用于未校准图像的高精度三维重建.pdf

本发明是一种用于未校准图像的高精度三维重建方法，涉及计算机视觉领域。该方法引入了匹配扩展及点云扩展算法：针对初始的匹配没有几何约束，错误较多的问题，匹配扩展算法在几何约束下，对匹配点进行扩展，获取均匀分布的、稠密的匹配信息。这些匹配信息适合于运动到结构算法，该算法可以产生图像的摄像机参数信息，同时重建出稀疏的点云。这些点云不够稠密，且精度较低，我们提出的点云扩展算法通过优化每个三维点的几何数据提高其准确性，并将每个三维点扩展到它相应的邻域内提高三维点云的稠密度。本发明针对未校准的多幅图像，进行三维重建，获得稠密且高精度的三维点云。

1.  一种用于未校正图像的高精度三维重建方法，其特征在于包含以下步骤：
1)通过匹配扩展获取几何一致性的匹配信息；
2)通过点云扩展生成高精度、稠密的三维点云信息。

2.  根据权利1所述的一种用于未校正图像的高精度三维重建方法，其特征在于所述的通过匹配扩展获取几何一致性的匹配信息：
1)通过计算初始的匹配点的相应性，
，
然后对其进行排序，我们选取有最好相应性的匹配向其邻域内扩展，获取新的匹配信息，如果新的匹配信息足够好的话，将其加入到扩展队列中，进行进一步的扩展；
2)通过对匹配信息的重采样获取到分布均匀且拥有几何一致性的匹配信息。

3.  根据权利1所述的一种用于未校正图像的高精度三维重建方法，其特征在于所述的通过点云扩展生成高精度、稠密的三维点云信息：
1）我们首先对稀疏的三维点云进行优化处理，提高点云的精度，优化过程中主要使用homography将每个三维点转换到多幅图像中，
，
然后最小化图像点之间的相应性来优化其几何信息，主要包括其所在位置及其方向；
2)接下来我们对优化过的点云进行扩展，主要是在三维空间中找到与三维点在同一个平面的临近三维点，对其进行优化以获得新的三维点，如果扩展出的三维点足够好的话，我们也将其加入到扩展的队列中，进行进一步的扩展。

用于未校准图像的高精度三维重建
技术领域
 本发明涉及一种三维重建算法，尤其涉及一种用于未校准图像的高精度三维重建算法，属于计算机视觉领域。
背景技术
三维重建问题是计算机视觉领域中的重要研究方向之一，其目的是从多幅图像中恢复出场景或是物体的三维信息。三维重建在电影娱乐、医学诊断和游戏产业等领域有着广泛应用。多目三维重建通过多张来自同一个场景或物体的图片，在多目立体几何的约束下，采用运动到结构的方法恢复出图片的校准信息，同时产生一个稀疏的三维点云。但在实际应用中，由于在提取图像特征点和匹配的过程中并未加入几何约束等信息，导致许多错误的匹配信息的出现，进而影响最终三维重建结果的准确性。由于稀疏的三维点云并不能很好的在实际中获得应用，对点云进一步加密同时保证其精度又是一个难题。
发明内容
本发明所要解决的技术问题是提供一种针对未校准的多幅图像的高精度三维重建方法，在保证其精度的条件下，提高三维点云的稠密度。
本发明的解决方案是：通过一种匹配扩展的算法尽可能的提高最初匹配的稠密度，同时保证在极线的约束下；之后通过一个运动到结构的算法对多幅图像进行校准并重建出一个稀疏的场景或物体点云；为了进一步提高点云的稠密度和准确度，我们提出一种点云扩展的算法，该算法对每个三维点进行扩展并且通过一个优化的过程提高其精度。最终我们获得了一个高精度的稠密三维重建结果。
本发明为实现上述解决方案，其方法步骤如下所示：
1.      通过对多幅图像进行特征提取、匹配，获取到初始的匹配信息，之后使用匹配扩展的方式获取更多的匹配信息。我们首先使用下面的公式对初始的匹配信息计算其相应性，

然后按照相应性的分数来进行排序，每次选择最好的匹配进行扩展。扩展过程中，我们在已有的匹配的邻域内寻找可能的匹配，然后计算其相应性，如果其相应性足够好，我们就将其列为新的匹配，并将其加入到扩展队列中。
2.      我们使用一种SfM的算法对上面扩展出的匹配进行场景结构估计，并导出相应摄像机的几何参数。由于所使用的算法无法获取足够稠密且准确的三维点云信息，我们在下一步的点云扩展程序中对稀疏的三维点进行优化和扩展，使得最终的点云数据足够稠密且有较高的精度。
3.      我们通过对稀疏点云中的每个三维点进行优化提高点云信息的精度。优化算法主要通过homography将三维点转换到多张图像上，
，
然后最小化图像点之间的相应性来对其几何信息（位置和方向）进行优化。之后我们使用点云扩展的算法对稀疏的点云信息进行加密，该算法主要通过在已有三维点所在的平面上扩展其周围的三维点来加密点云，同时使用优化算法保证其精度，从而获得高精度的稠密三维重建结果。