Devido a problemas como textura fraca e reflexos na observação ampliada local de espécimes estereoscópicos como joias, minerais e metais sob microscópio, este artigo propõe um algoritmo de reconstrução tridimensional estereoscópica multi-vista baseado em extração de características, adequado para cenários de aplicação microscópica. O ângulo da lente do microscópio é fixado e uma sequência de imagens em múltiplos ângulos do espécime estereoscópico é obtida movendo a platina. Combinando as vantagens dos algoritmos Harris e SIFT, o algoritmo SIFT original do método SFM foi melhorado para Harris-SIFT para extração e correspondência de características, aumentando o desempenho na extração de informações de características em regiões de textura fraca de imagens microscópicas. Utilizando uma rede neural convolucional totalmente convolucional combinada com uma rede residual profunda, é feita a estimativa e previsão de profundidade das imagens de entrada; a informação de profundidade prevista é fusionada com o mapa de profundidade MVS através de um método de limiar, corrigindo o mapa de profundidade MVS, reconstruindo uma nuvem de pontos densa do objeto, melhorando a integridade da estrutura reconstruída e extraindo um número maior de pontos. Experimentos no sistema de microscópio digital Keyence VHX-6000 mostraram que o algoritmo gerou 31,25% mais pontos na nuvem de pontos reconstruída em comparação com o algoritmo original de reconstrução MVS, economizando 21,16% do tempo total de reconstrução.

microscópio;reconstrução 3D;detecção de características;estimativa de profundidade;mapa de profundidade MVS