[发明专利]一种基于参数化模型的三维细小物体重建方法

说明书

本发明公开了一种基于参数化模型的三维细小物体重建方法。该方法包括以下步骤：构建细小物体的三维形状模型库；统计模型库中的形状变形，建立参数化模板模型；根据形状特点获取三维形状的特征点信息，提取特征点索引建立基于稀疏特征点的参数化模型；输入待重建模型的二维图像，提取二维特征点位置信息；计算输入图像特征点与参数化模型特征点之间的误差，通过最小化目标函数优化模型参数，根据优化的模型参数对参数化模型进行调整，重建出与输入图像对应的三维网格模型。本发明基于参数化模型的三维细小物体重建方法，能够根据单张RGB图像重建出完整的、无噪声点的三维网格模型。

技术领域

本发明涉及计算机辅助设计和计算机图形学技术领域，特别是一种基于参数化模型的三维细小物体重建方法。

背景技术

近年来三维模型在3D游戏、影视动漫、三维打印等多个领域都有着巨大的市场需求。然而，由于细小物体的视觉特征点较少，重建出完整的几何模型成为了一件困难的事情。根据重建原理的不同，细小物体的重建方法主要分为以下几类：

基于图像的三维重建方法，这种方法是利用场景中的视觉特征点估计摄像机的姿态，然后识别纹理特征之间的密集点对应关系。由于细小物体的结构缺乏纹理特征，且只有几个像素宽，经典的对应匹配方法表现不佳或失败。此外，即使是很小的摄像机标定误差也会严重影响重建精度。为了解决这个问题，有研究利用高阶曲线原语进行图像匹配。然而，这些工作假设输入图像是预先校准的，而这种假设通常很难满足。

基于RGBD深度相机的三维重建方法，大多数方法使用截断有符号距离场(TSDF)来对齐和整合深度扫描，从中可以提取出最终的曲面。这些方法可以成功地扫描重建出相对较大的结构和环境。然而，由于大多数深度相机的高噪声和低分辨率，使得它们无法捕捉到一些结构较小的部位。

文献(Lingjie Liu,Nenglun Chen,Duygu Ceylan,et al.CurveFusion:reconstructing thin structures from RGBD sequences[J].ACM Transactions onGraphics,2018,37(6):218:1-281:12)首次提出了一种利用RGBD相机重建高精度细丝状结构组成的物体的方法，使用曲线骨架代替截断有符号距离场(TSDF)作为新的依赖于数据的融合原语来对齐和整合深度扫描。该方法所使用的基于红外的深度传感器仅适用于某些场景条件，如室内无强光的环境和非黑色表面的物体，这大大限制了它的应用。此外，深度传感器有限的深度分辨率限制了重建的最大精度，这常常导致复杂节点上的曲线缺失或拓扑结构错误。

发明内容

本发明的目的在于提供一种基于参数化模型的三维细小物体重建方法，从而根据单张RGB图像重建出完整的、无噪声点的三维网格模型。

实现本发明目的的技术解决方案为：一种基于参数化模型的三维细小物体重建方法，包括以下步骤：

步骤1、构建细小物体的三维形状模型库；

步骤2、统计模型库中的形状变形，建立参数化模板模型；

步骤3、根据形状特点获取三维形状的特征点信息，提取特征点索引建立基于稀疏特征点的参数化模型；

步骤4、输入待重建模型的二维图像，提取二维特征点位置信息；计算输入图像特征点与参数化模型特征点之间的误差，通过最小化目标函数优化模型参数，根据优化的模型参数对参数化模型进行调整，重建出与输入图像对应的三维网格模型。

进一步地，步骤1所述的构建细小物体的三维形状模型库，具体步骤如下：

步骤1.1、利用三维建模软件C4D设计三维网格模板模型；

步骤1.2、对三维网格模板模型进行自由变形FFD合成新的三维网格模型，新合成的模型与模板模型具有相同的拓扑结构和顶点数，且网格模型点对点稠密对应；