[发明专利]一种指定目标三维重建方法及系统

权利要求书

1.一种指定目标三维重建方法，其特征在于，所述重建方法包括：

获取多视点图像；

对所述多视点图像中其中一幅进行目标分割，确定需重建的指定目标图像；

采用从运动恢复结构SFM技术对所述多视点图像进行场景恢复，得到多视点图像的场景稀疏结构，所述场景稀疏结构为多个3D点组成的三维立体结构；

对所述多视点图像的场景稀疏结构中的部分3D点进行标记，得到训练样本集；所述训练样本集包括正样本和负样本；

基于所述训练样本集采用AdaBoost算法构造强分类器；

采用所述强分类器对所述场景稀疏结构中的其余3D点进行分类，得到指定目标的稀疏点云结构；

基于所述稀疏点云结构采用MVS技术确定多视点图像的场景的稠密点云结构；

基于所述多视点图像的场景的稠密点云结构以所述训练样本集为训练数据，采用多决策树判断策略，确定指定目标稠密点云结构，所述指定目标稠密点云结构为重建的指定目标三维立体图。

2.根据权利要求1所述的指定目标三维重建方法，其特征在于，所述对所述多视点图像的场景稀疏结构中的部分3D点进行标记，得到训练样本集具体包括：

定义第一视点P，k幅多视点图像{I₁,I₂,…I_k}；

经SFM计算得到n个3D点{M₁,M₂,…M_n}；

判断点M_i，i∈[1,n]是否对第一视点P可见，若所述点M_i对第一视点P可见，则对应在图像I_P，P∈[1,k]中的2D点坐标为对所述图像I_P进行目标分割，得到在所述第一视点P下可见的3D点和不可见的3D点，其中，所述可见的3D点表示为为正样本，下标ob表示目标，所述不可见的3D点表示为为负样本，下标bk表示背景。

3.根据权利要求2所述的指定目标三维重建方法，其特征在于，所述重建方法在对所述多视点图像的场景稀疏结构中的部分3D点进行标记，得到训练样本集之后还包括：对所述训练样本集进行扩充，得到扩充后的训练样本集。

4.根据权利要求3所述的指定目标三维重建方法，其特征在于，所述对所述训练样本集进行扩充具体包括：

定义第二视点q；

判断点M_i是否既对第一视点P可见，又对第二视点q可见，若M_i既对第一视点P可见，又对第二视点q可见，则点M_i在图像I_P和图像I_q，q∈[1,k]对应的2D坐标和为特征匹配点；

对图像I_q进行超像素分割，若点和点属于同一超像素区域，则点对应的3D点与点对应的3D点为相同的标记。

5.根据权利要求1所述的指定目标三维重建方法，其特征在于，所述基于所述训练样本集采用AdaBoost算法构造强分类器具体包括：

给定弱分类器空间H，初始化权值T表示弱分类器数量；

对所述训练样本集进行划分，得到多个训练样本子集

计算中类样本权值之和：

基于上述划分确定弱分类器的输出：其中ε为正常数，M表示3D点；

选取h_t(M)使得归一化因子最小；

更新样本权值

重复上述步骤得到多个弱分类器；

对所述多个弱分类器集成，得到强分类器。

6.根据权利要求5所述的指定目标三维重建方法，其特征在于，所述强分类器表示为其中b为手动设置的阈值，M表示3D点，T表示弱分类器的数量，t表示训练样本子集的数量。