[发明专利]一种基于多图像拼接的三维重建方法

权利要求书

1.一种基于多图像拼接的三维重建方法，将目标信息进行预处理和匹配，利用RANSAC八点算法求解出不同视图间的基本矩阵，再利用空间坐标公式计算出点空间坐标，最后利用Delaunay三角剖分技术处理点云模型获得目标的三维模型，其特征在于，包括以下步骤：

(1)利用摄像机从不同角度获取同一目标场景的至少两张图片，图片之间保持有一定角度旋转和位移；

(2)将得到的图像进行预处理，包括对图像噪声滤波；

(3)通过摄像机自标定技术，求解摄像机的内参数：

(4)利用SIFT算法对图像进行特征点检测和描述，对图像得到的特征点对进行匹配；

(5)利用RANSAC八点算法对误匹配点剔除，优化匹配点对；

(6)利用基于SURF算法的图像拼接算法对图像进行拼接融合；

(7)利用空间三维坐标公式，求解出经融合后的图像求取特征点的空间坐标，得到点云模型；

(8)利用Delaunay三角剖分技术处理点云模型，完成对目标场景的重建。

2.根据权利要求1所述的基于多图像拼接的三维重建方法，其特征在于，所述步骤(3)中，包括以下分步骤：

1)基于Kruppa方程进行自标定，通过自标定方法获取内参f_x,f_y,u₀,v₀参数，外参数包括旋转变量R和平移变量T；

其中表示等式两边相差一个常数因子，F为基础矩阵，K为内参数，[t]_x表示向量t＝(t_x,t_y,t_z)^T的反对称矩阵；

得极点

将式(3)代入式(1)中有

F^Te'＝0，存在非零常数λ的情况下，有F＝λ[e']xKRK^-1

进一步可得FK·K^TF^T＝λ[e']_xKR·λR^TK^T[e']_x^T (4)

其中令C＝K·K^T,s＝λ²，R为正交矩阵，所以R·R^T＝E，

代入上式则有FCF^T＝S[e']_xC[e']^T (5)

若能求出C，即可求出内参K；

其中M(c)和m(c)都是关于向量C的线性函数，有两矩阵相等条件可将式(5)等价变换为：

2)建立目标函数方法寻找最优解；

目标函数

3)得出四参数和五参数模型的约束条件分别为：

四参数模型下服从约束：c₂-c₄²＞0,c₁(c₂-c₄²)-c₃(c₂c₃-c₄c₅)-c₅(c₅-c₃c₄)＞0 (9)

五参数模型下服从约束：

c₁-c₃²＞0,c₂-c₄²＞0 (10)

再结合目标函数最小值条件即可求出内参矩阵。