[发明专利]基于图像序列的大型构件三维重建方法

说明书

基于图像序列的大型构件三维重建方法，包括以下步骤：S1、使搭载有相机的无人机绕目标构件飞行，获得待重构的图像序列；S2、采用SIFT算法和SURF算法联合提取图像特征点；S3、基于SIFT角点与SURF角点得到的稀疏特征点，通过计算本质矩阵和基础矩阵估计相机运动，注册三维空间点获得三维场景的稀疏点云；S4、判断优化后的稀疏点云是否存在对称重复结构；S5、以稀疏点云作为种子点与参考图像输入，基于多视图的稠密三维点构建方法进行稠密重建，获得低分辨率的深度图。本发明的优点在于：给出了一种基于图像序列的三维点恢复及矫正方法，实现了从图像序列到空间稀疏三维点的构建。

技术领域

本发明涉及基于视觉图像对大型构件进行三维重建的方法。

背景技术

基于图像的三维重建技术整体过程为：先从不同视角拍摄物体图像获取图像输入，而后提取图像集的特征点，通过图像间的特征点匹配关系建立相互关系，再利用多视图几何原理计算获取三维点坐标并估计相机位姿，再通过光束平差法进行三维信息优化得到相应的稀疏三维结果输出；其中特征点提取匹配过程中会受到光照、遮挡或场景中某结构重复出现等因素的影响，得到错误的结果，该结果将严重影响相机投影矩阵以及空间点坐标的解算结果，故而如何正确地提取并匹配特征点以及正确地获取三维几何关系是计算机视觉领域的一大难点。

通过上述流程，即运动恢复结构的方法，虽能有效地恢复相机位姿，注册空间三维点，但由于该方法所恢复的物体三维点云十分稀疏，难以直观辨认，亦难以直接用来重构场景的三维模型，故而需要结合场景稠密重建技术和表面重建技术等，来获取场景表面三维几何网格和纹理等方面的完整表达，达到进一步的使用。

在文物保护与数字展示中，可通过对文物进行图像或图像序列的拍摄来获取相应的颜色、纹理及几何信息等来对文物进行三维模型重构，后续便可用于破损文物的修复工作，或用于数字模型的3D展示及教育讲解等；在军事中也可利用图像的三维重建技术来对城市场景、地形地貌场景等进行重构生成，来用于军事作战人员的军事演习，以提高作战能力等；在其他方面，亦可于制造上应用于物体的缺陷检测定位等。

在基于图像的三维重建方法研究中，依据摄像机数目的不同可分为：单目视觉法、双目视觉法和多目视觉法。

单目视觉主要通过固定单一视点或多视点拍摄获取图像集，利用明暗度法、光度立体视觉方法、纹理法、轮廓法、调焦法和运动法等来获得三维重建结果；其中，运动法即运动恢复结构(Structure From Motion，SFM)，可根据图像间的匹配关系和几何约束来注册空间三维场景点；而该方法结果的好坏极大程度地依赖于特征提取与匹配的准确性；且其在输入图像集合数量较大时，由于运算量大，致使计算效率较低；同时由于单目在利用运动恢复结构方法进行场景点重构的过程中会对尺度归一处理，使其重建所得稀疏场景会缺失真实尺度信息。

双目视觉装置是将两个相机固定在两个不同视点，并对所获图像进行匹配处理取得图像像素偏移量，从而将视差结果转变为空间深度信息；该方法能够得到较好的重建效果，但运算量大，重建效果取决于基线距离。

同样，多目视觉是通过多个摄像机间的图像几何约束关系来获取重建结果的；对于单个建筑物重建，想要获取整体重建信息，需要有较大的基线，但大基线会减弱重建效果，故而双目或多目视觉方法不适用于进行大规模三维场景重建的应用。

对于基于图像的三维重建研究而言，其历史可追溯到上世纪六十年代；麻省理工学院的Roberts在他的博士论文中完成了对三维场景重建的分析，并通过计算机编程实现了从输入的二维图像中获取到真实物体的三维立体结构，从而正式拉开了基于图像的三维重建相关领域的研究帷幕。

之后各学者便在其研究基础上提出了其他描述数字图像重建物体三维模型过程的基础理论，其中以Marr的理论体系影响最为深远，更成为视觉研究领域的主流思想；但该视觉理论在通过多幅图像获取物体精确的三维几何信息上存在一定的困难，且无法定量地求取景物中物体的性质；后期，随着学者们将主动视觉的研究方法引入，使得很多Marr视觉理论框架下的病态问题转为良态。