[发明专利]基于稀疏性特征多图像的3D目标模型重建方法

说明书

本发明公开了基于稀疏性特征多图像的3D目标模型重建方法，包括以下步骤，S1：对拍摄的n幅图像{I₁，I₂，...，I_n}进行特征点检测和提取，获得稀疏性特征多图像的2D特征点；S2：利用相机的自标定，构建投影矩阵；S3：基于步骤S1中提取的2D特征点，通过投影矩阵P_n进行逆投影，生成稀疏3D特征空间点；S4：对步骤S3中的稀疏3D特征空间点进行面片化近似，通过一致性领域扩展，生成稠密点集；S5：将生成的稠密点集通过滤波操作完成精确3D目标模型的构建。本发明中3D目标模型重建方法实现了真实3D模型的重建，通过自标定微型摄像机参数建立投影矩阵，对2D点逆映射成3D点，通过扩展和滤波，由稀疏至稠密，生成精确3D目标模型。

技术领域

本发明涉及3D目标模型重建技术领域，尤其涉及基于稀疏性特征多图像的3D目标模型重建方法。

背景技术

三模重建是利用计算机技术建立客观世界的虚拟化模型的一种方法，其应用广泛，包括手术医疗、航天科技、娱乐游戏等方面。进行3D重建通常面临一些相关的问题：(1)需要较深的理论基础实现2D与3D的互映射；(2)需要基于大量的数据进行特征点的提取及降维等操作，因而运算量较大，这就造成使用常规方法难以实现有效的3D重建，需要探索新的有效的方法。如使用连续平面图即2D图序列，提取主特征信息，有基于稀疏点进行3D构建，基于特征点分层的构建，之后又有了基于稠密特征的称为点云的3D构建，如区域扩展立体特征对稠密匹配法。但是现有技术中的3D构建方法构建出来的目标模型精确度不高，与真实情况相差较大。

发明内容

针对上述存在的问题，本发明旨在提供基于稀疏性特征多图像的3D目标模型重建方法，基于稠密化的方法对稀疏性特征多图像的3D目标模型进行重建，生成精确的3D目标模型，更接近真实情况。

为了实现上述目的，本发明所采用的技术方案如下：

基于稀疏性特征多图像的3D目标模型重建方法，其特征在于，包括以下步骤，

S1：对拍摄的n幅图像{I₁，I₂，...，I_n}进行特征点检测和提取，获得稀疏性特征多图像的2D特征点；

S2：利用相机的自标定，构建投影矩阵；

S3：基于步骤S1中提取的2D特征点，通过投影矩阵P_n进行逆投影，生成稀疏3D特征空间点；

S4：对步骤S3中的稀疏3D特征空间点进行面片化近似，通过一致性领域扩展，生成稠密点集；

S5：将生成的稠密点集通过滤波操作完成精确3D目标模型的构建。

进一步的，步骤S1中采用Harris角点检测和SIFT特征检测提取稀疏性特征多图像的2D特征点。

进一步的，步骤S2的具体操作步骤包括，

S21：基于射影方程λ_ijx_ij＝P_iX_j，设定测量矩阵为W_3m×n，并使W＝λ_ijx_ij，则W的展开式为式中，λ_ii为射影伸缩因子，x_ij为2D特征点的齐次坐标，P_i为第i幅图像的投影矩阵，X_j为x_ij对应3D目标点的齐次坐标；根据W的展开式可将W解释为相机运动矩阵P_3m×4与表示空间目标模型的X_4×n矩阵的积；