[发明专利]一种街景三维重建系统及方法、智能小车有效
申请号: | 201811061234.1 | 申请日: | 2018-09-12 |
公开(公告)号: | CN109215122B | 公开(公告)日: | 2022-09-16 |
发明(设计)人: | 刘欢;肖根福;刘伟方;欧阳春娟;谭云兰 | 申请(专利权)人: | 井冈山大学 |
主分类号: | G06T17/05 | 分类号: | G06T17/05;G06T7/45 |
代理公司: | 重庆市信立达专利代理事务所(普通合伙) 50230 | 代理人: | 包晓静 |
地址: | 343009 江*** | 国省代码: | 江西;36 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 街景 三维重建 系统 方法 智能 小车 | ||
1.一种街景三维重建方法,运用于街景三维重建系统,其特征在于,所述街景三维重建系统包括:
图像采集模块,用于通过摄像头采集图像;
第一上位机,通过Wifi与图像采集模块连接,用于将摄像头采集的图像上传到后台计算机存储器中;
第二上位机,用于摄像头调节条调节搭载摄像头的舵机,采集不同角度的图像;
所述街景三维重建方法包括以下步骤:
步骤一,获取街景图像;
步骤二,采集多角度街景图像,采用特征点提取算法,提取街景图像的特征点;首先采用MSER提取图像最大稳定极值区域并对椭圆区域归一化,计算每一椭圆区域的局部灰度均方差;然后根据椭圆区域灰度均方差设定特征点数量;最后计算椭圆区域中每个像素的Harris值并按降序排列,提取前几个Harris值较大的像素点作为特征点;
步骤三,对街景图像进行Contourlet分解,得到多尺度的低频子带和多方向的高频子带;
步骤四,对不同尺度的低频子带构造高斯组合不变矩提取图像的统计特性;
步骤五,对不同方向高频子带计算能量、对比度、相关性和熵四个参数提取反映图像结构纹理特性的特征矢量;
步骤六,用相似度函数完成特征点之间初—精两步匹配;
步骤七,采用种子点生长算法,得到密集的点云信息;种子点生长算法从种子点出发,以获取的特征点对为种子点对,以每个特征点对为中心,3×3大小的窗口范围内计算不同角度两图像中对应邻域点对的相似度值s,连线距离d和斜率k,三者叉乘h,h>hi,hi为种子点叉乘值;将所述不同角度两图像中对应邻域点对作为新的种子点对加入种子集合T中,重复上述操作,最后种子队列为空时,种子生长结束,运用这种匹配传递的生长法,获得稠密的点云信息,真实地重建三维街景;
步骤八,经过处理后,根据图像的二维坐标与三维世界坐标之间的关系得到图像像素点对应的三维空间坐标,完成街景的三维重建。
2.如权利要求1所述的街景三维重建方法,其特征在于,所述步骤一具体包括:
(1)遥感小车移动到待拍摄街景的指定位置;
(2)调整小车上安装有可旋转180°的舵机,该舵机上安装有摄像头,达到获取不同角度的多幅街景图像;
(3)将前端硬件采集的图像通过Wifi上传到后台计算机内存中。
3.如权利要求1所述的街景三维重建方法,其特征在于,所述步骤四的高斯组合不变矩特征描述器:
构造如下:在矩定义中加入高斯核函数,σ为尺度因子;图像的p+q阶离散GCMs定义如下:
GCMs的中心矩为:
其中,是(n×n)窗口的重心坐标;ηpq为标准化中心矩:其中r=(p+q+2)/2。
4.如权利要求1所述的街景三维重建方法,其特征在于,所述步骤五的构造针对高频子带计算能量、对比度、相关性和熵四个参数:
能量:
对比度:
相关性:
熵:
5.如权利要求1所述的街景三维重建方法,其特征在于,所述步骤八采用立体视觉系统模型:
其中,(X,Y,Z,1)为真实物体对应的三维世界坐标,(u1,v1,1),(u2,v2,1)为对应点三维世界坐标在不同角度成像图像中的二维齐次坐标,M1,M2为摄像机标定参数投影矩阵。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于井冈山大学,未经井冈山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811061234.1/1.html,转载请声明来源钻瓜专利网。