[发明专利]一种基于区域配准的深度点云三维重建方法

说明书

技术领域

本发明涉及立体模型的三维重建技术，从彩色图像的颜色相似性出发，对彩色图像进行区域分割，将图像中的物体分割成具有局部相似性的多个区域，并利用深度信息对相邻区域进行相似度计算，将相邻的相似区域进行合并。在得到合并的区域后，利用权重信息的迭代更新进行相邻时刻的区域预匹配，并对预处理后的区域对所对应的点云进行三维配准得到变换矩阵，最后将所有时刻的三维点云按照变换矩阵存储在栅格立方体中，使用移动立方体算法进行三维表面重建。

背景技术

三维立体模型重建是计算机视觉、机器人系统与计算机图形学等领域中重要的研究课题。近些年来，由于Kinect等消费级深度采集设备的出现，该技术在虚拟现实、文物修复、医学成像、三维打印等领域中都有着广泛的应用。由于设备硬件上的限制，采集的深度数据往往会出现丢失现象。此外，设备的快速移动会导致配准技术的失败，产生与真实数据误差较大的三维模型。目前，一些优化技术可以检测到闭环，逐渐纠正设备位姿，并将误差分配到逐帧以减少累计误差带来的影响。但是，这些办法没有真正解决复杂环境下配准偏移的问题，当移动速度较快，或者物体特征信息不丰富时，如何获取较为精确的三维模型仍然是研究中亟待解决的关键问题。

发明内容

本发明的目的是提出一种基于区域配准的深度点云三维重建方法。

本发明的目的是这样实现的：一种基于区域配准的深度点云三维重建方法，其特征在于，对于采集的彩色图像与深度数据，采用以下步骤进行处理,即可以实现深度点云的三维重建。

步骤1：对彩色图像进行区域分割

为对彩色图像进行区域分割，首先将彩色图像所有像素点存储在图G中，然后使用基于图的贪心聚类分割方法将彩色图像过分割成多个区域。具体地，将彩色图像每个像素初始化为图G的顶点，像素之间的颜色差异初始化为顶点之间的边权值。首先计算所有像素之间的颜色差异，计为图G的边权值h，按照公式(1)计算：

其中，h_ij是像素点p_i与p_j之间的边权值，(r_i,g_i,b_i)与(r_j,g_j,b_j)分别是两个像素点的红绿蓝三个颜色值。为了进一步进行区域分割，首先将图G中每一个顶点当作一个区域，然后根据公式(2)对每两个区域进行聚类分析，如果两个区域满足公式(2)，那么将他们合并为一块新区域；

Dif(C_i，C_j)≤min(Int(C_i)+f/|C_i|,Int(C_j)+f/|C_j|) (2)

其中，C_i和C_j是待分割的两个区域，Dif(C_i，C_j)是连接两个区域C_i和C_j之间的最小的边权值，Int(C_i)和Int(C_j)分别为区域C_i和C_j包含的图所对应的最小生成树中最大的边权值。|C_i|和|C_j|分别是区域C_i和C_j中的像素点个数,f是分割的阈值参数，设为50。对所有像素点进行处理后，彩色图像被过分割成多个区域；

步骤2：对相似的过分割区域进行合并

为了对相似的过分割区域进行合并，首先计算所有区域的协方差矩阵，然后计算相邻区域的相似度，对相似度小于阈值的区域进行合并。具体地，首先根据公式(3)计算每个区域的协方差矩阵A(u(S))：

其中，c(S)是区域S的中心点的三维坐标，u(S)是区域S对应的三维点云。|u(S)|为u(S)的顶点数量。x是点云上u(S)任意一个点的三维坐标。对A(u(S))进行矩阵的特征分解，得到的三个特征值从大到小分别为w₁(S)、w₂(S)、w_n(S)，对应的三个特征向量分别为T₁(S)、T₂(S)、N(S)；