[发明专利]一种基于分布式的优化大尺度网格方法

说明书

本发明公开了一种基于分布式的优化大尺度网格方法，分布式地优化三维重建中网格重建后的初始网格。其步骤包括：(1)将输入的网格重建后的初始网格切分成多个网格块发给集群的每台机器上；(2)在集群每台机器上加入边界约束分布式地简化和细化步骤(1)得到的网格块；(3)将每台机器上经过步骤(2)处理的网格块发给集群的master上面，然后进行融合，再进行一次整体的简化和细化，得到一个均匀并且没有冗余顶点的网格；(4)利用多层K路分割算法，将无人机航拍图像集分割成K个子图像集。(5)利用步骤(4)得到的图像集，分布式地还原步骤(3)得到的网格的细节特征。本发明能够从输入的初始网格生成一个光滑且拥有丰富细节特征的网格。

技术领域

本发明属于计算机虚拟现实领域，具体地说，一种基于分布式的优化大尺度网格方法。主要用于影视动画、虚拟现实及测绘等领域。

背景技术

近年来，无人飞行器(无人机)逐渐受到人们的关注，无人机拍摄得到的航拍图像具有大尺度、广视角、高现势等优点，结合倾斜摄影技术，可以很容易的获得高质量、纹理丰富的室外静态大场景的图像。将无人机航拍图像与序列图像三维重建相结合，围绕室外场景三维重建问题开展相关研究具有重要的应用价值。该研究可以建立一个针对户外大型场景的高效、便捷，相对廉价的三维重建系统，将在地形测绘、城市数字化、建筑和军事等领域发挥重要的作用，并在未来有着非常广阔的应用前景。

目前已经有很多的科研人员对三维重建的各个步骤进行的大量的研究，最近Vu等人采用光流一致性优化网格，还原网格的细节特征，但此方法所耗的内存过大，并且运行时间过慢，无法应用于大尺度的网格。为了更好的还原细节特征，目前已有相关文章采用了深度学习的方法，将网格看作体素，来学习网格的语义信息，辅助细节特征的还原，可是此方法所耗的内存和运行时间更大。目前还没有大尺度网格优化的相关文献报导。

因此，本发明针对分布式大尺度网格的优化工作极具研究意义和应用前景。

发明内容

本发明的技术解决问题：克服现有技术的一些局限性，提供一种基于分布式的优化大尺度网格方法，能够优化10公里以上的场景网格，并且能够保证生成光滑并且拥有丰富细节的大尺度网格，能够应用于虚拟现实、测绘等领域。

本发明的技术解决方案：一种基于分布式的优化大尺度网格方法，以三维重建中网格重建后的初始网格和原始图像为输入，基于分布式的进行大尺度网格的优化，克服单个计算机内存和计算能力的限制。其特征在于如下步骤：

(1)输入三维重建中网格重建后的初始网格，根据所搭建集群的CPU核心数，将输入初始网格切分成多个网格块，然后分发给集群的每台机器上。

(2)在集群的每台机器上地简化和细化步骤(1)得到的网格块，但是不能移动网格边界的顶点。

(3)寻找步骤(2)得到的网格块之间的坐标相等的顶点，将坐标相等的顶点融合在一起，然后将融合后的网格进行整体的简化和细化，使步骤(2)固定的网格块边界处的边长度与融合后的网格的平均边长度相等。

(4)输入无人机航拍的图像集，利用多层K路分割算法，将无人机航拍的图像集均匀的分割成K个子图像集，其中子图像集的个数K等于集群的CPU核心数。

(5)利用图像颜色一致性和拉普拉斯光顺方法构造能量公式，根据步骤(4)得到的K个子图像集，在K个子图像集的每个子图像集中计算步骤(3)得到的网格顶点的梯度，分布式地最优化能量公式来得到光滑且拥有丰富细节特征的网格。

所述步骤(2)具体实现如下：

(1)计算步骤(1)输入的初始网格中每一个三角形投影到每张无人机航拍图像集上所覆盖的像素个数，选取步骤(1)输入的初始网格中每一个三角形覆盖无人机航拍图像集的最大像素个数作为此三角形的最大投影区域。