[发明专利]一种基于标记点的实时三维建模方法

说明书

本发明公开了一种基于标记点的实时三维建模方法，包括如下步骤：数据采集和预处理、提取标记点组建刚体、配准并生成全局点云；本发明利用深度传感器捕获放置在转盘上的物体的点云，并通过滤波器来滤除背景和异常点云，保证点云数据的准确。接着从视图点云中提取出标记点点云，并用分区补偿法来找出圆心，从而组建刚体。紧接着通过计算各个视角下的多点刚体本身建立的坐标系与全局坐标系之间的位姿关系来间接计算各视角间的位姿变换关系，完成每一视角点云的配准。最后将多帧的点云数据进行配准融合，就可以得到全局点云模型。实验结果表明，该方法能够实时并且有效地完成三维物体的建模，计算时间远低于扫描时间且平均准确度为90%。

技术领域：

本发明涉及一种基于标记点的实时三维建模的方法，属于基于深度摄像头进行三维建模的计算机视觉领域。

背景技术：

目前较为常用的三维建模方式有：基于激光扫描仪测距进行的建模，基于立体视觉法的建模以及基于结构光测的深度数据进行的建模。

基于激光扫描仪的三维建模方式，通常扫描设备通过不断的对场景或目标物体发射激光，并通过反射光返回的时间来测定目标到设备之间的距离，通过大量高密度的扫描，得到一组关于场景或目标物体的点云，由于采样密度通常非常高，可以通过直接显示三维点云，来显示出物体的形状，也可以通过插值拟合或其他方法，将所获得的点云转换为三维网格，重构出目标几何来，再完成纹理映射，实现模型的建立，即减小了数据量，同时也可以获得一些基本的结构信息。

基于立体视觉法的建模是另外一种常用的三维重建方法。主要包括直接利用测距器获取距离信息、通过一幅图像推测三维信息和利用不同视点上的两幅或多幅图像恢复三维信息等三种方式。通过模拟人类视觉系统，基于视差原理获取图像对应点之间的位置偏差，恢复出三维信息。U.R.Dhond等人提出了基于层次处理的三目立体约束方法。二十世纪90年代末，涌现出诸如图像匹配的前沿算法、遮挡处理算法等。M.Z.Brown等人总结了2000年到2010年间的三维视觉发展的总体概况，包括遮挡、配准和效率等的相关分析。D.Scharstein等人比较了现阶段各种算法的性能。Hartley和O.Faugeras提出了基于多帧的多视图几何方法，来恢复三维物体。Carsten Rother提出一种边恢复摄像机参数边三维重建的方法。

基于结构光测的深度数据进行的建模是通过向表面光滑无特征的物体发射具有特征点的光线，依据光源中的立体信息辅助提取物体的深度信息。具体的过程包括两个步驟，首先利用激光投影仪向目标物体投射可编码的光束，生成特征点；然后根据投射模式与投射光的几何图案，通过三角测量原理计算摄像机光心与特征点之间的距离，由此便可获取生成特征点的深度信息，实现模型重建。这种可编码的光束就是结构光，包括各种特定样式的点、线、面等图案。结构光法解决了物体表面平坦、纹理单一、灰度变化缓慢等问题。因为实现简单且精度较高，所结构光法的应用非常广泛，目前已有多家公司生产了以结构光技术为基础的硬件设备，如PrimeSensor公司的PrimeSensor、微软公司的Kinect和华硕公司的Xtion PROLIVE等产品。

近年来，随着低价、便携、高效的深度传感器的出现，基于深度信息的三维重建受到越来越多的研究者的关注。

2010年，Henry首先使用Kinect传感器完成了室内空间的重构。不过此时的三维模型还不够精细，表面附着了明虽黑斑像素点，重建速度也非常缓慢，约为2fps(帧每秒)。这种方法的速度与精度都需要提高。

2011年，Microsoft剑桥研究院Newcombe提出了KinectFusion项目。该项目旨在通过移动Kinect传感器，获取点云数据的坐标、法向量，利用迭代最近点算法完成配准，最后用移动立方体方法生成表面，但此方法不适用于动态建模。