[发明专利]一种基于梯度域的纹理映射方法、介质、终端和装置

说明书

本发明公开了一种基于梯度域的纹理映射方法、介质、终端和装置，先得到三维模型在纹理图对应视角下的深度图，然后计算两者的梯度影像，再基于梯度不变假设直接利用梯度影像优化测量误差或者基于显著点方式利用梯度影像优化显著点与匹配点的重投影误差，经过多次迭代修正回归参数，使得在优化过程中回归参数不断逼近最优解，最终得到最优位姿。该方法有效利用了深度图信息，并将深度图进行转化得到亮度信息，将图像与模型的对齐问题转化成图像与图像的配准问题；此外，在梯度域上进行处理，克服了不同影像之间亮度差异带来的配准误差，而相比于传统提取特征或边界的方式，本发明提出的梯度以及显著点计算方法更加简洁有效，且提高了鲁棒性。

【技术领域】

本发明涉及三维建模领域，尤其涉及一种基于梯度域的纹理映射方法、介质、终端和装置。

【背景技术】

随着可视化技术的发展，人们可以在计算机上用三维模型表达复杂的信息，从而再现三维世界中的实体。现有技术可以通过三维激光扫描仪扫描物体建立三维模型网格，但是三维模型网格缺乏明显的可辨识性，不能清楚地分辨出物体的细节，因此需要对三维模型网格进行纹理映射。纹理映射是指将纹理影像构成的纹理空间和物体表面参数构成的三维模型空间一一对应的映射，即把指定的纹理图映射到三维模型表面上的技术，其核心目标是确定重建模型与多视角下纹理图像序列的纹理对应关系，进而实现纹理坐标的映射与纹理贴图的生成。然而在实际的建模过程中，存在一些因素限制着纹理映射的准确性，包括：①三维重建过程中，每个视角对应一个相机位姿，由于摄像头姿态估计误差以及相机本身自带的光学畸变等原因，在实际纹理影像与模型对应时出现纹理错位的问题，尤其是边缘部分；②模型构建过程中产生误差，实际恢复出来的点云数据经过配准和表面重建后，其空间位置与实际物体都会存在微小的偏差，如果直接进行纹理映射，有误差的区域会出现模糊、扭曲的现象；③三维扫描设备采集纹理图与深度图时，存在一定延时，从而导致纹理图与深度图无法一一对应。

以上因素都对三维模型与纹理影像之间的映射关系具有重要影响，主要表现为纹理变形、纹理错位等现象。现有技术主要采用图像与模型对齐的方法来解决上述问题，具体来说存在以下几种方法：

(1)交互性的采样点对应算法，其主要思想是计算采样的几何模型顶点投影到图像上的位置，通过用户标记的方式对这些点进行一一对应，使得纹理能够映射到三维模型上，这种方式需要用户来交互，自动化程度低。

(2)通过在模型上提取特征点来矫正错位现象的方法，如sift3d，将三维特征点投影到影像上进行精化配准，但模型上特征点较少或特征点分布不均的情况下，配准效果不理想。

(3)通过提取模型与纹理的外轮廓或边界区域，设置代价函数，构建优化问题，这种方式依赖于区域分割，较差的区域分割结果可能对算法的实际效果造成影响。

【发明内容】

本发明提供了一种基于梯度域的纹理映射方法、介质、终端和装置，解决了以上所述的技术问题。

本发明解决上述技术问题的技术方案如下：一种基于梯度域的纹理映射方法，包括以下步骤：

步骤1，获取三维模型在对应纹理图视角下的深度图，并计算生成所述深度图对应的亮度图；

步骤2，计算所述纹理图的第一梯度图以及所述亮度图的第二梯度图；

步骤3，选择预设优化算法建立所述纹理图和所述深度图之间位姿估计的误差函数，并根据所述第一梯度图和所述第二梯度图对所述位姿估计进行高斯牛顿迭代优化，求解所述误差函数最小值对应的最优位姿；所述预设优化算法包括基于梯度不变假设的优化算法、基于显著点的优化算法、基于显著点带内参不带畸变的优化算法以及基于显著点带内参及畸变的优化算法中的至少一个。

在一个优选实施方式中，选择基于梯度不变假设的优化算法建立所述纹理图和所述深度图之间位姿估计的误差函数，并根据所述第一梯度图和所述第二梯度图对所述位姿估计进行高斯牛顿迭代优化，求解所述误差函数最小值对应的最优位姿，具体包括以下步骤：