[發明專利]一種基于雙目結構光的書頁三維重建方法

有效

• 申請號: 201810842223.0
• 申請日: 2018-07-27
• 公開（公告）號: CN109064536B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 陶冰潔;趙杭天
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T15/00
• 分類號: G06T15/00;G06V30/148;G06V30/18
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 馬林中

本發明公開了一種基于雙目結構光的書頁三維重建方法，涉及機器視覺技術領域，本發明基于GPU實現的SIFT方法進行實時雙目匹配得到三維點云后，建立空間直角坐標系，將點云投影至ZOX平面，使用分段擬合的方法自動標定書軸點，以書軸點等角度劃分空間，使用直方圖統計與波形分析的方法獲得書頁狀態，根據出現與消失區域點云數的脈沖函數追蹤書頁數量，在有書頁在最佳拍攝區被檢測到時，給高清相機拍攝信號，捕獲畸變相對最小的書頁圖像，本發明可以提供高速的、非接觸的書頁掃描方式，大大提高了掃描精度與效率，具有很高的實用價值。

技術領域

本發明涉及機器視覺技術領域，更具體的是涉及一種基于雙目結構光的書頁三維重建方法。

背景技術

雙目視覺始于20世紀80年代，David Marr等人在多年研究的基礎上，提出了一種新的計算機視覺理論框架，該理論框架解決了通過二維平面圖像獲得三維立體信息的問題；張正友(2000)提出了相機標定的一種靈活新方法，基于這種方法，出現了被廣泛應用的雙目相機標定方法。雙目視覺技術經過不斷的發展，現在已經廣泛的應用在了測距、檢測及三維重建等領域，起到了良好的效果，提升了工業自動化水平。但是在雙目匹配算法上面，該技術還有很大的提升空間，如何更快更準確的對圖像進行匹配，得到稠密的視差圖和準確的三維坐標信息，仍是需要深入探討和研究的問題。

使用結構光就是為了更快更準確的對圖像進行匹配，得到稠密的視差圖和準確的三維坐標信息。結構光編碼方式分為時間編碼、空間編碼和直接編碼，其中，時間編碼又分有二值編碼、n值編碼、時間編碼與相移法結合、混合編碼；空間編碼有非正式編碼、DeBruijn序列編碼、M-列陣編碼；直接編碼分為灰度直接編碼和彩色直接編碼。

Minou通過增加使用海明誤差糾錯碼的方法來改善普通二值碼的穩健性；Inokuchi用格雷碼代替普通二值碼，格雷碼相鄰碼值之間的海明距離至多為1；在二值編碼的條紋精確定位面,Trobina比較了幾種條紋邊界檢測方法,認為通過投影正反兩個圖案尋找條紋邊界交點的方法具有最佳子像素級定位精度；1998年，Valken-burg和Mclvor將圖像分成17x17像素的圖像子塊,對每個圖像子塊進行多項式擬合或正弦函數擬合來精確定位條紋邊界；1998年，Caspi提出了一個彩色n值編碼方法.這種方法使用的是一個n值碼值表,其中每種碼值與一個特定的RGB顏色相對應，因而能夠有效減少投影圖案的數量,實現了對二值編碼策略的泛化；Bergman首先提出格雷碼與相移法相結合的方法,有效解決了周期信號二義性問題，同時得到較高的空間分辨率；1996年，Sato提出一種方法，在二值條紋圖案的每一行插入一個尖銳的自相關脈沖，水平移動多次得到多個投影圖像，然后計算每一行的最大自相關峰值,并根據三角法計算具有最大峰值像素的深度信息；2006年,Koninckx和Van Gool提出一種自適應編碼方法,可隨場景噪聲程度和顏色等自動調節基圖案中的條紋寬度、彩色條紋的寬度和密度，這種方法的缺點是計算復雜性較高,需要對場景的特征進行預測、加標簽及追蹤，當編碼密度加大時解碼困難；Monks和Carter使用基于6值3次DeBruijn序列來生成水平彩色條紋圖案,不同顏色之間用黑色分隔；2007年,Albitar針對M-陣列方法中使用符號過多和彩色圖案不適合彩色場景等缺點,提出了基于3個圖形元素的單色編碼圖案，Albitar提出的圖案碼字之間的海明距離均大于3,平均海明距離為6.173,遠大于一般的M-陣列方法，因而具有速度快,可靠性高等優點。

尺度不變特征轉換(Scale-invariant feature transform，SIFT)是一種機器視覺的算法用來偵測與描述影像中的局部性特征，它在空間尺度中尋找極值點，并提取出其位置、尺度、旋轉不變數，此算法由David Lowe在1999年所發表，2004年完善總結。SIFT特征是基于物體上的一些局部外觀的興趣點而與影像的大小和旋轉無關，對于光線、噪聲、拍攝視角改變的容忍度也相當高，基于這些特性，它們是高度顯著而且相對容易擷取，在母數龐大的特征數據庫中，很容易辨識物體而且鮮有誤認，但SIFT算法一直以來都存在著計算代價昂貴的問題，Changchangwu在2011年發表了David Lowe的尺度不變特征變換的GPU實現，使得SIFT達到了實時的效果。