[发明专利]一种基于字典学习的目标重建方法

摘要

本发明涉及一种基于字典学习的目标重建方法，首先，利用已有的稠密点云模型构造点云字典库；其次，构建目标的稀疏点云模型，并借助点云字典库对该稀疏点云模型进行扩张，得到完整稠密的三维模型。在扩张的过程中，以点云面片局部的曲率不变性为依据，构造特征，作为扩张的依据。最后，对上一步扩张得到模型进行表面重建，完成目标重建。本发明能够极大的降低计算时间，且对于图像纹理欠丰富或重复纹理区域目标的重建有很好的表现。

主权项

1.一种基于字典学习的目标重建方法，其特征在于，包括以下步骤：第一步，利用已有的稠密点云模型，构建点云字典库；第二步，构建目标的稀疏点云模型，并利用第一步构建的点云字典库对所述稀疏点云模型进行扩张，得到完整稠密的三维模型；第三步，对第二步扩张得到的三维模型进行表面重建，完成目标重建；所述第一步中，利用已有的稠密点云模型，构建点云字典库，具体实施如下：(11)分别对已有的稠密点云模型进行划分，得到若干点云面片；(12)用划分得到的若干点云面片构造点云字典库，记为L；所述第二步具体实现如下：(21)通过找出相邻视图对、在相邻的视图间匹配特征、将相同特征融合、计算稀疏点云模型步骤，从多视图图像序列构造得到目标的稀疏点云模型，记为Ms；(22)对利用K‑近邻的方法选取n个邻域点组成局部稀疏点云，记为Q(p)，从步骤(12)构造得到的L中选取与Q(p)特征最接近的点云面片，通过迭代最近点法，将该点云面片贴合到对应的局部稀疏点云，完成对稀疏点云的扩张，得到完整稠密的三维模型。