摘要：深度相机在室内建模领域中以其快速、精准、鲁棒的特性而备受青睐。然而,在实际应用中,深度相机在获取精准深度信息时面临诸多挑战,如环境光干扰、点云噪声众多以及深度缺值。针对上述问题,提出了一种新型的结构光神经隐式表面(SL-NeuS)重建方法。通过结合广泛的三维重建技术,包括多目立体视觉(MVS)、神经网络、神经辐射场和神经隐式表面(NeuS),克服了现有技术在室内建模中的局限性。特别地,利用基于可微分循环优化启发设计的同步定位和建图(DROID-SLAM)算法精确获取相机外参,并结合单目深度估计和单目法向估计先验信息,有效地实现了精确的室内三维建模。实验结果显示,SL-NeuS重建方法在不同深度相机的性能分析中表现优越,成功降低了环境光影响和光学失真对建模精度的干扰。应用该方法对各种室内场景进行建模,误差可控制在极小范围内,实现了高精度的室内三维重建。本方法不仅提高了室内建模的准确性,还大幅减少了训练时间,为数字建筑和数字导航等领域提供了重要的技术支持。

摘要：6G实现智能化需要感知技术从环境中获取并利用信息。通过感知提供的环境知识获取信道重建信息,有助于提升通信效率,6G有望在系统中集成通信与感知。但是,通信感知一体化在实际应用中仍存在关键挑战,如空口设计、联合波形优化、硬件失真及共享等。对通信感知一体化无线网络使能的多节点感知场景下的环境重建进行研究,提出了基于散射群组假设的多站多态感知架构。并引入散射群跟踪方案,以重构通信信道的参数及状态。最后通过实测数据验证了分米级感知精度和度级信道重构。