模型， 完成空间对象的三维重建； 通过AA‑RMVSNet构造匹配代价以实现深度估计， 提取深度一 致的点实现稠密重建。 5.根据权利要求4所述的一种基于人工智能的空间对象分析及建模优化方法， 其特征 在于， 步骤b1包括：权　利　要　求　书 1/3 页 2 CN 115222884 A 2在进行位置计算时， 其中摄像机坐标系与世界坐标系之间的关系用旋转矩阵R和平移 矩阵t表示， 从而将各点 坐标统一到同一 坐标系中， 公式如下： 它的齐次坐标 可以表示成： 其中Xc、 Yc、 Zc表示的在摄像机坐标系中图像内任意一点研究对象的坐标； Xw、 Yw、 Zw表示 在世界坐标系中图像内所选取的研究对象经转换后的坐标， t为 三位平移向量： t＝[tX ty tz]T,0＝[0 0 0]T 其中tX、 ty、 tz分别指的是在x轴,y轴,z轴方向上 所需平移的距离； 旋转矩阵R为3 ×3的正交矩阵， 其元 素满足： 其中 表示的是矩阵R中第1行第1列的元 素。 6.根据权利要求5所述的一种基于人工智能的空间对象分析及建模优化方法， 其特征 在于， 步骤b2中， 所述进行相应的特 征匹配时， 使用如下公式： fnn＝arg min||fd‑f′d||2 f'∈F(J) 其中， F(J)表示图像J周围的特征点； fnn表示最邻近 的特征向量； fd表示实际上 图片上 的点； f′d表示所选取图像的一特 征点。 7.根据权利要求6所述的一种基于人工智能的空间对象分析及建模优化方法， 其特征 在于， 步骤b3包括： 在通过AA‑RMVSNet构造匹配代价以实现深度估计的构造过程中， 使用如下公式： 其中NCC表示影像间光学一致性的测度； l表示图像的特征； 表示最优拟合平面的深 度， 表示最优拟合平面的法向量； 表示对于特 征i、 I的参 考影响的NC C。 8.根据权利要求7所述的一种基于人工智能的空间对象分析及建模优化方法， 其特征 在于， 所述基于 激光扫描的三维重建方法包括如下步骤： 步骤c1， 使用三维激光扫描仪器对空间对象进行数据采集， 获得激光点云数据或者DSM 数据， 其中采用如下激光雷达方程： 权　利　要　求　书 2/3 页 3 CN 115222884 A 3