[发明专利]三维场景重构中几何线索感知的像素级点云稠密化方法

说明书

本发明涉及一种三维场景重构中几何线索感知的像素级点云稠密化方法，是为了解决三维重构中过程中点云稀疏，细节缺失的问题，通过定义投影一致性逻辑，来衡量几何关系的正确性并自适应调整像素的归属，指导空间点云的计算；能够将输入图像集的像素点进行有效整合并提取几何空间的投影线索，可以有效的提高三维重构结果的稠密性与精确度。

技术领域

本发明属于计算机领域，尤其涉及基于图片信息的计算机视觉三维重构方法。

背景技术

随着手持相机的普及以及海量网络影像数据的可获取，图片集已经成为场景分析与重建的重要媒介。通过在网络上搜索关键字，可以获取大量从不同视角拍摄的图像。运动求结构技术(Structure from Motion)凭借其特有的易用性和可扩展性逐渐被三维重构领域的研究者们所重视。它是一种基于多视角立体几何的视觉三维场景重构方法，使用图片集作为场景重建的唯一依赖输入，所以对于采集设备具有很强的独立性。通过探询不同视角图像之间的立体几何关系，来同时的计算出空间点位置与摄像机拍摄姿态。该技术不依赖图像帧之间的时序信息，而且对于分辨率和光照条件的变化具有较强的鲁棒性，所以它既能处理连续的视频帧图像，也可以处理散乱的网络众源图像。例如，微软于2007年推出的图像拼接软件“PhotoSynth”就是使用运动求结构技术来得到稀疏的三维点云，然后将图片对齐到这些点云上得到一种类似三维浏览的交互方式，又如Autodesk公司在2011年推出的“123D”建模软件也是基于运动求结构方法来快速的恢复点云模型，进行得到最终的三维网格模型。

与传统的基于激光扫描仪或者深度摄像机的重建方法相比，基于图片的视觉重建方法在成本方面更具优势，因为它并不依赖于昂贵的数据采集设备，只用简单的网络上收集的或者手机拍摄的图片即可完成重构工作。另外，在可扩展性及应用领域方面也更具竞争力。它不仅适用于室内场景或者小目标物体的精细重构，更可作为有效手段进行城市化场景的大规模三维建模。为了重构一个场景，使用扫描的方法往往需要亲临现场进行反反复复的扫描操作，而视觉的重构方法则不同，关于重构场景的并不需要到现场进行人工采集，直接使用网络图像或者视频影像即可。

发明内容

本发明针对现有技术的不足，提供一种三维场景重构中几何线索感知的像素级点云稠密化方法。

本发明的技术方案为一种三维场景重构中几何线索感知的像素级点云稠密化方法，包含以下步骤：

一种三维场景重构中几何线索感知的像素级点云稠密化方法，其特征在于，基于以下定义：

定义一组图片集为Ι＝{I₁,...,I_n}，其中图像I_i包含的像素点表示为任一像素点又可以描述为的形式，其中为该像素的RGB三通道颜色空间向量，表示像素在图像平面中的二维坐标位置，包括横轴坐标值、纵轴坐标值、齐次坐标值以及差异值。像素所对应的三维空间点则可以表示为T_l＝<C_l,X_l>，其中为该点的RGB颜色值，为三维空间点坐标，包括横轴坐标值、纵轴坐标值、深度坐标值以及齐次坐标值；

包含以下步骤：

步骤1，在给定图像集Ι的环境下，使用运动求结构方法迭代的恢复出每幅图像的拍摄姿态以及摄像机信息，其中，拍摄姿态对应于立体几何中的相机外参矩阵，定义为[R|t]的形，R空间是旋转矩阵而t是空间平移向量，摄像机信息则对应于内参矩阵，可表示为K。将每幅图像的外参矩阵和内参矩阵相乘即可得到后续计算所需要的摄像机矩阵P_i＝K_i[R_i|t_i]，实现方式如下：