基于多視圖的三維模型重建方法研究.pdf

1、三維模型獲取是計算機圖形學(xué)和計算機視覺領(lǐng)域的一個基本研究問題。然而，利用建模軟件（比如3D MAX和Maya等）手工進行三維模型構(gòu)建是十分繁瑣和代價昂貴的工作。因此，研究如何從現(xiàn)實世界直接和快速地獲取三維模型，成為該領(lǐng)域的熱點問題。目前，基于現(xiàn)實物體的三維結(jié)構(gòu)獲取作為一種數(shù)字存儲和記錄技術(shù)，在物體建模、場景建模、真實感繪制、機器人導(dǎo)航、目標識別和三維測量等科學(xué)和工程領(lǐng)域以及考古學(xué)、廣告、娛樂等其他文化領(lǐng)域有廣泛的應(yīng)用需求。 基于

2、現(xiàn)實物體的三維模型獲取方法主要分為主動方法和被動方法。其中，主動方法以使用三維掃描儀的方法為代表。被動方法則指基于二維圖像的三維重建方法?；趫D像的三維建模方法具備低成本，靈活和能夠直接獲取彩色紋理等特點，是三維激光掃描等主動方法的有益補充。 基于圖像的三維建模方法主要分為基于標定圖像和基于未標定圖像兩種方法。其中基于標定圖像的方法需要在重建場景中預(yù)先放入標定物，具有時間和空間的限制性?；谖炊藞D像的三維建模方法僅依賴圖像間的

3、特征匹配關(guān)系，克服了基于標定圖像方法的限制，具備良好的應(yīng)用前景。目前，基于未定標圖像的重建方法往往針對窄基線圖像序列，這使得重建完整模型需要過多的圖像數(shù)目，提高了時間和空間復(fù)雜性。 本文基于多視圖未定標圖像的局部特征以及多視圖之間的約束關(guān)系，以構(gòu)建復(fù)雜完整的三維模型為目標，對三維重建的整個流程進行了深入研究。主要研究工作和創(chuàng)新點總結(jié)如下： 1.提出了新的圖像特征點描述子 提出了一種新的描述圖像局部特征的方法。該方

4、法首先提取圖像中尺度不變的局部特征點，其次對特征點周圍一定尺寸的鄰域內(nèi)梯度數(shù)據(jù)進行歸一化處理，得到特征點像斑，然后采用獨立成份分析（ICA）技術(shù)提取特征點像斑的獨立成份，作為特征點的特征描述向量。該種描述子提高了局部特征的獨特性和匹配精度，可用來解決寬基線多視圖圖像的特征點匹配問題，使得重建完整三維模型需要的圖像數(shù)量較少，有利于降低重建工作的時間和空間的復(fù)雜性，為三維結(jié)構(gòu)恢復(fù)奠定良好基礎(chǔ)。 2.基于二維信息的三維結(jié)構(gòu)和相機運動參

5、數(shù)估計算法 設(shè)計并實現(xiàn)了從二維圖像空間重構(gòu)三維空間的點云和相機運動參數(shù)估計的算法流程。 （1）提出了基于全局優(yōu)化的基礎(chǔ)矩陣求解方法。給出了一種新的使用全局最優(yōu)技術(shù)，對基礎(chǔ)矩陣進行非線性估計的方法。首先，在滿足秩為2的前提下，使用最少變量對基礎(chǔ)矩陣進行參數(shù)化。其次，為基礎(chǔ)矩陣建立非凸的全局最優(yōu)估計模型，并利用線性矩陣不等式松弛法轉(zhuǎn)化非凸問題，使其最終可通過標準線性矩陣不等式（LMI）工具求解。最后，使用RANSAC迭代框架，

6、基于最優(yōu)圖像距離誤差，對求解的基礎(chǔ)矩陣進行優(yōu)化，進一步提高了結(jié)果的魯棒性。 （2）提出了僅依賴基礎(chǔ)矩陣精度的射影空間多視圖遞推公式，并基于此進行場景射影重建和度量重建。將射影空間投影矩陣形式化為統(tǒng)一的形式，基于基礎(chǔ)矩陣和增量法，估計對應(yīng)不同視圖的投影矩陣。采用雙視圖估計，三視圖局部優(yōu)化，串聯(lián)估計所有視圖運動參數(shù)的策略，有效減少估計過程的累積誤差。所估計的射影空間投影矩陣和同時重構(gòu)的射影空間點云作為自標定算法的輸入，標定出相機的內(nèi)參

7、矩陣，從而將投影矩陣和點云從射影空間升級至度量空間。由于基礎(chǔ)矩陣的估計具備魯棒性，因此，基于我們的方法所計算的相機投影矩陣，穩(wěn)定性高，誤差較小，使重構(gòu)的點云具有良好的精確性。 3.提出了三維點云的優(yōu)化算法。 （1）提出了基于SBA框架和隨機行走模型的非線性優(yōu)化算法。在對三維點云進行優(yōu)化時，二維匹配點是優(yōu)化算法的輸入，采樣精確的二維匹配點對提高優(yōu)化算法的性能非常重要。提出一種各向異性的隨機行走模型，用來重新采樣圖像空間匹配點

8、。以重采樣的匹配點對，投影矩陣參數(shù)和初步估計的三維結(jié)構(gòu)為優(yōu)化初值，利用SBA框架進行局部和全局優(yōu)化處理。最后在RANSAC框架中進行迭代優(yōu)化和最優(yōu)參數(shù)選取。 （2）提出基于圖像輪廓的點云調(diào)整方法。根據(jù)采樣視點圖像空間的輪廓數(shù)據(jù)，逆向修整三維空間的點云數(shù)據(jù)。首先，根據(jù)輪廓信息計算需要調(diào)整的三維點集合M，其次，提出兩種方法，包括步長調(diào)整法和直接計算法對集合M中的點沿其內(nèi)法向進行啟發(fā)式調(diào)整。 4.提出了基于馬太效應(yīng)概率模型的多視