[发明专利]一种基于几何约束的深度图融合与点云过滤方法

摘要

基于光度一致性的点云过滤算法准确性比较低，为此，本发明提出了一种新的基于几何一致性的深度图融合与点云过滤算法。为测量几何一致性和局部点云与全局点云的相似性，提出了一种新的表面几何特征描述子（Histogram of Truncated Icosahedron，HTI）。为了使重建完整度高，本发明又提出了基于最优化框架的多尺度深度图融合方法，该方法同时考虑了几何一致性和三维点之间的冲突与支持情况。经实验表明，该算法相较于其他算法，可以获得更加完整准确的三维模型。

主权项

1.一种用来处理包含噪声的深度图的基于包含噪声的深度图融合与点云过滤的方法，该方法基于如下假设：由包含噪声的深度图得到的局部物体表面与由多幅包含噪声的深度图融合得到的物体表面相似，以提出了一种几何特征描述子HTI计算局部点云之间的相似度；为了增加重建的完整性，该方法又利用了基于图的方法来融合多尺度包含噪声的深度图，基于图的方法的思想是：如果一个点提供额外的信息，那么在粗糙尺度中就保留此点，若没有额外的信息就删除此点，该方法的具体步骤为：1)包含噪声的深度图计算，采用基于多尺度块的方法来计算包含噪声的深度图，该方法将包含噪声的深度图对应的原始图像经过多尺度计算后获得包含噪声的深度图；2)局部点云与全局点云的生成：通过反投影每幅包含噪声的深度图能够得到一个局部点云，将所有局部点云最终合并为一个全局点云；3)表面几何特征提取，为计算局部点云之间的相似度提出了一种几何特征描述子HTI(Histogram of Truncated Icosahedron)，该描述子的结构是一种球形结构，具有20个六边形，12个五边形；4)几何支持，计算HTI特征描述子，利用下述公式得到几何支持；g(p)＝2‑||hp(p)‑hg(p)||s(p)＝g(p)‑αc(p)‑t5)基于图的多尺度融合，采用基于图的最优化框架，赋予图一个能量方程，定义如下：E(l)＝Eg(l)+βEs(l)+γEc(l)该能量方程包含三个部分：几何支持能量Eg、点支持能量Es和点冲突能量Ec，定义如下：