[发明专利]一种基于GPU和深度相机的室内三维重建方法

说明书

本发明公开了一种基于GPU和深度相机的室内三维重建方法，该方法包括如下步骤：(1)摄像机和智能移动平台双轮的标定；(2)数据采集；(3)关键帧选取；(4)基于GPU的地图生成；(6)地图优化；本发明利用深度相机和平台的双轮里程计信息获取数据，并对相机进行定位，并采用GPU加速的方法，在较快的速度下，完成室内场景的三位重建的过程。并且，地图准确，成本简单，噪声较少。同时具有通用的接口，容易进行扩展和可视化。

技术领域

本发明涉及计算机视觉、三维重建、GPU及人工智能技术领域，尤其涉及一种基于GPU和深度相机的室内三维重建方法。

背景技术

三维场景重建技术包括激光扫描仪重建、计算机视觉方法重建等技术。其中，激光扫描技术可以比较准确地扫描出三维物体的结构，但其更加适用于单个物体的重建，并且激光扫描仪价格相对昂贵。在计算机视觉技术领域，重建的方法主要是SfM(Structurefrom Motion)，其难点在于对多视角图像进行特征点匹配、对特征点进行三角化的过程。然而SfM对于较大的场景容易出现偏移的现象，且计算复杂，计算量较大。随着深度相机，如微软的Kinect和ASUSXtion的推出，深度信息得到了各个领域的广泛应用，并在实践中有着良好的效果。而GPU(Graphics Processing Unit，图形处理器)在并行计算和深度学习、人工智能等领域有广泛的应用。利用深度相机获取场景信息，结合室内智能移动平台的里程计技术进行3D的场景拼接，可以快速得到室内3D模型。

发明内容

本发明的目的是提供一种基于GPU和深度相机的室内三维重建方法。

本发明解决技术问题所采用的技术方案如下：一种基于GPU和深度相机的室内三维重建方法，包括如下步骤：

步骤1：摄像机和智能移动平台双轮的标定

将深度相机安装在智能移动平台上，智能移动平台的底部安装有两个由电机驱动的驱动轮和一个万向轮，电机上安装有编码器；

深度相机的标定方法采用的是OpenCV提供的ChessBoard方法，相机模型采用标准的针孔模型；

智能移动平台双轮的标定是对平台的驱动轮半径和两个驱动轮之间的距离进行误差消除，具体标定如下：通过控制智能移动平台沿直线运动一段距离，将该段距离除以2π和驱动轮转过的圈数的乘积，即可到得驱动轮的半径；之后控制智能移动平台沿圆周运动，根据驱动轮的半径和平台双轮转过的距离差，结合转过的圈数，可以获得两个驱动轮之间的距离；

步骤2：数据采集

利用深度相机采集彩色图片C_i和深度数据D_i，利用编码器获取当前驱动轮的信息OD_i，其中，i＝1,2…n；

步骤3：对室内智能移动平台的运动轨迹进行定位

根据步骤2采集的数据，利用驱动轮的双轮信息OD_i来获得里程计信息，即智能移动平台的位置信息；

步骤4：关键帧选取

首先选定智能移动平台的初始位置为第一帧，设定3个参数：P_{max_f},P_{min_d},P_{loop_c}，分别表示关键帧选取过程中需要的相邻两关键帧的最大帧数、相邻两关键帧的最小距离和最小的闭环数量，其中闭环表示智能移动平台重复走到之前到过的位置；关键帧的选择参照SLAM方法选取关键帧的方式；关键帧中相机采集的图像的集合须覆盖要重建的场景区域。

步骤5：基于GPU的地图生成

根据选取的关键帧和其轨迹构成的闭环，结合GPU并行算法进行场景拼接，生成三维稠密点云地图；

步骤6：地图优化