[发明专利]一种基于图像序列的三维模型重建方法

说明书

本发明公开了一种基于图像序列的三维模型重建方法，所述方法包括以下步骤：利用原始图片构建高斯差分金字塔，提取SIFT特征，每一个特征点使用128维度向量描述；利用多视几何的先验知识，结合随机一致性算法滤除误匹配的点对，然后得到基本矩阵；根据得到的基本矩阵、结合相机内参矩阵经过八点算法得到投影矩阵，最后利用三角测量的算法求出原物体真实的坐标位置，由这些三维空间的点构成点云数据。本发明避免了传统的三维模型重建方法费用过高，操作过于复杂，门槛高的弊端，实现了重建的便利性，操作简单，可以应用于三维地图的构建，室内定位，室内导航等领域。

技术领域

本发明涉及三维模型重建领域，尤其涉及一种基于图像序列的三维模型重建方法。

背景技术

传统的三维模型重建利用大量的硬件设备，价格高昂，操作过于专业，普通大众难以参与其中。然而随着智能手机和专业相机的普及，以及互联网的发展，普通人获取图像的方法越来越多，让普通人也能够方便快捷的构建三维模型的需求越来越大。

由于对具有高度真实感的三维模型的巨大需求，如何快速、便捷地建立逼真的三维虚拟场景便成为了虚拟现实技术的最为重要的部分，逼真的三维模型能给予用户足够的“沉浸感”的体验。

发明内容

本发明提供了一种基于图像序列的三维模型重建方法，本发明避免了建模的复杂性和建模费用高昂的特点，其便捷快速的特点让普通人也能参与其中，详见下文描述：

一种基于图像序列的三维模型重建方法，其特征在于，所述方法包括以下步骤：

利用原始图片构建高斯差分金字塔，提取SIFT特征，每一个特征点使用128维度向量描述；

利用多视几何的先验知识，结合随机一致性算法滤除误匹配的点对，然后得到基本矩阵；

根据得到的基本矩阵、结合相机内参矩阵经过八点算法、三角算法得到投影矩阵，从而利用图像的特征点重建出三维空间中的点，然后聚合成点云数据。

所述利用原始图片构建高斯差分金字塔，提取SIFT特征，每一个特征点使用128维度向量描述具体为：

对每一幅图像生成不同尺度的图像，然后构造高斯差分金字塔；

利用高斯金字塔提取SIFT特征，特征点是对光照以及角度还有尺度不敏感的点，然后用一个128维度的向量描述这个点。

所述方法还包括：

利用128维度的向量计算欧氏距离，在另外一张图片中查找出与当前图像中当前点欧氏距离最近的特征点，将这个特征点记为匹配的点；

对所有的点都执行上述匹配的过程，得到所有的匹配点。

所述利用多视几何的先验知识，结合随机一致性算法滤除误匹配的点对，然后得到基本矩阵具体为：

利用SIFT算法得到对角度光照尺度不敏感的特征匹配点，采用随机一致性估计算法，利用匹配点之间的对极几何约束关系，滤除误匹配的点对，得到基本矩阵。

本发明提供的技术方案的有益效果是：

1、提出了一种基于图片序列的三维模型重建方法，该方法具有最佳的整体性能，能够利用低廉的设备重建出效果较为优秀的三维模型；

2、对于没有专业知识的普通人也可以参与到模型构建之中，只需要使用普通设备摄像即可。

附图说明

图1为一种基于图片序列的三维模型重建方法的流程图；

图2为图片序列的示例图；

图3为特征点提取的展示图；

图4为重建点云的效果图。