[发明专利]深度图像融合方法及系统

说明书

本发明公开了一种深度图像融合方法及系统，其中方法包括：获取待融合的深度图像中的各个顶点的可信度；根据待融合的深度图像中的各个顶点的可信度，删除待融合的深度图像中的重叠点，得到待融合的深度图像中的各个分区域图像的拓扑信息；对分区域图像上的顶点进行深度加权处理，得到各个分区域图像的几何信息；根据分区域图像的拓扑信息和分区域图像的几何信息，对所有的分区域进行缝合，得到完整的三角网格。本发明采用深度图像的顶点位置数据进行计算，从而避免采样失真，而且最终融合数据尽可能保持原有的拓扑关系，在曲率变化较大和深度不连续的地方也能保持较好的结果，其基于原始数据，具有高效高保真的优点。

技术领域

本发明涉及图像和几何数据处理技术领域，特别涉及一种深度图像融合方法及系统。

背景技术

在三维扫描仪中，数据后处理至关重要，数据后处理技术主要包括深度图像(也称有序点云)的匹配和融合。

深度图像匹配的方法一般都是通过迭代最近点(Iterative Closest Points，ICP)算法得到。在进行ICP时，需要为数据提供初始位置信息。初始位置信息可以通过在物体表面贴标志点得到，或者根据物体表面曲率信息匹配得到，或者用户手工选取得到。ICP在深度图注册方面已经非常通用，而且已经达到很好的效果。

多视点深度图像融合是三维数据后处理的关键技术，深度图像的数据融合的目的就是要去除冗余数据,生成物体的完整三维图像和几何模型。具体来讲，就是通过深度图像匹配可以得到不同视点深度图像之间的变换关系，但是将这些深度图像变换到同一坐标系后，各深度图像之间往往存在重叠区域，因此必须将它们融合成一个完整的、无冗余的、带有几何和拓扑结构的曲面表达。现有的深度图像融合采用以下两种方法：

方法1，将深度图像转化为距离场(隐函数的)形式，如果有多个深度图像重叠时只需将距离场叠加；最后再采用Marching Cube(移动立方体算法)提取距离场的等值面。首先，该方法采用场，由于场非常耗费内存，因而重建物体的大小非常受到挑战；此外，重新提取等值面，需要对所有点都重新采样，不能忠实于原始数据。

方法2，将深度图转化为单幅点云，再将单幅点云合成整体点云。在同个位置会有多个角度的深度图像同时被拍到，从而会产生很多重叠数据，重叠数据通常在点云表面用圆柱面采样，圆柱的中心轴平行点的法向，半径的选择通常为深度图像的点间距，最后再采用三角剖分算法处理生成网格。该方法将深度图像转化为点云，丢失了原始数据的连接关系，在物体表面比较光滑的区域性能良好，而在曲率变化较大和深度值不连续的地方结果不理想。尤其是重新生成点与点之间的拓扑关系和三角化比较困难和费时。

基于此，针对深度图像的融合，目前仍然没有一个能取得很好效果的通用方法。

发明内容

基于以上问题，本发明提供了一种用于将三维扫描仪从多个角度获取的深度图像融合为一个整体的三角网格的方法及系统。该方法利用原始深度图像的拓扑关系，考虑每个深度图像的几何数据，能够快速高效的生成一个没有缝隙完整的网格，其基于原始数据，具有高效高保真的优点。

本发明提供的一种深度图像融合方法，包括以下步骤：

S100、获取待融合的深度图像中的各个顶点的可信度；

S200、根据待融合的深度图像中的各个顶点的可信度，删除待融合的深度图像中的重叠点，得到待融合的深度图像中的各个分区域图像的拓扑信息；

S300、对分区域图像上的顶点进行深度加权处理，得到各个分区域图像的几何信息；

S400、根据分区域图像的拓扑信息和分区域图像的几何信息，对所有的分区域进行缝合，得到完整的三角网格。

作为一种可实施方式，所述步骤S100包括以下步骤：

S110、在待融合的深度图像上建立法向，计算各个顶点的法向；