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(jì)算機(jī)圖形學(xué)和計(jì)算機(jī)視覺領(lǐng)域的一個(gè)基本研究問題。然而，利用建模軟件（比如3D MAX和Maya等）手工進(jìn)行三維模型構(gòu)建是十分繁瑣和代價(jià)昂貴的工作。因此，研究如何從現(xiàn)實(shí)世界直接和快速地獲取三維模型，成為該領(lǐng)域的熱點(diǎn)問題。目前，基于現(xiàn)實(shí)物體的三維結(jié)構(gòu)獲取作為一種數(shù)字存儲(chǔ)和記錄技術(shù)，在物體建模、場景建模、真實(shí)感繪制、機(jī)器人導(dǎo)航、目標(biāo)識(shí)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(shí)物體的三維模型獲取方法主要分為主動(dòng)方法和被動(dòng)方法。其中，主動(dòng)方法以使用三維掃描儀的方法為代表。被動(dòng)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(diǎn)，是三維激光掃描等主動(dòng)方法的有益補(bǔ)充。 基于圖像的三維建模方法主要分為基于標(biāo)定圖像和基于未標(biāo)定圖像兩種方法。其中基于標(biāo)定圖像的方法需要在重建場景中預(yù)先放入標(biāo)定物，具有時(shí)間和空間的限制性?；谖炊?biāo)圖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(biāo)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(biāo)圖像的重建方法往往針對(duì)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(shí)間和空間復(fù)雜性。 本文基于多視圖未定標(biāo)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(biāo)，對(duì)三維重建的整個(gè)流程進(jìn)行了深入研究。主要研究工作和創(chuàng)新點(diǎn)總結(jié)如下： 1.提出了新的圖像特征點(diǎn)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(diǎn)，其次對(duì)特征點(diǎn)周圍一定尺寸的鄰域內(nèi)梯度數(shù)據(jù)進(jìn)行歸一化處理，得到特征點(diǎn)像斑，然后采用獨(dú)立成份分析（ICA）技術(shù)提取特征點(diǎn)像斑的獨(dú)立成份，作為特征點(diǎn)的特征描述向量。該種描述子提高了局部特征的獨(dú)特性和匹配精度，可用來解決寬基線多視圖圖像的特征點(diǎn)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(shí)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(jī)運(yùn)動(dòng)參

5、數(shù)估計(jì)算法 設(shè)計(jì)并實(shí)現(xiàn)了從二維圖像空間重構(gòu)三維空間的點(diǎn)云和相機(jī)運(yùn)動(dòng)參數(shù)估計(jì)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(duì)基礎(chǔ)矩陣進(jìn)行非線性估計(jì)的方法。首先，在滿足秩為2的前提下，使用最少變量對(duì)基礎(chǔ)矩陣進(jìn)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(jì)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(biāo)準(zhǔn)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(duì)求解的基礎(chǔ)矩陣進(jìn)行優(yōu)化，進(jìn)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(jìn)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(jì)對(duì)應(yīng)不同視圖的投影矩陣。采用雙視圖估計(jì)，三視圖局部優(yōu)化，串聯(lián)估計(jì)所有視圖運(yùn)動(dòng)參數(shù)的策略，有效減少估計(jì)過程的累積誤差。所估計(jì)的射影空間投影矩陣和同時(shí)重構(gòu)的射影空間點(diǎn)云作為自標(biāo)定算法的輸入，標(biāo)定出相機(jī)的內(nèi)參

7、矩陣，從而將投影矩陣和點(diǎn)云從射影空間升級(jí)至度量空間。由于基礎(chǔ)矩陣的估計(jì)具備魯棒性，因此，基于我們的方法所計(jì)算的相機(jī)投影矩陣，穩(wěn)定性高，誤差較小，使重構(gòu)的點(diǎn)云具有良好的精確性。 3.提出了三維點(diǎn)云的優(yōu)化算法。 （1）提出了基于SBA框架和隨機(jī)行走模型的非線性優(yōu)化算法。在對(duì)三維點(diǎn)云進(jìn)行優(yōu)化時(shí)，二維匹配點(diǎn)是優(yōu)化算法的輸入，采樣精確的二維匹配點(diǎn)對(duì)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(jī)行走模型，用來重新采樣圖像空間匹配點(diǎn)

8、。以重采樣的匹配點(diǎn)對(duì)，投影矩陣參數(shù)和初步估計(jì)的三維結(jié)構(gòu)為優(yōu)化初值，利用SBA框架進(jìn)行局部和全局優(yōu)化處理。最后在RANSAC框架中進(jìn)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(diǎn)云調(diào)整方法。根據(jù)采樣視點(diǎn)圖像空間的輪廓數(shù)據(jù)，逆向修整三維空間的點(diǎn)云數(shù)據(jù)。首先，根據(jù)輪廓信息計(jì)算需要調(diào)整的三維點(diǎn)集合M，其次，提出兩種方法，包括步長調(diào)整法和直接計(jì)算法對(duì)集合M中的點(diǎn)沿其內(nèi)法向進(jìn)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