[发明专利]一种智能交通中的三维重建方法及系统

权利要求书

1.一种智能交通中的三维重建方法，包括：获取检测场景的信息，利用改进的KLT算法实现检测场景中目标特征点的提取和动态跟踪，以及特征点自动补全，分布重建算法对目标进行三维重建，所述方法具体执行以下步骤： 

S101、摄像机标定； 

S102、同步获取带有场景深度信息的原始视频图像；可以通过一个或多个设备在不同视角对目标场景进行信息采集； 

S103、跟踪视频场景中目标的特征点；通过改进的KLT算法，先确定合适的特征点来进行跟踪，然后在整个视频序列中跟踪这些特征块； 

S104、选取视频关键帧； 

S105、对选取的帧进行重建； 

S106、对子集进行打包处理； 

S107、得到最终三维模型。 

2.根据权利要求1所述的方法，其特征在于，所述步骤S101具体包括： 

获取摄像机的内在和外在的参数、相机校准、以及深度测定； 

具体的，可以通过计算机利用Matlab摄像机标定工具箱及摄像机的内外参数对摄像机拍摄的图片用立体图像对校正指令进行校正，并得到校正后内外参数，然后进行线性高通滤波。 

3.根据权利要求1所述的方法，其特征在于，所述步骤S103包括： 

特征点自动补全机制：在首帧中找到合适的目标特征点后，从下一帧开始定位到前一帧所有目标特征点的2D坐标；如果有些特征点在跟踪过程中消失了，那么在消失的这一帧中找寻新的特征点来顶替上，保证特征点数量不变，从而保证重建的深度信息充足； 

其中，所述采用改进的KLT算法包括下列步骤： 

S201、输入第一幅图像； 

S202、选择特征点； 

S203、保存特征点； 

S204、输入第二幅图像； 

S205、追踪特征点； 

S206、删除丢失特征点； 

S207、保存跟踪点； 

S208、用第二幅图代替第一幅图； 

S209、用下一幅图代替第一幅图； 

S210、选择特征点代替丢失特征点； 

S211、保存特征点，并回到步骤S205。 

4.根据权利要求1所述的方法，其特征在于，所述步骤S104具体为： 

先设置一个参考阈值，默认值为500，在对整个视频的特征点跟踪轨迹中，统计视频帧中的特征点能维持到最后一帧的数量N，如果满足N>500的条件，那么该帧就可以作为关键帧保留；对于那些N<500的视频帧会按从高到底的数量进行保留；然后使用分布处理的方法，将视频图像分成大小相同的若干个图像块进行处理，并且每一个小块中的值会被记录下来；这些值指的是那些包含超过8个轨迹点的值；当一个新的关键帧识别，值将会被覆盖存储；每个后续的处理中，只使用跟踪幸存的最后一个关键帧，然后与之前的数据相比，即前一个关键帧；如果前后值的比率低于60％，然后选择它作为一种新的关键帧。 

5.根据权利要求1所述的方法，其特征在于，所述步骤S105具体为： 

S501、从全部跟踪点中随机选取6个特征点的子集进行操作； 

S502、使用3视角6点算法处理6个点的子集； 

S503、通过评估3视角6点的投影重建并且比较其他数据与重建的匹配度来给这6个点子集评分； 

S504、重复步骤1和2，记住到目前为止最好分数,直到一套好的点被发现； 

S505、光速法平差优化重建的子集。