[发明专利]一种基于图片的三维场景重建方法

权利要求书

1.一种基于图片的三维场景重建方法，其特征在于，包括以下步骤：

步骤1、使用SIFT算法提取输入图片中包含的特征点信息，所述特征点信息包括特征点的位置、尺寸、旋转不变量，得到稀疏点云；

步骤2、使用bundler和PMVS算法密集化特征点，相对均匀的向三维空间扩散特征点，从而得到稠密点云；

步骤3、使用泊松区间重建算法将稠密点云中的信息点连接成曲面，再经空间中的所有曲面逐步连接在一起，最终得到重建的三维模型。

2.根据权利要求1所述的基于图片的三维场景重建方法，其特征在于：所述步骤1包括：

步骤101、输入图片的尺度空间极值点检测：搜索输入图片的所有尺度空间上的图像位置，通过高斯微分函数来识别潜在的对于尺寸和旋转不变量的兴趣点；

步骤102、关键点定位：通过拟合三维二次函数来精确确定关键点的位置和尺寸；

步骤103、关键点方向确定：基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向；

步骤104、关键点特征描述：在每个关键点周围的邻域内，在选定的尺度上测量图像局部的梯度，对于每一个关键点拥有3个信息：位置、尺寸以及方向，用一组向量将这个关键点描述出来，使其不随各种变化而改变。

3.根据权利要求1所述的基于图片的三维场景重建方法，其特征在于：所述步骤2包括：

步骤201、关键点匹配：根据步骤1得到的特征点信息，采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量；取拍摄图片的第一个图的某个关键点，通过遍历找到第二幅图像中的距离最近的那个关键点，计算最近距离与第二近距离的比值，如果比值大于0.8，就忽略掉，这会去除90％的错误匹配，同时只去除5％的正确匹配；重复步骤201得到图片间的相对位置关系；

步骤202、根据步骤201获取的图片间的相对位置关系，首先把三维空间划分为等大网格，目标是每个网格中至少有一个特征点，利用现有的特征点向其网格的邻域扩散，若这个邻域中已经存在一个与特征点距离较近的特征点或者这个邻域中已经存在一个平均相关系数较大的特征点，则不向该邻域扩散，扩散是将现有特征点的特征值复制到需要扩散的区域；

步骤203、根据步骤201生成图片间的匹配关系，根据匹配关系生成track匹配链，生成track匹配链的步骤如下：对每一张图片的每一个特征作为种子点进行深度优先搜索，并且搜索的时候使用标记不重复访问同一张图片；使用不同图片的特征作为遍历起始点获得双向匹配检验的信息，对最后的结果进行处理检测一致的track；使用touched数据结构标记每一张被访问过的图片，保证生成track的过程中不会重复考虑同一张图片，并且根据此信息有选择的将标记数据结构复位；最后将生成的track信息分派到关联的图片，只要有一个track就标记相关图片为相邻的。

4.根据权利要求1所述的基于图片的三维场景重建方法，其特征在于：所述步骤3包括：

步骤301、定义八叉树：使用八叉树结构存储点集，根据采样点集的位置定义八叉树，然后细分八叉树使每个采样点都落在深度为D的叶节点；

步骤302、设置函数空间：对八叉树的每个节点设置空间函数F，所有节点函数F的线性和表示向量场V，基函数F采用了盒滤波的n维卷积；

步骤303、创建向量场：均匀采样的情况下，假设划分的块是常量，通过向量场V逼近指示函数的梯度，采用三次样条插值或三线插值；

步骤304、求解泊松方程：方程的解采用拉普拉斯矩阵迭代求出；

步骤305、提取等值面：为得到重构表面，需要选择阈值获得等值面；先估计采样点的位置，然后用其平均值进行等值面提取，然后用移动立方体算法得到等值面；

步骤306、逐步连接空间所有等值面，最终得到空间三维模型。