[发明专利]一种基于几何约束的目标重建方法

说明书

本发明涉及一种基于几何约束的目标重建方法，属于计算机视觉领域，包括由运动恢复结构(SFM)方法获得初始点云；图像特征点聚类获得特征点的分类结果，即图像中相似部分的邻域关系；对初始点云的法向特征聚类，利用图像特征点分类结果与初始点云聚类结果之间的对应关系来定义初始点云的几何结构；由几何结构得到初始点云中较稀疏的部分，将此部分定义为“孔洞”，接下来利用“孔洞”区域的结合结构约束通过RANSAC方法与最小二乘法进行空间平面和曲面的拟合；对拟合出的表面进行采样，将得到的三维点加入初始点云从而得到一个稠密的点云模型，最后利用泊松表面重建得到目标的三维模型。本发明的实验结果验证了该方法的可实施性，并且达到较好效果。

技术领域

本发明涉及一种基于几何约束的目标重建方法，利用目标三维空间点云中存在的几何结构约束对该目标进行三维重建；该方法解决了传统算法中由于纹理稀疏而产生的重建结果中的缺失部分的修补问题，进一步改善了较平滑或曝光过强等表面的重建效果，本发明属于计算机视觉领域。

背景技术

一直以来基于图像的三维重建就是计算机视觉方向的研究热点，Martin在1983年就提出了利用图像中物体的轮廓进行重建的方法，随后在1986年与1987年Chien与Potsmesil又分别提出了利用正交投影提取目标模型的方法与利用多视图透视投影构建目标模型的方法。发展至今，基于图像的三维重建方法从依据上可分为两类：依据主动线索与依据被动线索的建模。

基于主动线索的建模方法通过创造线索并利用这些线索来推断物体的形状，这一类方法也称为shape from X，Shape from Shading依据图像亮度变化推断出表面形状；Shape from Texture利用规则纹理的透视收缩变化对局部表面方向提供信息；Shape fromFocus主要根据散焦程度估计深度。这类方法受到精度低和对图像光照与纹理要求高的限制，从而影响了对其研究的发展。

基于被动线索的建模方法从场景或物体的多幅图像中寻找线索，并利用这些线索推算场景或物体的几何信息。这些被动线索包括物体基本几何元素之间的关系、图像之间的视差关系或匹配特征点的关系以及物体的轮廓信息等。

国内外现存许多利用多视图立体匹配进行三维重建的方法，Steven M.Seitz根据模型及场景的表达方式将其分为四类：基于三维体素的方法、基于表面图元的方法、基于多深度图融合的方法以及基于点云或面片的方法等。基于三维体素的算法。首先在物体三维体数据模型上建立一个能量函数然后使用全局最优算法从体数据中提取一个最佳曲面。该算法需要首先估计出物体的三维包围盒，算法内存消耗较大，因此其精度受体素模型分辨率的限制。基于表面图元的算法。首先利用匹配图像中的特征点计算出物体表面上的曲面图元然后通过贪婪生长法在模型空间中拓展种子图元直到不能产生新的图元即可得到三维模型。该算法计算效率较高，产生的图元模型可以利用点绘制技术高效渲染，但如果要对模型进行精确测量和量化分析，则需要对数据进行后处理生成曲面模型。基于多深度图融合的算法。首先计算每幅图像的深度图像然后将这些深度图像融合成物体的三维模型，该类算法灵活、方便，能够生成高精度的三维模型。基于深度图融合的算法首先由Setiz[1]等人提出的，同时，他们还搭建了用于评估多幅图像立体匹配算法性能的在线平台Middlebury Multi-view Stereo。通过使用激光扫描数据得到物体的真实值(GroundTruth)，然后搭建了一个半球型的棚子，用来固定不同视角下的相机，从而获得多视图图像。通过与Ground Truth对比即可得到模型的完成度、错误率等信息，从而比较不同算法之间的优劣。