[发明专利]一种基于多幅未标定图像的三维点云重建方法

说明书

本发明公开了一种基于多幅未标定图像的三维点云重建方法，获取物体在不同角度拍摄的图像序列作为输入集合；通过特征提取和匹配得到图像的特征匹配点对，进行稠密扩散处理；选择候选图像的特征点作为种子点向其周围邻域进行匹配扩散并过滤，获得稠密匹配点对；对相机进行标定，结合匹配点对得到其内外参数；根据相机参数及匹配点对恢复出三维模型点；进行重建，选取种子模型点生成初始patch，并在其网格邻域内扩散得到稠密的patch；根据约束条件过滤误差patch，获得精确的稠密三维点云模型。本发明可以快速获得高精度的稠密点云模型，加快模型的生成速度，增加了匹配的稠密性的准确性，增加了三维点云的稠密性和准确性。

技术领域

本发明属于计算机视觉技术领域，尤其涉及一种基于多幅未标定图像的三维点云重建方法。

背景技术

随着科学技术的迅猛发展，3D立体模型被广泛应用于各种领域。如虚拟现实，视频游戏，电影以动画制作，模式识别，场景理解，文物的保护与恢复，3D打印等。三维重建技术及其带来的技术创新正改变人们生活的方方面面，因此如何改进其过程的各种算法，使得重建过程更加简便可靠具有重大的研究意义。三维重建问题是计算机视觉领域中的重要研究方向之一，其目的是从多幅图像中恢复场景或物体的三维信息，以便后续使用。对于物体而言，进行3D打印之前需要先恢复物体的三维模型信息以便3D打印机进行打印。近几年基于图像序列的三维重建的算法主要分为以下几类：基于体素的重建算法、基于网格的重建算法、基于深度映射的重建算法以及基于面片的重建算法。基于体素的重建方法主要是基于体素颜色、空间雕刻、图切割等实现，一般需要初始化信息，不具有自适应性，重建的精度受到限制。基于网格的重建方法需要包围盒等先验条件得到初始网格，重建速度较慢。基于深度映射的方法以匹配信息为基础，通过多重映射获得三维模型，重建误差较大。基于面片的重建方法，通过面片集合表示物体表面，不需要初始信息，重建结果相对较好。正是由于这种优点，众多学者使用基于面片的方法进行重建。尽管如此，在实际应用中，基于面片的算法重建出的模型仍有很大漏洞容易丢失细节以及边缘信息，而且稠密重建耗时过长。因此，使得点云稠密且同时保证其精度，减少重建时间是一个重要的难题。

综上所述，传统算法过程繁琐、重建精度差、速度慢的问题。

发明内容

本发明的目的在于提供一种基于多幅未标定图像的三维点云重建方法，旨在解决传统算法过程繁琐、重建精度差、速度慢的问题。

本发明是这样实现的，一种基于多幅未标定图像的三维点云重建方法，所述基于多幅未标定图像的三维点云重建方法使用相机、手机等设备获取物体在不同角度拍摄的图像序列作为输入集合；通过特征提取和匹配得到图像的特征匹配点对，其对进行稠密扩散处理；根据稠密扩散方法，选择候选图像的特征点作为种子点向其周围邻域进行匹配扩散并过滤，获得更精确的稠密匹配点对；对相机进行标定，结合匹配点对得到其内外参数；根据相机参数及匹配点对恢复出三维模型点；采用基于patch的稠密扩散方法进行重建，选取种子模型点生成初始patch，并在其网格邻域内扩散得到稠密的patch；根据约束条件过滤误差patch，获得精确的稠密三维点云模型。

进一步，所述稠密扩散方法具体包括：

对参考图的每个特征点f，根据极线约束在候选图像中找到对应的候选匹配点f’。然后利用稠密扩散方法，选择零均值归一化互相关系数ZNCC作为目标函数，计算匹配点对的ZNCC值，并按其大小排序：

其中，x是图像特征点f在图像中对应的坐标信息，x’是图像特征点f’在图像中对应的坐标信息。I(x)和I(x′)表示x坐标和x’坐标的像素亮度。和表示以x为中心的图像窗口和以x’为中心的图像窗口W的平均像素亮度；