[发明专利]一种基于智能手机的三维模型重建方法

权利要求书

1.一种基于智能手机的三维模型重建方法，其特征在于：重建方法如下:

步骤1：数据采集，通过手机围绕目标模型进行拍摄，获取数据；

步骤2：相机标定，获取相机内参，使用同一个相机对同一个黑白棋盘进行不同角度的拍摄，通过点的三维世界坐标和二维相机平面像素坐标来求解图像平面的单应性矩阵H，从而得到内部参数和外部参数；

步骤3：稀松重建，通过SIFT算法提取和匹配特征点得到稀疏点云，具体包括尺度空间极值检测、精确定位特征点、确定特征点方向以及生成SIFT特征描述子；

尺度空间极值检测具体采用高斯核函数对图像进行尺度变换，获得图像在尺度空间下的多尺度序列表示，生成不同尺度下的图像，利用不同尺度的高斯差分核与图像卷积生成DOG函数，构建DOG金字塔来检测尺度空间的局部极值；

精确定位特征点具体采用DOG函数在尺度空间的泰勒展开式对尺度空间DOG函数进行曲线拟合；

确定特征点方向具体方法是先在尺度空间中计算像素梯度，以每个特征点为中心，采用梯度方向直方图的方法，在8x8的领域中对梯度在36个离散方向上进行高斯加权，统计整个领域内的梯度方向；最后将梯度模型的极大值或者多个极大值作为该特征点的主方向或次方向；

生成SIFT特征描述子，确定计算描述子所需的图像区域，将坐标轴旋转为关键点的方向，以确保旋转不变性；将领域内的采样点分配到对应的子区域内，将子区域内的梯度值分配到8 个方向上，计算其权值；插值计算每个种子点八个方向的梯度，之后对描述符向量元素门限化、归一化得到描述子；

步骤4：散列图像聚簇，利用散列图像聚簇方法对图像进行分类，可以减少匹配时间，消除杂波，提高建模效率和精度；

步骤5：基于贴片模型的密集匹配，通过DOG算子和Harris算子检测出角点和特征块，用所述的出角点和特征块重建出一个稀疏贴片集，使用迭代的方法找到已经存在贴片的相邻贴片，用增强可视化一致性提纯、过滤，剔除错误匹配；

步骤6：纹理映射，得到三维模型，在得到密集点云后，对点云进行纹理映射得到三维模型。

2.根据权利要求1所述的一种基于智能手机的三维模型重建方法，其特征在于：步骤1中拍摄的条件是： 相邻两照片夹角小于10°，保证每相邻两张照片之间能够提取到足够多的控制点； 在拍摄过程中，避免强光照射形成阴影，导致出现少特征点或无特征点的现象； 拍摄过程中与目标模型前后距离保持一致，避免出项畸变现象。

3.根据权利要求1所述的一种基于智能手机的三维模型重建方法，其特征在于：步骤2中获取相机内参的基本原理如下：

K为内参矩阵，为模板平面上点的齐次坐标，为模板平面上点投影到图象平面上对应点的齐次坐标，[r1 r2 r3]和t 分别是摄像机坐标系相对于世界坐标系的旋转矩阵和平移向量；

根据旋转矩阵的性质，即和||r1||=||r2||=1，每幅图象可以获得以下两个对内参数矩阵的基本约束

由于摄像机有5个未知内参数，所以当所摄取得的图像数目大于等于3时，就可以线性唯一求解出K得到内参矩阵。

4.根据权利要求1所述的一种基于智能手机的三维模型重建方法，其特征在于：步骤4中实现图像聚类的三个条件：

 密集性：删除簇内冗余的图像，保证数据的密集度；

 大小：单个簇应足够小，以保证所有簇均能实现重建；

 覆盖：由图像簇得到的重建结果必须使得整个图像细节的损失达到最小，保证图像的完整性。

5.根据权利要求1所述的一种基于智能手机的三维模型重建方法，其特征在于：实现对点云进行纹理映射得到三维模型可以采用包括但不限于3Dmax、MeshLab处理软件。