[發明專利]基于稀疏性特征多圖像的3D目標模型重建方法

在審

• 申請號: 202011269895.0
• 申請日: 2020-11-13
• 公開（公告）號: CN112509113A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 張海軍;陳映輝;鐘向陽
• 申請（專利權）人: 嘉應學院
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06T7/80;G06T7/13;G06K9/46
• 代理公司: 西安研創天下知識產權代理事務所(普通合伙) 61239
• 代理人: 郭璐

1.基于稀疏性特征多圖像的3D目標模型重建方法，其特征在于，包括以下步驟，

S1：對拍攝的n幅圖像{I₁，I₂，...，I_n}進行特征點檢測和提取，獲得稀疏性特征多圖像的2D特征點；

S2：利用相機的自標定，構建投影矩陣；

S3：基于步驟S1中提取的2D特征點，通過投影矩陣P_n進行逆投影，生成稀疏3D特征空間點；

S4：對步驟S3中的稀疏3D特征空間點進行面片化近似，通過一致性領域擴展，生成稠密點集；

S5：將生成的稠密點集通過濾波操作完成精確3D目標模型的構建。

2.根據權利要求1所述的基于稀疏性特征多圖像的3D目標模型重建方法，其特征在于：步驟S1中采用Harris角點檢測和SIFT特征檢測提取稀疏性特征多圖像的2D特征點。

3.根據權利要求2所述的基于稀疏性特征多圖像的3D目標模型重建方法，其特征在于：步驟S2的具體操作步驟包括，

S21：基于射影方程λ_ijx_ij＝P_iX_j，設定測量矩陣為W_3m×n，并使W＝λ_ijx_ij，則W的展開式為

式中，λ_ij為射影伸縮因子，x_ij為2D特征點的齊次坐標，P_i為第i幅圖像的投影矩陣，X_j為x_ij對應3D目標點的齊次坐標；根據W的展開式可將W解釋為相機運動矩陣P_3m×4與表示空間目標模型的X_4×n矩陣的積；

S22：對各圖像之間的匹配特征點利用歸一化的八點法進行奇異值分解，在秩2約束條件用最小平方估計求得基本矩陣F_1j和極點e_1j，從而求出所有2D特征點的射影伸縮因子其中，射影伸縮因子初始值為λ_1j＝1；式中F_ij、e_ij分為圖像i與圖像j對應的基本矩陣和極點，q_ip、q_jp分別為圖像i與j對應的第p個特征點，λ_ip、λ_ip分別為特征點p在圖像i、j上的伸縮因子；

S23：對W進行奇異值分解，即W＝UDV^T＝Udiag(σ₁，σ₂，...，σ_N)V^T，其中，σ₁≥σ₂≥...≥σ_N≥0，求得W的秩為4，則D＝diag(σ₁，σ₂，σ₃，σ₄)；

S24：取P＝U，X＝DV^T，將W分解成P和X；

S25：對X采用絕對二次曲面Ω^*約束實現線性變換HX運算，對相機運動矩陣P作逆變換PH^-1運算，得出W＝PX＝PH^-1HX＝P_EX_E，其中，H為4×4的非奇異單應矩陣，P_E為P經過PH^-1變換得到的歐式重建下的投影矩陣，X_E為X經過HX變換生成的歐式重建下的目標模型。