[发明专利]一种基于图像筛选的3D模型快速构建方法

说明书

本发明实施例提供了一种三维模型构建过程中图像匹配的方法，包括：步骤1：确定待匹配源图像n；步骤2：筛选与源图像n相邻近的图像n‑1…n‑m及n+1…n+m；步骤3：将筛选出的2m+1个图像进行匹配计算；步骤4：对其余待匹配源图像重复上述步骤2‑3，最终完成所有图像的匹配。首次针对体积有限的目标物围绕式采集的方案，提出了通过筛选相邻图片的方式减少匹配算法计算难度和时间，兼顾合成速度和精度。

技术领域

本发明涉及形貌测量技术领域，特别涉及3D形貌测量技术领域。

背景技术

在进行3D测量，利用3D测量数据进行加工制造，或是利用3D数据进行展示、识别时，首先应当为目标物建立具有较为准确的3D模型。目前常用的方法包括使用机器视觉的方式，采集物体不同角度的图片，并将这些图片匹配拼接形成3D模型。这些3D模型可以看作是现实事物的数据化，利用这些数据可以加工制造与目标物相匹配的配套物。例如可以采集人体脚部3D数据从而制造更为合适的鞋子。另外，这些数据也可以用来进行身份的验证。例如合成人体虹膜3D模型后可作为身份标准数据，在使用时再次采集虹膜3D数据，与标准数据进行比对，即可识别身份。但是无论是工厂制造还是交易识别，对3D模型的合成速度和精度要求都比较高，否则将带来客户体验的极大劣化。

而现有技术中，人们认为合成速度的提高有赖于3D模型重建算法的优化。于是提出了各种改进3D模型重建的算法，但效果一般。这是由于通常的算法都是通用算法，适用于更广泛的场景。由于通用场景中，采集是相对随机的。例如在进行楼房的建模时，使用无人机对楼房进行拍摄，其飞行轨迹通常并不固定。也就是说，采集过程并不是标准的。因此，目前算法也是针对这种随机过程设计的，现有技术中没有任何专门针对固定程序的环绕式采集的算法优化。

本领域还认为精度的提高更多依赖于图像采集的精度。使用高分辨率的相机自然可以提高图像采集精度，并在一定程度上提高3D建模的精度，但是超高分辨率的图像也带来了合成速度的极度下降。

而且，合成速度和合成精度在某种程度上是一对矛盾，合成速度的提高会导致最终3D合成精度下降；要提高3D合成精度则需要降低合成速度，通过更多的图片来合成。首先，现有技术中没有能够较好地同时提高合成速度和合成效果的算法。其次，通常认为采集和合成是两个过程，互不影响，并没有统一考虑。这影响了3D合成建模的效率无法兼顾提高合成速度和合成的精度。最后，在现有技术中，也曾提出使用包括转动角度、目标物尺寸、物距的经验公式限定相机位置，从而兼顾合成速度和效果。然而在实际应用中发现：除非有精确量角装置，否则用户对角度并不敏感，难以准确确定角度；目标物尺寸难以准确确定，特别是某些应用场合目标物需要频繁更换，每次测量带来大量额外工作量，并且需要专业设备才能准确测量不规则目标物。测量的误差导致相机位置设定误差，从而会影响采集合成速度和效果；准确度和速度还需要进一步提高。

因此，目前急需解决以下技术问题：①能够打破算法优化偏见，并不进行通用算法的优化，而是寻找旋转式采集这一场景的优化方法；②算法能够和采集图像的方法相互配合从而同时提高合成速度和合成精度。③能够针对环绕式采集目标物，生成3D模型的场景，专门进行算法优化。

发明内容

鉴于上述问题，提出了本发明提供一种克服上述问题或者至少部分地解决上述问题的一种三维模型构建过程中图像匹配的方法。

本发明实施例提供了一种三维模型构建过程中图像匹配的方法，包括：

步骤1：确定待匹配源图像n；

步骤2：筛选与源图像n相邻近的图像n-1…n-m及n+1…n+m；

步骤3：将筛选出的2m+1个图像进行匹配计算；

步骤4：对其余待匹配源图像重复上述步骤2-3，最终完成所有图像的匹配。