一种基于视觉里程计与深度学习的三维重建方法

本发明涉及一种基于视觉里程计与深度学习的三维重建方法，包括：通过相机标定获取单目相机的相关参数；通过单目相机在多个相机位姿下拍摄目标区域的连续图像帧，得到目标区域在多个相机位姿下经过畸变校正后的图像帧；根据单目相机的相关参数使用视觉里程计估计不同图像帧之间相机的相对位姿；根据相机的相对位姿利用代价体生成模型构建图像帧的代价体；利用几何一致性损失和深度一致性损失对代价体生成模型进行优化，通过优化后的代价体生成模型生成图像帧的深度图；对图像帧的深度图进行消除噪声和孔洞填补，得到优化后的三维地图；本发明在复杂环境、低纹理区域以及视角跨度较大场景中，均能保持稳定的重建效果，相较于现有的单一深度学习重建方法具备更高的鲁棒性与重建精度。