[发明专利]融合SIFT和RANSAC的三维重建图像对齐的方法

说明书

本发明公开融合SIFT和RANSAC的三维重建图像对齐的方法，涉及计算机视觉领域；针对原图像和目标图像划分相同尺寸的网格，基于尺度不变特征转换SIFT算法分别对原图像和目标图像的每个网格进行特征点检测，获得原图像的每个网格的特征点描述和目标图像的每个网格的特征点描述，根据原图像的每个网格的特征点描述和目标图像的每个网格的特征点描述进行粗筛特征点匹配；根据粗筛特征点匹配结果进行二次筛选；基于随机抽样一致算法RANSAC，对二次筛选结果进行精细筛选，完成图像对齐。

技术领域

本发明公开一种方法，涉及计算机视觉领域，具体地说是融合SIFT和RANSAC的三维重建图像对齐的方法。

背景技术

在计算机视觉中，三维重建作为物理环境感知的关键技术之一，其可用于航天飞行、遥感测绘、智慧城市、数字文博、自动驾驶、虚拟现实、数字孪生等场景。三维重建是指对某些三维物体或者三维的场景的一种恢复和重构，重建出来的模型，方便计算机表示和处理。在实际重建过程中，三维重建是对三维空间中的物体、场景、人体等图像描述的一种逆过程，由二维的图像还原出三维的立体物体、场景和动态人体。因此三维重建技术是在计算机中建立表达客观世界的虚拟现实的技术。

基于图像的三维重建技术的实质就是将照相设备或者录像设备采集的、对显示三维场景或者物体离散的二维图像作为基础数据，经过处理得到场景或者物体的三维数据信息，生成真实的场景或者物体，然后通过合适的空间模型把全景图像组织为虚拟的实景空间，用户在这个空间中可以前进、后退、环视、近看、远看等操作，实现用户全方位观察三维场景的效果。重建过程中，各场景、物体的二维图像对齐是重建的基础，但现有的图像对齐方法误匹配率较高，前景干扰较多，且图像间大视差等原因容易造成图像对齐不精确的问题。

发明内容

本发明主要针对前景干扰、图像间大视差等造成的图像对齐不精确的问题，提供融合SIFT和RANSAC的三维重建图像对齐的方法，提高特征点匹配准确率和速度,更高效地完成图像对齐。

本发明提出的具体方案是：

本发明提供融合SIFT和RANSAC的三维重建图像对齐的方法，针对原图像和目标图像划分相同尺寸的网格，基于尺度不变特征转换SIFT算法分别对原图像和目标图像的每个网格进行特征点检测，获得原图像的每个网格的特征点描述和目标图像的每个网格的特征点描述，根据原图像的每个网格的特征点描述和目标图像的每个网格的特征点描述进行粗筛特征点匹配；

根据粗筛特征点匹配结果进行二次筛选：设定标定与校正值中两个水平特征点间的匹配线段斜率为标准斜率,比较粗筛特征点匹配结果中匹配线段的斜率与标准斜率是否相等，若相等则视为有效匹配,否则剔除；

基于随机抽样一致算法RANSAC，对二次筛选结果进行精细筛选，完成图像对齐：通过局内点拟合估计模型，利用估计模型筛选原图像和目标图像的对应特征点，根据对应特征点完成图像对齐。

进一步，所述的融合SIFT和RANSAC的三维重建图像对齐的方法中所述基于尺度不变特征转换SIFT算法进行特征点检测，包括：分别搜索原图像和目标图像每个网格下所有尺度空间上的图像位置，通过高斯微分函数识别具有尺度和旋转不变的关键点，定位关键点，根据关键点确定特征点。

进一步，所述的融合SIFT和RANSAC的三维重建图像对齐的方法中所述基于尺度不变特征转换SIFT算法获得特征点描述，包括：确定特征点的主方向，通过各关键点的特征向量，进行两两比较获得相互匹配的若干对特征点，建立原图像和目标图像中景物间的对应关系，生成所有网格的特征点描述。

进一步，所述的融合SIFT和RANSAC的三维重建图像对齐的方法中所述基于随机抽样一致算法RANSAC，对二次筛选结果进行精细筛选，包括：随机假设一组局内点为初始值，根据所述局内点拟合估计模型，估计模型测试原图像和目标图像的对应特征点，若所述对应特征点适用于估计模型则认为所述对应特征点也是局内点，扩充局内点，根据应用情况获得足够的局内点，