[发明专利]一种面向大规模航拍图像的分布式运动推断结构方法

说明书

本发明公开本发明的目的在于解决现有技术中存在的不足，先将大规模的航拍图像数据划分具有一定重叠度的子集，避免图像数据量过大导致单机版本的运动推断结构方法和系统出现内存溢出问题；其次，在分布式计算环境下不同节点上同时计算每个子集图像所对应的稀疏点云模型和摄像机参数，使得能够在有限的时间内计算出大规模场景的三维模型。本发明能够在在分布式环境下快速地计算出大规模航拍图像对应的稀疏点云模型和摄像机参数，使得基于航拍图像的高精度及快速的大规模室外场景三维重建变成可能。

技术领域

本发明属于图像处理技术领域，具体涉及一种面向大规模航拍图像的分布式运动推断结构方法。

背景技术

基于航拍图像的大规模室外场景三维重建在国防安全、军事仿真、大型影视制作、虚拟现实、增强现实、数字孪生和数字中国建设等领域具有重要的作用。随着消费级无人机设备的普及，采集航拍图像变得非常容易，大量的航拍图像数据增加了三维重建的难度，具体困难如下：(1)非常耗时，运动推断结构的计算流程非常复杂，当处理大规模的航拍图像数据时，现有运动推断结构方法的计算效率很低，无法在有限的时间内输出结果；(2)内存溢出，单机版本的三维重建方法对内存空间消耗较大，甚至导致三维重建过程失败。

上述问题严重阻碍了基于航拍图像的三维重建技术的发展和应用。人们迫切希望寻找一种面向大规模航拍图像的分布式运动推断结构方法和系统，以便快速地从大规模的航拍图像中计算出高质量的稀疏点云模型和高精度的摄像机参数。

相关的研究论文有《Large Scale SfM with the Distributed Camera Model》，该论文于2016发表在国际会议3D Vision上。此方法仅提出一种分布式的摄像机模型，不是一种具体的分布式三维重建方法，无法解决大规模三维重建的时间效率和内存溢出问题。

虽然现有的运动推断结构方法在基于航拍图像的大规模三维重建中距离实际应用还有很大的差距：(1)现有算法的时间效率较低，无法满足实时应用程序需求；(2)现有算法的精度题，不能保证重建出来的三维模型与真实场景具有较高的几何一致性；(3)现有算法非常消耗内存，不能处理大规模的航拍图像数据。

发明内容

发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种面向大规模航拍图像的分布式运动推断结构方法，本发明能够在在分布式环境下快速地计算出大规模航拍图像对应的稀疏点云模型和摄像机参数，使得基于航拍图像的高精度及快速的大规模室外场景三维重建变成可能。

技术方案：本发明的一种面向大规模航拍图像的分布式运动推断结构方法，包括以下步骤：

步骤S1、将大规模航拍图像数据集合I＝{I₁,…,I_n}划分为若干具有一定重叠性的子集

其中，n表示集合I中航拍图像的数量，为任意子集，表示重叠子集的数量，s表示子集，j表示子集的序号；

步骤S2、在分布式环境的子节点上，计算出中的航拍图像所对应的稀疏点云模型和摄像机参数

其中，表示模型的旋转矩阵，表示模型的平移向量；

步骤S3、计算任意两个子集和之间的重叠图像，假设为

其中，d表示子区域和之间的具有相似性的图像数量；表示重叠图像集合；

步骤S4、根据上述所得子集和之间的重叠图像，计算出模型和之间的旋转矩阵和平移向量

步骤S5、根据旋转矩阵和平移向量将模型和合并为一个模型，即为重步骤S4和步骤S5直到所有重叠图像均被处理完毕，即可获得最终的三维模型M_I。