[发明专利]基于运动恢复的水下场景重建方法及存储介质

说明书

基于运动恢复的水下场景重建方法及存储介质，所述重建方法引入改进的运动恢复算法，提取运动矩阵取，建立视频图像之间的相互联系；在完成冗余图像剔除之后，分两步进行特征点匹配和点云生成时：首先进行双目图像上的特征点匹配，并为了获得更为稠密的点云数据，根据匹配特征点生成面片；接下来将面片扩散到所有视角下，完成场景模型的重建，最后根据水下场景的成像特点对点云模型进行颜色校正。本发明能够在只有少数输入图像时依然能完成较好的重建结果，具有较好的效率和精度，同时对于重建场景的准确性鲁棒性进行了一定的提升。

技术领域

本发明涉及三维立体重建方法，具体涉及一种基于运动恢复的水下场景重建方法以及存储介质，能够兼顾效率和精度。

背景技术

现实世界是三维立体的，为了便于对现实世界进行观察分析乃至扩展延伸，就需要在计算机环境下重建出三维模型。近年来，随着计算机硬件技术的突飞猛进和软件的日新月异，三维模型的构建方法越来越多，相关软件广泛应用于医学影像处理、3D打印、电脑游戏、虚拟现实、地图绘制、模拟军事训练、影视娱乐等各个领域。根据获取重建数据方式的不同，三维模型构建技术主要分为：使用三维建模工具直接进行建模、使用仪器设备建模和基于视觉的三维重建技术三大方向。

其中使用建模工具进行建模不需要提前获取任何和重建相关的数据，用户通过专门的建模工具中提供的基础的几何形状，如立方体、球体等，或者事先导入的模型或者纹理，通过一系列的几何操作将初始模型的表面变换为复杂的结构外形。这种方法在对大型复杂的场景进行建模时，由于场景包含大量信息且场景纹理非常复杂，获得高精度的场景模型非常困难，需要耗费大量的人力物力，而结果也只是对需要重建场景的一种不规则的仿真和还原。

对于使用仪器设备建模，三维扫描仪(3Dimens ional Scanner))是目前对实物进行三维建模的重要工具之一。它能够快速的将真实的实物信息转换为计算机能直接处理的数字信号，从而直接获得高精度的三维模型。但是这种方法极度的依赖仪器采集信息，在对大型场景诸如山脉、河流等进行采集时，困难极高。而且仪器对采集环境要求较高，不能存在太多干扰源，否则就需要大量的时间来对噪音进行纠正，在对复杂场景特别是水下场景进行重建时，结果不能尽如人意。

对于基于视觉的三维重建技术，采用计算机视觉方法，根据采集得到的二维图像或视频进行模型的重建和场景的还原。它对设备和重建实物要求很低，重建速度快，能够根据输入影像全自动完成重建，是当前计算机图形学的一个极其活跃的研究领域。不同于以上两种方法，它的输入是待重建实物的影像，采集难度较仪器设备建模大幅下降。同时，该方法不受场景大小和模型形状限制，能够全自动或半自动完成，可以很方便的集成到日常使用的硬件设备中，能广泛应用于机器人智能化、航空测绘以及工业自动化中。

作为计算机视觉的重要分支之一，基于计算机视觉的三维重建以Marr的视觉理论框架为基础，近年来发展出多种场景重建方法。根据同一时间摄像机的数量可以分为单目视觉法、双目视觉法以及多目视觉法。

单目重建算法是根据单个摄像机获取的图像进行重建的算法，这些图像既可以是单视角下的一幅图像也可以是多视角下的多幅图像。单目重建算法经过多年的研究已经有了许多成熟的算法。但单目重建算法由于获取信息较少，往往都需要额外的辅助信息来完成重建过程，如光线、调焦、辅助轮廓或是大量视角下的图像。对拍摄环境和拍摄方法有较多要求，实际应用受到限制。

作为目前主流方法之一，双目立体视觉法通过真实采集的双目图像实现场景重建，与人类视觉感知和观察过程相似，具备完善的数学理论支撑，重建精度较高。但是，现有算法也存在着诸多弊端:基于特征点匹配的双目立体视觉算法精确度高、时间复杂度低，却只能获得场景的稀疏点云，重建效果并不理想；而基于像素点匹配的双目立体视觉算法虽然能够得到密集的点云数据，精度却有所降低，而且时间复杂度相比于特征点匹配大幅提升，在进行大型场景的三维重建时，消耗的时间过长。同时由于传统的双目立体视觉算法只考虑对应帧的关系使得重建点云缺乏不同视角的相互联系，重建点云衔接不自然，影响重建效果。