[發明專利]一種基于PMVS的建筑物密集點云快速重建方法

有效

• 申請號: 201810575339.2
• 申請日: 2018-06-06
• 公開（公告）號: CN108986218B
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 張小國;王果;張恒;王慧青
• 申請（專利權）人: 東南大學
• 主分類號: G06T17/20
• 分類號: G06T17/20
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱楨榮

本發明公開了一種基于PMVS的建筑物密集點云快速重建方法，在建筑物三維重建這一應用場景下，本發明通過使用準密集點云代替PMVS算法自建的稀疏點云作為擴散種子點，本發明的方法主要流程包括：首先構建建筑物的初始空間三角網格模型，對三角網絡循環進行空間插值擴散、面片的優化和濾波、三角網格信息更新等操作，獲取精確的準密集點云，使用準密集點云代替PMVS算法自建的稀疏點云作為擴散種子點，從而實現PMVS算法重建過程的加速。本發明可以有效提高PMVS算法的運行效率。本發明對自然景觀帶來的點云噪聲和其它非建筑物主體點云噪聲具有一定的濾波作用。

技術領域

本發明涉及圖像處理領域，特別是一種基于PMVS的建筑物密集點云快速重建方法。

背景技術

由Furukawa等人提出的PMVS(patch-based multi-view stereo)算法是目前表現優異的主流密集點云重建算法之一。算法基本流程是：采用Harris和DoG算子檢測出輸入圖像集的特征點，利用特征匹配、三角化重建獲取稀疏種子點云，利用這些種子點迭代進行面片擴散、優化、濾波等步驟，最終重建出具有法向信息的、緊致覆蓋于待重建物體表面的稠密面片集合。該算法的優點在于：(1)不需要任何初始信息如凸殼、包圍盒等；(2)算法具有很廣的適用范圍，從單個物體重建到大規模復雜場景重建，該算法均能適用；(3)算法具有很高的重建精度和不錯的重建效率。

盡管PMVS算法性能優良，但是同樣存在一些不足之處，算法的運行效率較低就是其中之一，在處理高分辨率圖像數據和大規模場景重建時，PMVS算法的運行效率會明顯降低，致使PMVS算法無法滿足智慧城市中大規模城市場景的快速重建的要求。

PMVS算法運行效率較低的原因之一在于：PMVS算法使用弱約束條件來對圖像進行特征匹配重建待重建物體的稀疏點云，特征匹配的弱約束條件致使該過程不具備全局最優性，使得重建出的稀疏點云充滿噪聲。用這些富含噪聲的稀疏點云作為種子點進行后續的面片擴散優化操作，會造成更多的無意義的擴散，而面片擴散和優化過程是PMVS算法中主要的耗時過程，這在一定程度上增加了PMVS算法運行時間。

針對PMVS算法的效率問題，已有許多學者提出了不同的改進方案，但是目前尚無利用建筑物幾何特性的、從提高種子點密度和精度的角度對PMVS算法效率進行改進的先例。現有PMVS算法運行效率不高，無法滿足智慧城市中大規模城市場景的快速重建的要求。

發明內容

本發明所要解決的技術問題是克服現有技術的不足而提供一種基于PMVS的建筑物密集點云快速重建方法，可以快速獲取精度較高的建筑物的密集點云。

本發明為解決上述技術問題采用以下技術方案：

根據本發明提出的一種基于PMVS的建筑物密集點云快速重建方法，包括如下步驟：

步驟a、以假設平面擬合算法得到的點云平面聚類作為輸入數據，使用Delaunay三角剖分算法構建待重建建筑物的初始空間三角網格模型，并對三角網格進行信息初始化；

步驟b、使用三角網格空間插值擴散算法來對初始空間三角網格模型進行擴散加密；

步驟c、使用改進的面片優化和濾波算法對擴散后的三角網格頂點構成的點云進行面片優化和濾波；

改進的面片優化算法，具體為：

將PMVS的非線性優化中的三個變量降為一個變量；非線性優化變量只有面片位置c(p)一個，面片的法向量在優化過程中保持初始值不變；將面片位置限制在面片的法向量上，優化過程中面片只能沿著面片法向量的方向進行移動；

改進的面片濾波算法，具體為：