[发明专利]一种物体三维模型构建方法

说明书

技术领域

本发明涉及图像处理应用领域，特别是涉及一种物体三维模型构建方法。

背景技术

双目立体视觉技术是一种被动式的三维测量技术，包括相机标定、图像对匹配、三维信息还原等主要过程。基于双目立体视觉的物体三维模型构建方法是通过两个已标定的、以不同角度摆放的单目相机同时拍摄两幅被测物图像，然后建立两幅图像的像素点之间的对应关系，获得被测物的三维点云坐标数据，从而构建被测物三维模型。

立体视觉技术可以获得稠密的被测物三维点云坐标，无需向被测物体投影光栅等辅助信息，人机交互友好，硬件配置要求低，成本便宜，自动化程度高，并且可以实现实时采集，当前是物体三维重建领域中比较流行的一种技术。

立体匹配方法是双目立体视觉技术的核心问题。然而，现有的基于特征点匹配的物体三维模型构建方法中，特征点的提取和计算效率低，越是鲁棒的特征点比如SIFT特征点或SURF特征点，其相应的计算时间就越长，导致计算效率低下。因此当需要提取较多的特征点用于三维重建时，利用这些特征点就不合适了。因为特征点的数量越多，物体重建系统花费在特征点的提取和计算上的时间就越长，进而导致物体重建系统总体性能降低，无法满足人们日益增长的对三维重建性能的需求。

发明内容

本发明的目的是提供一种物体三维模型构建方法，基于图像处理实现构建物体三维模型，对图像特征点的提取以及图像处理更高效。

为实现上述目的，本发明提供如下技术方案：

一种物体三维模型构建方法，包括：

第一摄像装置和第二摄像装置以不同角度对物体同时拍摄，获得物体图像，分别描述为第一图像和第二图像；

在图像中提取特征点，包括：对于图像中像素，若在该像素预设邻域内，像素值满足第一预设条件的像素的数量满足第二预设条件，则将该像素定义为特征点；

为所述特征点构建描述子，所述特征点的描述子为由所述特征点在各层卷积方向图中对应像素的值构成的向量；

在所述第一图像和所述第二图像中，根据所述特征点的描述子寻找出相匹配的特征点，建立匹配关系得到视差图；

利用所述视差图、所述第一摄像装置或所述第二摄像装置的内参数和外参数，获得所述特征点对应空间点的空间位置，以构建物体三维模型。

可选地，所述在图像中提取特征点还包括：

利用Harris响应函数计算各所述关键点对应的响应值，按照响应值大小从大到小对各所述关键点排序，取前N个关键点作为最终的关键点集合。

可选地，所述为所述特征点构建描述子包括：

对拍摄的图像分别沿x方向和y方向求梯度，得到梯度图；

将每对梯度图对平面内多个方向进行投影，对每对梯度图计算梯度方向图；

对得到的所述梯度方向图进行至少三种不同高斯核的卷积运算，得到卷积方向图；

根据得到的所述卷积方向图为所述特征点构建描述子。

可选地，所述将每对梯度图对平面内多个方向进行投影，对每对梯度图计算梯度方向图包括：

基于计算得到的梯度图dx和dy，根据计算式dx cosθ₁+dy sinθ₂计算梯度方向图，其中T表示计算T个方向梯度图，T为正整数，i＝0,1,…,T-1。

可选地，对每对梯度图计算平面内8个方向的梯度方向图；

对得到的所述梯度方向图进行三种不同高斯核的卷积运算，得到24个卷积方向图，表示为其中，高斯核表示为j＝0,1,2，Q＝3。

可选地，所述利用所述视差图、所述第一摄像装置或所述第二摄像装置的内参数和外参数，获得所述特征点对应空间点的空间位置包括：

利用相似三角形性质，由所述视差图计算所述特征点对应空间点的深度；

基于第一摄像装置的内参数、外参数以及计算得到的特征点深度，计算所述特征点对应空间点的空间位置。

可选地，所述在所述第一图像和所述第二图像中，根据所述特征点的描述子寻找出相匹配的特征点包括：

对于第一图像中每一特征点，在第二图像中搜索匹配特征点，计算两图像中搜索出的匹配特征点的描述子之间的欧式距离，当欧式距离小于第一阈值时匹配成功。

可选地，所述在所述第一图像和所述第二图像中，根据所述特征点的描述子寻找出相匹配的特征点还包括：利用约束条件对匹配成功的所述特征点进行筛选，剔除不满足约束条件的特征点。

可选地，所述约束条件包括：