[發(fā)明專利]一種基于全景視頻的稠密三維重構(gòu)方法有效
| 申請?zhí)枺?/td> | 201910642181.0 | 申請日: | 2019-07-16 |
| 公開(公告)號: | CN110544294B | 公開(公告)日: | 2023-09-01 |
| 發(fā)明(設(shè)計)人: | 高路房;黃偉冰;林彥好;傅晟;張威 | 申請(專利權(quán))人: | 深圳進(jìn)化動力數(shù)碼科技有限公司 |
| 主分類號: | G06T17/00 | 分類號: | G06T17/00;G06T7/50;G06T7/70;G06T7/90 |
| 代理公司: | 深圳壹舟知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44331 | 代理人: | 寇闖 |
| 地址: | 518000 廣東省深圳市寶*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 全景 視頻 稠密 三維 方法 | ||
本發(fā)明公開了一種基于全景視頻的稠密三維重構(gòu)方法,1、利用全景視頻中的第三特征點(diǎn)構(gòu)建半稠密點(diǎn)云:選取全景視頻關(guān)鍵幀中的第一特征點(diǎn),在[0,1]內(nèi)進(jìn)行初始化,獲得第二特征點(diǎn),利用第二特征點(diǎn)在關(guān)鍵幀與目標(biāo)幀上的投影誤差估計相機(jī)姿態(tài)信息,根據(jù)姿態(tài)信息重新估計關(guān)鍵幀第二特征點(diǎn)的深度值及其置信度數(shù)值,獲取第三特征點(diǎn),將第三特征點(diǎn)映射到世界坐標(biāo)系;2、對半稠密點(diǎn)云進(jìn)行過濾處理;3、利用德勞內(nèi)算法對剩余特征點(diǎn)進(jìn)行三角重構(gòu);實(shí)施本發(fā)明,通過利用高置信度特征點(diǎn)構(gòu)建半稠密點(diǎn)云,并根據(jù)置信度高低選取自由空間四面體集合,利用德勞內(nèi)三角化算法進(jìn)行三角重構(gòu),獲取了較為平滑的全景視頻三維模型。
技術(shù)領(lǐng)域
本發(fā)明涉及虛擬現(xiàn)實(shí)技術(shù)領(lǐng)域,特別涉及一種基于全景視頻的稠密三維重構(gòu)方法。
背景技術(shù)
三維建模一直是計算機(jī)視覺的熱點(diǎn)研究領(lǐng)域,是獲取物體模型和三維場景的重要手段。人們獲取物體三維信息的手段有很多種,比如傳統(tǒng)的幾何造型技術(shù),此方法需要的專業(yè)水平和大工作量。利用三維掃描設(shè)備進(jìn)行三維重建,如使用激光掃描儀、結(jié)構(gòu)光等進(jìn)行三維重建。利用掃描設(shè)備進(jìn)行三維重建的方法比較方便,而且在精度上比較精確,費(fèi)時也較短,但是價格昂貴。
通過圖像進(jìn)行三維點(diǎn)云重建,就是利用相機(jī)來采集圖像,然后利用計算機(jī)視覺和計算機(jī)圖像學(xué)的知識,來生成點(diǎn)云的過程。通過對算法的不斷優(yōu)化改進(jìn),三維點(diǎn)云的過程趨于簡單和自動化,費(fèi)用相對較低。
隨著虛擬現(xiàn)實(shí)(Virtual?Reality)與增強(qiáng)現(xiàn)實(shí)(Augmented?Reality)技術(shù)的蓬勃發(fā)展,業(yè)界對于三維內(nèi)容的需求不斷增多,視頻自動重構(gòu)技術(shù)的重要性也日益明顯。視頻重構(gòu)技術(shù)可以被分為相機(jī)靜止型和相機(jī)運(yùn)動型。相機(jī)靜止型的視頻重構(gòu)技術(shù)大多利用多視角重構(gòu)技術(shù)(Multiview?Reconstruction)來進(jìn)行動態(tài)場景的重構(gòu),而相機(jī)運(yùn)動型的視頻重構(gòu)則大多利用了運(yùn)動重構(gòu)技術(shù)(Structure?From?Motion)來進(jìn)行靜態(tài)場景的重構(gòu)。
現(xiàn)有的相機(jī)三維重構(gòu)技術(shù)采集到的是二維圖像,通過位姿估計,確定相機(jī)的運(yùn)動路徑,構(gòu)造出來的三維場景信息也是通過提取二維圖像的特征點(diǎn)實(shí)現(xiàn)的,重建構(gòu)造出來的是稀疏點(diǎn)云,而且其速度較慢。
發(fā)明內(nèi)容
針對上述問題,提出一種基于全景視頻的稠密三維重構(gòu)方法,視頻中每一幀均包含場景的360度信息,通過對全景視頻中所有幀中的特征點(diǎn)深度進(jìn)行重新估計,獲取較高置信度的特征點(diǎn),將這些特征點(diǎn)映射世界坐標(biāo)系,獲取全景視頻的半稠密點(diǎn)云,根據(jù)半稠密點(diǎn)云按照構(gòu)建置信度高低選取自由空間四面體集合,利用德勞內(nèi)三角化算法進(jìn)行三角重構(gòu),獲取了較為平滑的全景視頻三維模型。
一種基于全景視頻的稠密三維重構(gòu)方法,包括步驟:
利用全景視頻幀中的第三特征點(diǎn)構(gòu)建半稠密點(diǎn)云;
對所述半稠密點(diǎn)云進(jìn)行過濾處理;
利用德勞內(nèi)算法對所述半稠密點(diǎn)云中的剩余特征點(diǎn)進(jìn)行三角重構(gòu)。
結(jié)合本發(fā)明所述的三維重構(gòu)方法,第一種實(shí)施方式中,所述步驟:利用全景視頻中的第三特征點(diǎn)構(gòu)建半稠密點(diǎn)云,包括:
選取全景視頻關(guān)鍵幀中的第一特征點(diǎn);
利用第二特征點(diǎn)在關(guān)鍵幀與目標(biāo)幀上的投影誤差估計相機(jī)姿態(tài)信息;
根據(jù)所述姿態(tài)信息重新估計所述關(guān)鍵幀第二特征點(diǎn)的深度值及其置信度數(shù)值,所述第二特征點(diǎn)更新為第三特征點(diǎn);
獲取所有關(guān)鍵幀的第三特征點(diǎn),并將所述第三特征點(diǎn)映射到世界坐標(biāo)系。
結(jié)合第一種實(shí)施情況,第二種實(shí)施方式中,所述步驟:選取全景視頻關(guān)鍵幀中的第一特征點(diǎn)與步驟:利用第二特征點(diǎn)在關(guān)鍵幀與目標(biāo)幀上的投影誤差估計相機(jī)姿態(tài)信息之間還包括步驟:
S11a、對所有特征點(diǎn)深度值進(jìn)行歸一化處理,利用置信度數(shù)值描述特征點(diǎn)深度值;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深圳進(jìn)化動力數(shù)碼科技有限公司,未經(jīng)深圳進(jìn)化動力數(shù)碼科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910642181.0/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種基于圖像形態(tài)學(xué)的稠密物體分割方法
- 矩陣處理裝置
- 基于稠密連接的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)方法和系統(tǒng)
- 一種用于目標(biāo)重建的嵌套結(jié)構(gòu)的漸進(jìn)式稠密網(wǎng)絡(luò)
- 基于稠密多路卷積網(wǎng)絡(luò)的圖片分類方法與系統(tǒng)
- 矩陣處理裝置
- 人臉圖像的處理方法、裝置、電子設(shè)備及存儲介質(zhì)
- 結(jié)構(gòu)化稀疏參數(shù)的處理方法、裝置、設(shè)備及存儲介質(zhì)
- 一種訓(xùn)練模型和點(diǎn)云的處理方法及裝置
- 一種表面缺陷檢測方法和裝置





