[发明专利]基于RGBD多传感器融合的场景三维重建方法

说明书

技术领域

本发明涉及一种场景三维重建方法，特别涉及一种基于RGBD多传感器融合的场景三维重建方法。

背景技术

在自主移动机器人领域，对未知环境的探索与建立一直以来都是一个研究热点。现有的三维场景重建方法主要有：基于红外激光传感器和基于视觉传感器两大类。

文献“RGB-D mapping: Using depth cameras for dense 3D modeling of indoor environments，12th ISER. 2010, 20: p22-25”公开了一种基于RGB-D传感器的TORO图优化算法。该方法采用SIFT算法进行特征匹配，得到相对于第一帧的当前帧位姿的初始估计，进而使用ICP算法进行点云匹配以优化初始估计，当检测到loop closure时，将输入的所有帧添加到pose图中进行全局优化，从而得到高精度的地图。但是，在时间代价方面，特征匹配是采用计算速度一般的SIFT算法，不能很好地满足实时三维重建对实时速度的要求，因此，在特征匹配时应该采用速度更高的算法，以提高实时性。在地图优化方面，由于移动设备的轨迹仅是以一个位置为中心来构建地图的，导致空缺区域的产生，因此不能建立完整的地图；同时，在输出3D点云图时，仅将各个帧的点云数据简单相加，导致冗余点的增加，不仅降低了运算速度，而且为后续的再处理带来了极大干扰。

发明内容

为了克服现有场景三维重建方法重建速度低的不足，本发明提供一种基于RGBD多传感器融合的场景三维重建方法。该方法首先采用SURF算法代替SIFT算法进行特征匹配，其次，根据观察中心的方法改进了子地图的划分标准，使得经多层图抽象后的图像金字塔更好的反映环境的拓扑结构，更有助于提高构建大场景三维地图的速度。同时，在地图生成部分，提出了使用经典的基于空间体的多帧融合方法来减少冗余点，不仅可以提高重建速度，而且为后续操作提供了更为准确的数据。

本发明解决其技术问题所采用的技术方案是：一种基于RGBD多传感器融合的场景三维重建方法，其特点是包括以下步骤：

步骤一、采用SURF算法进行特征提取与匹配。特征的提取利用计算近似的Hessian矩阵的行列式的极值来确定特征点的位置。输入一幅图像I，对图上每一个像素点x=（x，y），利用公式（1）计算出其在x处尺度为的Hessian矩阵H(X，σ)。

H(x,σ)=Lxx(x,σ)Lxy(x,σ)Lxy(x,σ)Lyy(x,σ)---(1)]]>

其中，L_xx(x,σ)是Gaussian二阶偏导数在x处对图像I的卷积。继而，计算每个H的行列式：

det(H_approx)=D_xxD_yy-(0.9D_xy)²   (2)