Ante problemas de texturas débiles y reflejos en la observación local ampliada de especímenes estereoscópicos como joyas, minerales y metales bajo microscopio, este artículo propone un algoritmo de reconstrucción 3D estereoscópica multi-vista basado en extracción de características, adecuado para escenarios de aplicación microscópicos. Se fija el ángulo del objetivo del microscopio y se obtiene una secuencia de imágenes desde múltiples ángulos mediante el movimiento de la platina sobre el espécimen estereoscópico. Combinando las ventajas de los algoritmos Harris y SIFT, el algoritmo SIFT original en el método SFM se mejora a Harris-SIFT para la extracción y coincidencia de características, mejorando el rendimiento en la extracción de información de características en áreas de textura débil en imágenes microscópicas. Usando una red neuronal convolucional completa combinada con una red residual profunda, se realiza la estimación y predicción de profundidad de las imágenes de entrada; la información de profundidad predicha se fusiona con el mapa de profundidad MVS mediante un método de umbral, corrigiendo el mapa de profundidad MVS y reconstruyendo una nube de puntos densa del objeto, mejorando la integridad estructural reconstruida y extrayendo un mayor número de puntos. Los experimentos en el sistema de microscopio digital Keyence VHX-6000 muestran que este algoritmo genera un 31.25% más de puntos en el modelo de nube de puntos reconstruido que el algoritmo de reconstrucción MVS original, ahorrando un 21.16% del tiempo total de reconstrucción.

microscopio;reconstrucción 3D;detección de características;estimación de profundidad;mapa de profundidad MVS