一种基于神经点云的多约束协同网络辐射场对透明物体场景重建的方法

本发明涉及计算机视觉与三维重建技术领域，提供一种基于神经点云的多约束协同网络辐射场的透明物体场景重建方法。该方法包括：构建透明物体的多视角场景数据集，并对图像进行特征提取及参数计算；基于多视图立体匹配与神经卷积网络相融合的方式，生成透明物体的稠密神经点云场，以降低模型计算成本并加快训练速度；设计角度偏移网络场以处理透明物体内部的折射效应，并设计局部重建网络场以针对反射区域进行细节优化；采用指数衰减的动态学习率机制与边训练边验证的自适应策略，促进模型的稳定收敛。该方法无需特殊硬件设备，能够以较低的计算资源开销，实现对含透明物体的整体三维场景的高精度重建，既保留其他区域的细节信息，又最大程度复现透明物体的真实光学特性。