基于深度学习方法的单张零件图像重建网格模型

重建物体的三维形状是计算机图形学领域的一个研究热点，网格模型是一种常用的三维模型。文中基于深度学习方法提出一种从单幅机械零件图像重建其网格模型的方法。首先经过一个图像预处理过程将前景零件从背景中分离出来；其次基于ResNet和BSP-Net两个骨干网络建立一个新的网络结构，将前景零件图像重构为网格模型。该网络将零件的多个视图图像作为输入，并融合它们的重要特征。此外，加入形状先验损失引导模型的训练过程以优化重建结果。对螺母、螺栓和垫圈进行重建实验，验证了该方法的有效性。通过训练过程的损失函数曲线说明添加多视图特征融合和形状先验损失可以让损失收敛到更低的值。在三个评价指标上的测试表明，文中方法的重建结果优于ResNet+BSP-Net方法和IM-Net方法。