[发明专利]一种利用点云分割和网格修补的室内三维重建方法

权利要求书

1.一种利用点云分割和网格修补的室内三维重建方法，其特征是基于室内场景图像进行三维重建，包括以下步骤：

1)图像采集，采集覆盖整个待建模场景的图像；

2)利用尺度不变特征变换算法提取图像的特征点，估计每张图像的相机位姿，并只对相邻位姿的图像之间进行特征匹配；

3)利用运动恢复结构算法进行稀疏点云重建；

4)将玻璃窗户中的反光、局部反射位置处点云导出，并将这些导出的点云利用深度学习方法进行稠密重建；

5)对原本的稀疏点云利用多视角立体视觉方法稠密重建，并利用步骤4)中得到的稠密点云替换该稠密点云对应位置；

6)对稠密点云进行网格处理，利用网格修补方法修补网格模型中的空洞并加上纹理贴图，完成三维场景的重建。

2.根据权利要求1所述的一种利用点云分割和网格修补的室内三维重建方法，其特征是图像采集中，先从室内一个位置尽可能拍出整个房间的全貌，之后以该位置为起点，环绕房间一周，拍摄所有墙面的正对景象。

3.根据权利要求1所述的一种利用点云分割和网格修补的室内三维重建方法，其特征是步骤2)包括以下步骤：

2.1)利用尺度不变特征变换算法进行特征提取，通过不同尺寸的高斯滤波器计算得到特征点的位置信息(x，y)；

2.2)利用迭代最近点算法求解得到相机的位置与姿态信息；

2.3)对位姿相邻的图片间的特征点进行匹配，并计算匹配特征点之间的距离，当匹配特征点之间的距离大于设定阈值时，即认为是一组错误匹配，滤除该组匹配点。

4.根据权利要求1所述的一种利用点云分割和网格修补的室内三维重建方法，其特征是步骤4)包括以下步骤：

4.1)稀疏重建完成后，我们将得到的结果转成txt形式，总共得到了3类信息：包含了所有图像相机内部参数的cameras.txt，包含了所有图像姿势和关键点的images.txt以及包含了所有重建3D点的points.txt，我们根据玻璃窗户的三维坐标范围选择对应的信息导出；

4.2)利用深度学习方法对4.1)导出的点云文件进行稠密化，得到稠密点云模型。

5.根据权利要求1所述的一种利用点云分割和网格修补的室内三维重建方法，其特征是步骤6)包括以下步骤：

6.1)采用基于德劳内四面体剖分的网格分割算法，获得三维场景的网格模型；

6.2)对6.1)网格中的空洞进行修补；

6.3)生成纹理图谱，实现模型的网格纹理，获得经过纹理贴图的三维模型。