本發(fā)明涉及計算機(jī)圖形學(xué)領(lǐng)域，尤其涉及一種三維模型快速重建方法及系統(tǒng)。

背景技術(shù)：

三維重建技術(shù)是計算機(jī)視覺研究的重要課題之一。所謂三維重建就是指從三維物體的圖像來恢復(fù)三維物體的空間幾何形狀。

現(xiàn)今，國內(nèi)外對目標(biāo)三維模型重建作了很多研究。

美國CMU大學(xué)的Tomasi和Kanade等在假定攝像機(jī)為正交投影模型的前提下，利用仿射分解的方法同時求解幾何物體的三維結(jié)構(gòu)和攝像機(jī)運動、姿態(tài)的方法進(jìn)行重建的系統(tǒng)。該系統(tǒng)的缺點在于只有當(dāng)被重建物體的深度遠(yuǎn)遠(yuǎn)大于物體的幾何尺寸時，所假定的正交投影模型才能成立，同時由于只能針對少數(shù)關(guān)鍵點進(jìn)行重建，重建效果不是十分理想。

Facade是Berkeley大學(xué)的Debevec等人開發(fā)的針對建筑物重建系統(tǒng)，該系統(tǒng)首先要得到建筑物的粗略幾何模型，通過交互方式調(diào)整該模型的尺寸和位姿使得它在圖像平面上的投影與圖像特征匹配起來，另外用戶還可以交互指定各個幾何實體之間的相對位置關(guān)系。系統(tǒng)通過非線性優(yōu)化方法求出反映上述內(nèi)容的參數(shù)集合并最終得到重建結(jié)果。該系統(tǒng)的局限在于需要預(yù)先得到關(guān)于被重建建筑物的幾何模型，而且該建筑物的幾何結(jié)構(gòu)不能過于復(fù)雜。Facade系統(tǒng)本身沒有任何商業(yè)化版本，但MetaCrations公司推出的Canoma軟件吸收了該系統(tǒng)的設(shè)計思想，實現(xiàn)了商業(yè)應(yīng)用。

現(xiàn)有技術(shù)中，三維重建方法存在適用范圍比較窄，自動化程度也不高，效率低的技術(shù)問題。

技術(shù)實現(xiàn)要素：

本發(fā)明提供一種三維模型快速重建方法及系統(tǒng)，解決現(xiàn)有技術(shù)中三維重建方法存在適用范圍比較窄，自動化程度也不高，效率低的技術(shù)問題。

本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的：

一種三維模型快速重建方法，包括：

對目標(biāo)物進(jìn)行拍攝，將拍攝結(jié)果構(gòu)成圖像序列，其中，連續(xù)拍攝的照片間重復(fù)區(qū)域應(yīng)大于預(yù)設(shè)的比例閥值；

求解疊加模型的最優(yōu)化收斂，以獲取照片中的目標(biāo)物區(qū)域；

采用分塊自適應(yīng)閥值邊緣檢測算法對所述照片進(jìn)行邊緣檢測，并對邊緣區(qū)和非邊緣區(qū)進(jìn)行濾波處理；

計算每個候選特征點匹配對的匹配度和明確度，根據(jù)所述匹配度和所述明確度的數(shù)值，選取特征點匹配對；

根據(jù)特征點匹配對求解極限方程，以計算出照片間的基礎(chǔ)矩陣；

對基礎(chǔ)矩陣進(jìn)行分解，求解拍攝時相機(jī)的內(nèi)方位元素和外方位元素；

根據(jù)相機(jī)的內(nèi)方位元素和外方位元素，將所述圖像序列中目標(biāo)物的二維坐標(biāo)轉(zhuǎn)換成空間的三維坐標(biāo)點；

將三維坐標(biāo)點與照片中的像素構(gòu)成一一對應(yīng)的目標(biāo)物模型紋理，通過三角網(wǎng)的方式構(gòu)建點平面，并通過圖像聚類的方法對目標(biāo)物三維模型中摳出遮擋物的區(qū)域進(jìn)行紋理修補，以重建目標(biāo)物的三維模型。

一種三維模型快速重建系統(tǒng)，包括：

拍攝模塊，用于對目標(biāo)物進(jìn)行拍攝，將拍攝結(jié)果構(gòu)成圖像序列，其中，連續(xù)拍攝的照片間重復(fù)區(qū)域應(yīng)大于預(yù)設(shè)的比例閥值；

提取模塊，用于求解疊加模型的最優(yōu)化收斂，以獲取照片中的目標(biāo)物區(qū)域；

去噪模塊，用于采用分塊自適應(yīng)閥值邊緣檢測算法對所述照片進(jìn)行邊緣檢測，并對邊緣區(qū)和非邊緣區(qū)進(jìn)行濾波處理；

匹配模塊，用于計算每個候選特征點匹配對的匹配度和明確度，根據(jù)所述匹配度和所述明確度的數(shù)值，選取特征點匹配對；

第一計算模塊，用于根據(jù)特征點匹配對求解極限方程，以計算出照片間的基礎(chǔ)矩陣；

第二計算模塊，用于對基礎(chǔ)矩陣進(jìn)行分解，求解拍攝時相機(jī)的內(nèi)方位元素和外方位元素；

坐標(biāo)變換模塊，用于根據(jù)相機(jī)的內(nèi)方位元素和外方位元素，將所述圖像序列中目標(biāo)物的二維坐標(biāo)轉(zhuǎn)換成空間的三維坐標(biāo)點；

模型重建模塊，用于將三維坐標(biāo)點與照片中的像素構(gòu)成一一對應(yīng)的目標(biāo)物模型紋理，通過三角網(wǎng)的方式構(gòu)建點平面，并通過圖像聚類的方法對目標(biāo)物三維模型中摳出遮擋物的區(qū)域進(jìn)行紋理修補，以重建目標(biāo)物的三維模型。

本發(fā)明提供一種三維模型快速重建方法及系統(tǒng)，通過對目標(biāo)物進(jìn)行拍攝，將拍攝結(jié)果構(gòu)成圖像序列；求解疊加模型的最優(yōu)化收斂，以獲取照片中的目標(biāo)物區(qū)域；采用分塊自適應(yīng)閥值邊緣檢測算法對所述照片進(jìn)行邊緣檢測，并對邊緣區(qū)和非邊緣區(qū)進(jìn)行濾波處理；計算每個候選特征點匹配對的匹配度和明確度，根據(jù)所述匹配度和所述明確度的數(shù)值，選取特征點匹配對；根據(jù)特征點匹配對求解極限方程，以計算出照片間的基礎(chǔ)矩陣；對基礎(chǔ)矩陣進(jìn)行分解，求解拍攝時相機(jī)的內(nèi)方位元素和外方位元素；根據(jù)相機(jī)的內(nèi)方位元素和外方位元素，將所述圖像序列中目標(biāo)物的二維坐標(biāo)轉(zhuǎn)換成空間的三維坐標(biāo)點；重建目標(biāo)物的三維模型。實現(xiàn)了快速的三維模型重建，提高了處理效率和適用范圍。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例提供的一種三維模型快速重建方法的流程圖；

圖2為本發(fā)明實施例提供的一種三維模型快速重建系統(tǒng)的結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。

如圖1所示，為本發(fā)明實施例提供的一種三維模型快速重建方法，包括：

步驟101、對目標(biāo)物進(jìn)行拍攝，將拍攝結(jié)果構(gòu)成圖像序列，其中，連續(xù)拍攝的照片間重復(fù)區(qū)域應(yīng)大于預(yù)設(shè)的比例閥值；

步驟102、求解疊加模型的最優(yōu)化收斂，以獲取照片中的目標(biāo)物區(qū)域；

其中，步驟102具體可以包括：

步驟102-1、構(gòu)建疊加模型I_i＝α_iF_i+(1-α_i)B_i，其中，α_i前景區(qū)的透明度，F(xiàn)_i為前景區(qū)，B_i為背景區(qū)，前景區(qū)為以遮擋物為主的區(qū)域，背景區(qū)為以空間目標(biāo)物為主的區(qū)域；

一般地，像素級別的窗口內(nèi)，F(xiàn)和B近似不變，上述圖片的疊加模型可以近似為α_i≈aI_i+b，其中，

步驟102-2、求解疊加模型的最優(yōu)化收斂，以獲取前景區(qū)和背景區(qū)的最佳區(qū)分；

步驟102-3、根據(jù)所述最佳區(qū)分，獲取照片中的目標(biāo)物區(qū)域。

步驟103、采用分塊自適應(yīng)閥值邊緣檢測算法對所述照片進(jìn)行邊緣檢測，并對邊緣區(qū)和非邊緣區(qū)進(jìn)行濾波處理；

其中，步驟103具體可以包括：

步驟103-1、采用分塊自適應(yīng)閥值邊緣檢測算法對所述照片進(jìn)行邊緣檢測；

步驟103-2、對邊緣區(qū)采取單向多級中值濾波算法進(jìn)行噪處理；

步驟103-3、對非邊緣區(qū)采取雙向多級中值濾波算法進(jìn)行處理。

步驟104、計算每個候選特征點匹配對的匹配度和明確度，根據(jù)所述匹配度和所述明確度的數(shù)值，選取特征點匹配對；

其中，步驟104具體可以包括：

步驟104-1、計算每個候選特征點匹配對(A_1i，A_2j)的匹配度S(A_1i，A_2j)，其中，A_1i，A_2j為特征點匹配對，N₁，N₂為特征點集合，n_1k，n_2l為較為精準(zhǔn)的特征點匹配對，C_ij為特征點間的自相關(guān)系數(shù)，σ²(I_k)則為(2n+1)×(2m+1)臨域內(nèi)的灰度標(biāo)準(zhǔn)差為

步驟104-2、計算明確度U＝1-S¹(x)/S²(x)，其中，S¹(x)為點x的最大匹配度，S²(x)點x的第二大匹配度；

步驟104-3、根據(jù)所述匹配度和所述明確度的數(shù)值，選取數(shù)值排序前80％的候選特征點匹配對作為特征點匹配對。

步驟105、根據(jù)特征點匹配對求解極限方程，以計算出照片間的基礎(chǔ)矩陣；

其中，步驟105具體可以包括：

根據(jù)最少8個特征點匹配對，求解極限方程以獲取基礎(chǔ)矩陣F。

特征點匹配對中匹配照片的特征點到所述極限方程的直線距離dk1和參考照片的特征點到所述極限方程的直線距離dk2，當(dāng)所述距離dk1和dk2小于設(shè)定的距離閥值D，則認(rèn)為所述正確的特征點匹配對為特征點真匹配對。

步驟106、對基礎(chǔ)矩陣進(jìn)行分解，求解拍攝時相機(jī)的內(nèi)方位元素和外方位元素；

其中，步驟106具體可以包括：

步驟106-1、將所述基礎(chǔ)矩陣F分解為F＝m₂×M₂₁，其中，矩陣m₂滿足條件m₂^T×F＝0；

步驟106-2、根據(jù)矩陣M₂₁，求解相機(jī)的外方位元素為M₁＝[I 0]，相片的內(nèi)方位元素為[M₂₁m₂]，I為單位矩陣。

步驟107、根據(jù)相機(jī)的內(nèi)方位元素和外方位元素，將所述圖像序列中目標(biāo)物的二維坐標(biāo)轉(zhuǎn)換成空間的三維坐標(biāo)點；

步驟108、重建三維模型；

其中，將三維坐標(biāo)點與照片中的像素構(gòu)成一一對應(yīng)的目標(biāo)物模型紋理，通過三角網(wǎng)的方式構(gòu)建點平面，并通過圖像聚類的方法對目標(biāo)物三維模型中摳出遮擋物的區(qū)域進(jìn)行紋理修補，以重建目標(biāo)物的三維模型。

本發(fā)明提供一種三維模型快速重建方法，通過對目標(biāo)物進(jìn)行拍攝，將拍攝結(jié)果構(gòu)成圖像序列；求解疊加模型的最優(yōu)化收斂，以獲取照片中的目標(biāo)物區(qū)域；采用分塊自適應(yīng)閥值邊緣檢測算法對所述照片進(jìn)行邊緣檢測，并對邊緣區(qū)和非邊緣區(qū)進(jìn)行濾波處理；計算每個候選特征點匹配對的匹配度和明確度，根據(jù)所述匹配度和所述明確度的數(shù)值，選取特征點匹配對；根據(jù)特征點匹配對求解極限方程，以計算出照片間的基礎(chǔ)矩陣；對基礎(chǔ)矩陣進(jìn)行分解，求解拍攝時相機(jī)的內(nèi)方位元素和外方位元素；根據(jù)相機(jī)的內(nèi)方位元素和外方位元素，將所述圖像序列中目標(biāo)物的二維坐標(biāo)轉(zhuǎn)換成空間的三維坐標(biāo)點；重建目標(biāo)物的三維模型。實現(xiàn)了快速的三維模型重建，提高了處理效率和適用范圍。

本發(fā)明實施例還提供了一種三維模型快速重建系統(tǒng)，如圖2所示，包括：

拍攝模塊210，用于對目標(biāo)物進(jìn)行拍攝，將拍攝結(jié)果構(gòu)成圖像序列，其中，連續(xù)拍攝的照片間重復(fù)區(qū)域應(yīng)大于預(yù)設(shè)的比例閥值；

提取模塊220，用于求解疊加模型的最優(yōu)化收斂，以獲取照片中的目標(biāo)物區(qū)域；

去噪模塊230，用于采用分塊自適應(yīng)閥值邊緣檢測算法對所述照片進(jìn)行邊緣檢測，并對邊緣區(qū)和非邊緣區(qū)進(jìn)行濾波處理；

匹配模塊240，用于計算每個候選特征點匹配對的匹配度和明確度，根據(jù)所述匹配度和所述明確度的數(shù)值，選取特征點匹配對；

第一計算模塊250，用于根據(jù)特征點匹配對求解極限方程，以計算出照片間的基礎(chǔ)矩陣；

第二計算模塊260，用于對基礎(chǔ)矩陣進(jìn)行分解，求解拍攝時相機(jī)的內(nèi)方位元素和外方位元素；

坐標(biāo)變換模塊270，用于根據(jù)相機(jī)的內(nèi)方位元素和外方位元素，將所述圖像序列中目標(biāo)物的二維坐標(biāo)轉(zhuǎn)換成空間的三維坐標(biāo)點；

模型重建模塊280，用于將三維坐標(biāo)點與照片中的像素構(gòu)成一一對應(yīng)的目標(biāo)物模型紋理，通過三角網(wǎng)的方式構(gòu)建點平面，并通過圖像聚類的方法對目標(biāo)物三維模型中摳出遮擋物的區(qū)域進(jìn)行紋理修補，以重建目標(biāo)物的三維模型。

通過以上的實施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到本發(fā)明可借助軟件加必需的硬件平臺的方式來實現(xiàn)，當(dāng)然也可以全部通過硬件來實施，但很多情況下前者是更佳的實施方式?；谶@樣的理解，本發(fā)明的技術(shù)方案對背景技術(shù)做出貢獻(xiàn)的全部或者部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機(jī)軟件產(chǎn)品可以存儲在存儲介質(zhì)中，如ROM/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機(jī)設(shè)備(可以是個人計算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例或者實施例的某些部分所述的方法。

以上對本發(fā)明進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個例對本發(fā)明的原理及實施方式進(jìn)行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。