多視點(diǎn)物像標(biāo)定及三維特征提取研究.pdf

1、多視點(diǎn)物像標(biāo)定和三維特征提取是三維重建過程中重要的兩個(gè)步驟。多視點(diǎn)物像標(biāo)定是通過相機(jī)從多個(gè)視點(diǎn)采集已知部分信息的三維場(chǎng)景(例如棋盤標(biāo)定板)的圖像，利用一定的相機(jī)成像模型，找到已知場(chǎng)景中的點(diǎn)與它在圖像平面上對(duì)應(yīng)像點(diǎn)之間的關(guān)系，并求解相機(jī)內(nèi)參數(shù)和外參數(shù)的一個(gè)過程。標(biāo)定得到的相機(jī)參數(shù)的精度直接決定三維重建結(jié)果的準(zhǔn)確性。特征提取是利用計(jì)算機(jī)視覺算法從圖像中提取計(jì)算機(jī)可以識(shí)別的特征的過程，提取的特征將用于三維重建后期的特征匹配和深度信息確定，提取

2、特征的數(shù)量和質(zhì)量將決定三維重建后續(xù)步驟的成敗。
　　多視點(diǎn)物像標(biāo)定最常用的算法是Tsai的兩步標(biāo)定法和張正友標(biāo)定法，目前大部分標(biāo)定算法都是在它們的基礎(chǔ)上演變而來。這些標(biāo)定法提取標(biāo)定板角點(diǎn)和角點(diǎn)排序的過程較復(fù)雜，有些算法還需要人工輔助為角點(diǎn)排序。
　　特征提取算法中最經(jīng)典的兩種算法是 Harris角點(diǎn)提取算法和尺度不變特征變換算法SIFT(Scale-invariant feature transform)。Harris算法提

3、取角點(diǎn)速度快，有一種改進(jìn)Harris算法提取的角點(diǎn)分布均勻，但是得到的特征點(diǎn)的匹配性能較弱。SIFT算法提取的特征點(diǎn)適合于特征匹配，但特征點(diǎn)分布不均勻。
　　研究工作以簡(jiǎn)化相機(jī)標(biāo)定中提取標(biāo)定板角點(diǎn)的過程、提升相機(jī)標(biāo)定速度和提取分布更均勻的三維特征為目標(biāo)，其要點(diǎn)可歸納如下。
　　(1)在張正友標(biāo)定法的基礎(chǔ)上，針對(duì)相機(jī)鏡頭畸變較小和棋盤標(biāo)定板的應(yīng)用，提出了一種改進(jìn)的相機(jī)標(biāo)定算法，主要改進(jìn)了提取標(biāo)定板角點(diǎn)的方式，通過Canny算法

4、提取圖像的邊緣，再求邊緣中的橫線和豎線的交點(diǎn)來定位和排序角點(diǎn)。新算法具有計(jì)算簡(jiǎn)單，角點(diǎn)自動(dòng)排序等特點(diǎn)，通過與張正友標(biāo)定法進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證了新算法得到的結(jié)果具有較高的可靠性和更快的速度。
　　(2)結(jié)合改進(jìn)的Harris角點(diǎn)提取算法和SIFT算法的優(yōu)點(diǎn)，實(shí)現(xiàn)了一種基于改進(jìn)Harris的三維特征提取方法，利用改進(jìn)Harris算法定位特征點(diǎn)，再借鑒SIFT算法生成描述子的思想為每個(gè)特征點(diǎn)生成描述子。使用基于改進(jìn) Harris的三維特征

5、提取方法和 SIFT算法分別在兩幅不同視點(diǎn)的圖像中提取角點(diǎn)并進(jìn)行匹配，實(shí)驗(yàn)結(jié)果驗(yàn)證了基于改進(jìn)Harris的三維特征提取方法提取的特征點(diǎn)比SIFT算法提取的特征點(diǎn)更有利于特征匹配。
　　(3)進(jìn)行了兩視點(diǎn)三維重建探討，利用前面的研究獲得了相機(jī)的內(nèi)參數(shù)矩陣和特征點(diǎn)以及特征點(diǎn)匹配對(duì)后，繼續(xù)求解了基礎(chǔ)矩陣、本質(zhì)矩陣、旋轉(zhuǎn)矩陣、平移向量、投影矩陣，根據(jù)投影矩陣求解待重建物體的三維點(diǎn)坐標(biāo)，并繪制出了物體的三維點(diǎn)云。實(shí)現(xiàn)了一個(gè)三維重建原型系統(tǒng)的