[發(fā)明專利]一種物體三維模型構(gòu)建方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710447564.3
• 申請(qǐng)日: 2017-06-14
• 公開(kāi)（公告）號(hào): CN107274483A
• 公開(kāi)（公告）日: 2017-10-20
• 發(fā)明（設(shè)計(jì)）人: 葉培楚;李東;王曉東;曾憲賢;張志超
• 申請(qǐng)（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號(hào): G06T17/00
• 分類號(hào): G06T17/00;G06T7/33;G06T7/50
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司11227
• 代理人: 羅滿

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理應(yīng)用領(lǐng)域，特別是涉及一種物體三維模型構(gòu)建方法。

背景技術(shù)

雙目立體視覺(jué)技術(shù)是一種被動(dòng)式的三維測(cè)量技術(shù)，包括相機(jī)標(biāo)定、圖像對(duì)匹配、三維信息還原等主要過(guò)程。基于雙目立體視覺(jué)的物體三維模型構(gòu)建方法是通過(guò)兩個(gè)已標(biāo)定的、以不同角度擺放的單目相機(jī)同時(shí)拍攝兩幅被測(cè)物圖像，然后建立兩幅圖像的像素點(diǎn)之間的對(duì)應(yīng)關(guān)系，獲得被測(cè)物的三維點(diǎn)云坐標(biāo)數(shù)據(jù)，從而構(gòu)建被測(cè)物三維模型。

立體視覺(jué)技術(shù)可以獲得稠密的被測(cè)物三維點(diǎn)云坐標(biāo)，無(wú)需向被測(cè)物體投影光柵等輔助信息，人機(jī)交互友好，硬件配置要求低，成本便宜，自動(dòng)化程度高，并且可以實(shí)現(xiàn)實(shí)時(shí)采集，當(dāng)前是物體三維重建領(lǐng)域中比較流行的一種技術(shù)。

立體匹配方法是雙目立體視覺(jué)技術(shù)的核心問(wèn)題。然而，現(xiàn)有的基于特征點(diǎn)匹配的物體三維模型構(gòu)建方法中，特征點(diǎn)的提取和計(jì)算效率低，越是魯棒的特征點(diǎn)比如SIFT特征點(diǎn)或SURF特征點(diǎn)，其相應(yīng)的計(jì)算時(shí)間就越長(zhǎng)，導(dǎo)致計(jì)算效率低下。因此當(dāng)需要提取較多的特征點(diǎn)用于三維重建時(shí)，利用這些特征點(diǎn)就不合適了。因?yàn)樘卣鼽c(diǎn)的數(shù)量越多，物體重建系統(tǒng)花費(fèi)在特征點(diǎn)的提取和計(jì)算上的時(shí)間就越長(zhǎng)，進(jìn)而導(dǎo)致物體重建系統(tǒng)總體性能降低，無(wú)法滿足人們?nèi)找嬖鲩L(zhǎng)的對(duì)三維重建性能的需求。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種物體三維模型構(gòu)建方法，基于圖像處理實(shí)現(xiàn)構(gòu)建物體三維模型，對(duì)圖像特征點(diǎn)的提取以及圖像處理更高效。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

一種物體三維模型構(gòu)建方法，包括：

第一攝像裝置和第二攝像裝置以不同角度對(duì)物體同時(shí)拍攝，獲得物體圖像，分別描述為第一圖像和第二圖像；

在圖像中提取特征點(diǎn)，包括：對(duì)于圖像中像素，若在該像素預(yù)設(shè)鄰域內(nèi)，像素值滿足第一預(yù)設(shè)條件的像素的數(shù)量滿足第二預(yù)設(shè)條件，則將該像素定義為特征點(diǎn)；

為所述特征點(diǎn)構(gòu)建描述子，所述特征點(diǎn)的描述子為由所述特征點(diǎn)在各層卷積方向圖中對(duì)應(yīng)像素的值構(gòu)成的向量；

在所述第一圖像和所述第二圖像中，根據(jù)所述特征點(diǎn)的描述子尋找出相匹配的特征點(diǎn)，建立匹配關(guān)系得到視差圖；

利用所述視差圖、所述第一攝像裝置或所述第二攝像裝置的內(nèi)參數(shù)和外參數(shù)，獲得所述特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的空間位置，以構(gòu)建物體三維模型。

可選地，所述在圖像中提取特征點(diǎn)還包括：

利用Harris響應(yīng)函數(shù)計(jì)算各所述關(guān)鍵點(diǎn)對(duì)應(yīng)的響應(yīng)值，按照響應(yīng)值大小從大到小對(duì)各所述關(guān)鍵點(diǎn)排序，取前N個(gè)關(guān)鍵點(diǎn)作為最終的關(guān)鍵點(diǎn)集合。

可選地，所述為所述特征點(diǎn)構(gòu)建描述子包括：

對(duì)拍攝的圖像分別沿x方向和y方向求梯度，得到梯度圖；

將每對(duì)梯度圖對(duì)平面內(nèi)多個(gè)方向進(jìn)行投影，對(duì)每對(duì)梯度圖計(jì)算梯度方向圖；

對(duì)得到的所述梯度方向圖進(jìn)行至少三種不同高斯核的卷積運(yùn)算，得到卷積方向圖；

根據(jù)得到的所述卷積方向圖為所述特征點(diǎn)構(gòu)建描述子。

可選地，所述將每對(duì)梯度圖對(duì)平面內(nèi)多個(gè)方向進(jìn)行投影，對(duì)每對(duì)梯度圖計(jì)算梯度方向圖包括：

基于計(jì)算得到的梯度圖dx和dy，根據(jù)計(jì)算式dx cosθ₁+dy sinθ₂計(jì)算梯度方向圖，其中T表示計(jì)算T個(gè)方向梯度圖，T為正整數(shù)，i＝0,1,…,T-1。

可選地，對(duì)每對(duì)梯度圖計(jì)算平面內(nèi)8個(gè)方向的梯度方向圖；

對(duì)得到的所述梯度方向圖進(jìn)行三種不同高斯核的卷積運(yùn)算，得到24個(gè)卷積方向圖，表示為其中，高斯核表示為j＝0,1,2，Q＝3。

可選地，所述利用所述視差圖、所述第一攝像裝置或所述第二攝像裝置的內(nèi)參數(shù)和外參數(shù)，獲得所述特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的空間位置包括：

利用相似三角形性質(zhì)，由所述視差圖計(jì)算所述特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的深度；

基于第一攝像裝置的內(nèi)參數(shù)、外參數(shù)以及計(jì)算得到的特征點(diǎn)深度，計(jì)算所述特征點(diǎn)對(duì)應(yīng)空間點(diǎn)的空間位置。

可選地，所述在所述第一圖像和所述第二圖像中，根據(jù)所述特征點(diǎn)的描述子尋找出相匹配的特征點(diǎn)包括：

對(duì)于第一圖像中每一特征點(diǎn)，在第二圖像中搜索匹配特征點(diǎn)，計(jì)算兩圖像中搜索出的匹配特征點(diǎn)的描述子之間的歐式距離，當(dāng)歐式距離小于第一閾值時(shí)匹配成功。

可選地，所述在所述第一圖像和所述第二圖像中，根據(jù)所述特征點(diǎn)的描述子尋找出相匹配的特征點(diǎn)還包括：利用約束條件對(duì)匹配成功的所述特征點(diǎn)進(jìn)行篩選，剔除不滿足約束條件的特征點(diǎn)。

可選地，所述約束條件包括：