[发明专利]一种基于几何约束的目标重建方法

摘要

本发明涉及一种基于几何约束的目标重建方法，属于计算机视觉领域，包括由运动恢复结构(SFM)方法获得初始点云；图像特征点聚类获得特征点的分类结果，即图像中相似部分的邻域关系；对初始点云的法向特征聚类，利用图像特征点分类结果与初始点云聚类结果之间的对应关系来定义初始点云的几何结构；由几何结构得到初始点云中较稀疏的部分，将此部分定义为“孔洞”，接下来利用“孔洞”区域的结合结构约束通过RANSAC方法与最小二乘法进行空间平面和曲面的拟合；对拟合出的表面进行采样，将得到的三维点加入初始点云从而得到一个稠密的点云模型，最后利用泊松表面重建得到目标的三维模型。本发明的实验结果验证了该方法的可实施性，并且达到较好效果。

主权项

1.一种基于几何约束的目标重建方法，其特征在于：包括以下步骤：第一步，提取图像序列中的特征点并进行匹配，三角测量处理，得到特征点对应的三维点坐标，所有三维点坐标组成了初始点云；第二步，对图像序列中提取的特征点进行聚类，获得图像特征点分类结果；第三步，计算初始点云的法向，利用初始点云的法向之间的距离及法向之间的夹角对初始点云进行聚类，并与第二步获得的图像特征点分类结果相结合获得初始点云的分类结果，即初始点云的几何约束；第四步，判断初始点云中的孔洞位置，所述孔洞为初始点云中稀疏的部分，并结合初始点云的几何约束进行平面或曲面拟合，在一定范围内对拟合平面或曲面采样，将采样得到的三维点加入初始点云，从而得到稠密的初始点云，最后利用泊松表面重建方法得到目标的三维模型；所述第四步具体实现如下：(1)筛选第三步得到的初始点云的分类结果，如果某一类结果中的三维点数目小于m1，则将此类定义为误分类的点，不包含在有效分类结果中，这里设置m1＝6；(2)对于每一个有效分类结果中的三维点Xi(p)，找到距离它最近的m2个点，计算这m2个点到Xi(p)的距离和，得到所述距离和占有效分类结果中所有点到Xi(p)的距离和的百分比，如果所述百分比大于50％，则判断这个子集为孔洞区域Hi{X(k)}；其中d{Xi(p),Xi(j)}表示两个三维点之间的距离；(3)判断孔洞区域为平面或者曲面，设X_i(p)是属于有效分类结果X_i中的三维点，在X_i内寻找距离X_i(p)最近的三维点X_i(q)，计算X_i(p)，X_i(q)这两个三维点所对应法向之间的夹角θ_i，每计算一次则排除掉两个三维点，并继续对X_i中剩余的三维点做此处理，直到处理完所有的三维点，将得到的夹角求和获得任意两个邻近法向之间的夹角和比较与设置阈值β之间的大小关系，如果夹角和大于阈值β，则判断所述孔洞区域为曲面，反之，则判断所述孔洞区域为平面；(4)如果孔洞区域判断为平面，则采用RANSAC方法拟合，在点集Hi{X(k)}中随机选取三个点P1，P2，P3，进行初始平面的拟合：其中a,b,c为平面参数，(Xi,Yi,Zi)为点的坐标；计算邻域搜索范围内其他三维点距初始平面的距离，统计距离值小于sigma的点的数目，sigma＝1；迭代次数设置为1000，最终找到符合拟合平面点的数目最多的平面作为最佳拟合平面；(5)如果孔洞区域判断为曲面，则采用最小二乘法拟合，首先计算孔洞区域中每一个点到待计算点之间的距离，并按距离大小对这些除待计算点之外的孔洞区域的三维点排序再设置一个拟合误差阈值λ，计算拟合曲面表达式，设曲面表达式为：x,y为三维点坐标，s为表达式系数，f为z坐标的理论值，误差函数为偏差的平方和：将该式求导并令其偏导数为零，得到一个关于系数的矩阵方程组，根据一般求解线性方程组的方法，即求解出表达式中的参数值，最终得到拟合曲面的表达式；如果拟合曲面的误差大于这个值，则按照排序由后至前删除三维点，再对剩余的点继续重复拟合曲面计算误差的过程，递归计算下去直到拟合误差小于设定的阈值，从而获得误差较小且较准确的局部最佳拟合曲面；(6)对所述最佳拟合平面或曲面在孔洞区域范围内进行采样，将采样出的三维点添加到初始点云中，从而得到稠密的点云数据，最后利用泊松表面重建方法得到目标的三维模型。