[发明专利]内存友好的三维模型曲面重建图割算法

说明书

本申请提出了一种内存友好的三维模型曲面重建图割算法，针对多视立体图场景下的三维曲面重建中的图割步骤进行算法优化，使用优化过后的Excesses IBFS(EIBFS)算法进行曲面重建，能够有效降低曲面重建步骤中内存消耗最大的图割步骤的内存消耗量，实现了一种鲁棒性较好的、内存友好的曲面重建图割算法。

技术领域

本专利提出的算法涉及计算机图形学，主要是针对在计算机上进行的多视立体三维模型曲面重建算法。

背景技术

高效精确的三维重建为人们认识我们身处的世界提供了一种全新的手段，从早期的机器人导航到现在流行的3D电子游戏、3D电影特效、虚拟校园、VR设备等各种广泛的应用。多视图场景下的三维重建只需使用多视立体图像经过一定的处理就能将现实物体较为真实的还原出来。曲面重建作为三维物体重建的基础，很大程度上决定了三维重建的质量，因此具有较大的研究意义和价值。

现有的一个开源式三维重建库——多视立体重建库OpenMVS中的一个功能ReconstructMesh可以将稠密化点云经过Delaunay三角化、边赋权值、图割三个步骤之后，就能够重建出贴近真实世界物体表面的三维模型曲面。在OpenMVS中，目前图割步骤使用的算法为适用于三维重建的增量式广度优先搜索算法(IBFS)，但是在实际使用中，该算法有一个较为明显的缺点，内存消耗过大。

鉴于此，将现有算法进行一定程度的优化，降低内存消耗则显得尤为重要。故本专利基于适用于三维重建的IBFS算法的基础上进行改进优化，完成了适用于三维重建的Excesses IBFS(EIBFS)算法的实现，并在原算法的基础上进行算法优化，实现了一种内存友好的算法，大大降低了三维重建图割算法部分的内存消耗。

发明内容

IBFS算法主要步骤可以概括为：生长、增广和收养阶段。EIBFS 也是这三个主要步骤，但是只有生长步骤和IBFS算法完全相同，增广和收养阶段则是在IBFS算法的基础上进行改进，以提升算法的鲁棒性。EIBFS的算法大致如下：

初始状态下，S森林中只有一个顶点s，T森林中只有一个顶点t，且此时ds(s)＝dt(t)＝0，所有的父结点指针为空。该算法是通过传递方式来进行的，在传递的过程中会选择一个树来进行生长，要么是正向生长，即选取S森林；要么是逆向生长，即选取T森林。生长的目的就是为了将点云中的所有点都进行处理，将点添加到森林中去，处理的结果为，要么一个点要么在S森林中、要么在T森林中或者要么就是一个活跃状态的自由点。EIBFS算法在每个阶段都会进行生长步骤，当找到了一条增广路径时，会以增广步骤和收养阶段交替进行的方式来进行增广步骤。

增广阶段可以概括为处理生长阶段中点与点之前的树路径，并根据这条路的瓶颈余容量来增加这条路的流量。增广阶段的处理会产生孤叶子结点和T森林中的增量或者S森林中的差量。产生孤叶子结点的话需要再多进行一个操作来处理这些被单独标记出来的孤叶子结点，也就是收养阶段。收养阶段中会对所有的孤叶子结点进行处理，为这些结点寻找一个新的父结点或者将这个点从当前森林中移除。如果产生增量或者差量的话，就需要对这些流进行推出或者增流处理。在EIBFS算法中，增广和收养阶段是交替进行的，以更好更及时的处理如上问题。当T森林中所有的超量都被排尽或消除且S森林中所有的差量也被排尽或者消除时，就继续进行生长步骤直到所有点都被处理之后停止算法的运行。

收养阶段使用的是一种三通收养策略，也就是在一个增广阶段的收养过程中，顶多会进行查看孤叶子结点周围的弧段三次。这是一种鲁棒性较好且算法效率较高的一种收养方式。

在实际运行过程中，发现EIBFS算法的内存消耗也比较大，因此针对一些可改进之处进行了优化处理：