CN102157017A - 基于图像的物体三维几何不变量快速获取方法 - Google Patents
基于图像的物体三维几何不变量快速获取方法 Download PDFInfo
- Publication number
- CN102157017A CN102157017A CN 201110107870 CN201110107870A CN102157017A CN 102157017 A CN102157017 A CN 102157017A CN 201110107870 CN201110107870 CN 201110107870 CN 201110107870 A CN201110107870 A CN 201110107870A CN 102157017 A CN102157017 A CN 102157017A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- image
- feature
- geometry
- invariant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
一种数字图像处理领域的基于图像的物体三维几何不变量快速获取方法,针对由点特征组成的任意几何结构,根据其在多帧图像中的位置信息和匹配关系,快速计算几何结构的三维几何不变量,该方法可以避免三维重建过程,直接获得目标的三维特征,具有算法复杂度低、简单快速、对图像噪声鲁棒性好、计算精度高等特点。
Description
技术领域
本发明涉及的是一种数字图像处理领域的方法,具体是一种基于图像的物体三维几何不变量快速获取方法。
背景技术
相机成像过程是将物体从三维空间投影到二维图像的过程,在这个过程中物体沿相机光轴方向的几何信息受到损失,信息损失给目标的识别、跟踪带来了很大的困难。传统的基于三维重建的方法可以从图像恢复物体的三维信息,但是面临着算法复杂、实时性差、易受噪声干扰、不够精确等缺点。三维几何不变量是对物体三维几何结构的高度抽象与概括,描述了物体三维几何结构的本质特征,不受成像角度、相机位置、光照变化等因素的影响,具有高度的稳定性和可靠性。因此研究直接由图像获得目标三维几何不变量的方法,对物体识别、目标跟踪等计算机视觉高级应用具有重大的意义。
经过对现有已公开发表文献的检索发现,Quan L.在IEEE Transactions on Pattern Analysis and Machine Intelligence 1995年第1期34-46页发表的论文Invariants of Six Points and Projective Reconstruction from Three Uncalibrated Images中,提出了根据多帧图像信息、不经过三维重建过程、直接计算几何结构三维几何不变量的方法。该方法针对由三维空间中处于一般位置的6个点(满足任意4点不共面的条件)组成的特定几何结构,根据3帧图像中点的位置和匹配关系,计算其具有的三维几何不变量,实现了图像目标三维几何不变量的快速计算,对后续的目标识别等应用具有重要的影响。但是该方法出于便于推导和理解的考虑,使用了非齐次坐标的表达形式,而非齐次坐标对图像噪声非常敏感、测量误差大,不变量计算精度受到影响。Weiss I.等在IEEE Transactions on Pattern Analysis and Machine Intelligence 2001年2期116-128页发表的论文Model-based Recognition of 3D Objects from Single Images中,提出了根据单帧图像信息、不经过三维重建过程、直接计算几何结构三维几何不变量的方法。该方法针对三维空间中6个处于一般位置的点(满足任意4点不共面的条件)组成的特定几何结构,根据单帧图像中点的位置计算其具有的三维几何不变量,实现了齐次坐标下图像目标三维几何不变量的快速计算,对后续的目标识别等应用具有重要的影响。但是该方法的推导过程仅针对特定几何结构有效,对一般结构而言缺乏借鉴意义,并且获得三维几何不变量不够全面,根据该方法仅可计算6个三维几何不变量中的3个。目前还没有理想方法能避免三维重建、直接由图像信息计算一般几何结构的三维不变量,并且对图像噪声具有良好鲁棒性。
发明内容
本发明针对现有技术存在的上述不足,提供一种基于图像的物体三维几何不变量快速获取方法,针对由点特征组成的任意几何结构,根据其在多帧图像中的位置信息和匹配关系,快速计算几何结构的三维几何不变量,该方法可以避免三维重建过程,直接获得目标的三维特征,具有算法复杂度低、简单快速、对图像噪声鲁棒性好、计算精度高等特点。
本发明是通过以下技术方案实现的,本发明包括如下具体步骤:
步骤一,建立由点特征组成,并且点特征的数量大于等于6的几何结构,得到关于该几何结构的多帧图像并确定不同图像中几何特征的匹配关系。
所述的几何结构具有三维射影不变量且该不变量可由图像获得。
所述的点特征中,当由四个以上点时,不存在四点位于同一平面。
所述的几何特征的匹配关系是指:任意图像中的任一一个点特征与其他图像中该点的位置唯一对应。
步骤二,确定几何结构具有的三维射影不变量数量和具体表示形式。
所述的确定三维射影不变量数量是指:I=3m-15,其中:I表示不变量的数量,m表示几何结构中点特征的数量。
步骤三,建立物体的图像信息与物体的三维特征之间的联系,具体步骤为:使用相机的投射投影成像模型,建立三维空间特征与其二维图像中的投影之间的关系,根据投射投影成像模型,三维空间中一点P与其在二维图像中的投影点p之间的关系为:λ·p=M·P,其中:λ为尺度因子,P表示三维几何结构中的点特征,p表示点P在二维图像中的映射,M为表征三维物体与其二维投影间关系的投射投影模型。
步骤四,根据图像获取物体的三维特征,具体步骤包括:根据步骤三获得的图像信息与三维特征之间的联系,消去尺度因子,得到关于图像信息与三维射影不变量关系的等式,根据图像信息从等式中获得物体的三维射影不变量。
与现有技术相比,本发明具有如下有益效果:本发明可以通过二维图像信息直接获得目标三维特征,避免了三维重建过程;所获得的目标三维射影不变量具有完备性、独立性、可靠性和精确性,对物体识别、目标跟踪等应用具有重大意义;按着本发明中所叙述的方法可以根据图像信息,计算任意由点特征组成的几何结构所具有的三维射影不变量,具有非常大的灵活性;所获得不变量计算精度得到提高,计算值与真值间的平均误差由0.57%降至0.36%,降幅达到42%,而算法运行时间为原方法的1/2到1/3;此外本发明所提出的方法具有传统方法不具备的实时性和抗噪声能力,在物体识别、目标跟踪、地形匹配等军用和民用领域有着广泛的应用前景。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本实例包括如下具体步骤:
步骤一,根据实际应用的需要,建立一个完备的几何结构,该几何结构由7个点特征组成,满足数量大于等于6的要求,得到关于该几何结构的多帧图像,确定不同图像中几何特征的匹配关系。
步骤二,根据已经建立的完备几何结构,确定该几何结构具有的三维射影不变量数量和具体表示形式。
所述的确定三维射影不变量数量是指
I=3×7-15=6 公式四
则在步骤一得到的几何结构具有6个三维射影不变量。
所述的三维射影不变量具体表示可以定义为
公式五
其中在6个不变量表达中,分式上下两端所用到的点特征出现的次数保持相等。
由于不存在四点共面的情况,第五点至第七点可以表示为前四点的组合
Pi=ai·P1+bi·P2+ci·P3+di·P4(i=5,6,7) 公式六
将上式代入公式五则不变量可改写为
步骤三,建立物体的图像信息与物体的三维特征之间的联系。
根据投射投影成像模型,三维空间中一点P与其在二维图像中的投影点p之间的关系可以描述为
λ·p=M·P 公式八
根据公式六和公式八可得
λi·pi=λ1·ai·p1+λ2·bi·p2+λ3·ci·p3+λ4·di·p4(i=5,6,7) 公式九
步骤四,根据图像获取物体的三维特征。
定义mijk是由点pl(l=i,j,k)的齐次坐标构成的行列式,考虑前5个点,根据公式九可以获得如下关系
λ5·m125=λ5|p1p2p5|=λ3·c5·m123+λ4·d5·m124
λ5·m523=λ5|p5p2p3|=λ1·a5·m123+λ4·d5·m234 公式十
λ5·m153=λ5|p1p5p3|=λ2·b5·m123-λ4·d5·m134
相似的关系可由其余2个点获得
λ6·m126=λ6|p1p2p6|=λ3·c6·m123+λ4·d6·m124
λ6·m623=λ6|p6p2p3|=λ1·a6·m123+λ4·d6·m234 公式十一
λ6·m163=λ6|p1p6p3|=λ2·b6·m123-λ4·d6·m134
λ7·m127=λ7|p1p2p7|=λ3·c7·m123+λ4·d7·m124
λ7·m723=λ7|p7p2p3|=λ1·a7·m123+λ4·d7·m234 公式十二
λ7·m173=λ7|p1p7p3|=λ2·b7·m123-λ4·d7·m134
在公式十至公式十二定义的9个等式中,存在7个非零未知数λi(i=1,2,...,7),且λ4存在于所有等式中。
因此可将所有等式除去λ4,则未知数变为6个,且这些未知数可以表示λi/λ4(i=1,...,7,i≠4)。因此从中可获得独立于未知参数λi的等式3个,这些等式仅与点的空间位置与图像位置有关。
将公式七定义的不变量代入整理可得
s345s126·I1I2-s245s136·I1I3+s145s236·I2I3
公式十三
+s146s235·I1-s246s135·I2+s346s125·I3=0
s245s236s127·I3I4-s245s237s126·I1I6+s247s235s126·I1
公式十四
-s247s236s125·I3-s246s235s127·I4+s246s237s125·I6=O
s145s236s127·I3I5+s345s126s127·I1I5-s245s137s126·I1I6
公式十五
+s147s235s126·I1-s147s236s125·I3-s246s135s127·I5+s246s137s125·I6=O
在公式十三至公式十五定义的3个等式中,目标的三维射影不变量由I1至I6定义,除此之外所有参数都可以由图像获得,其中sijk代表图像中由i,j,k三点组成的三角形面积。
在奔腾四双核3.0G中央处理器、Matlab 7.1(矩阵实验室软件7.1)环境下,将本实例方法与传统的三维不变量计算方法进行比较,结果如下所示。
本文方法误差 | -0.33% | 0.01% | 0.38% | 0.58% | 0.44% | -0.02% |
传统方法误差 | -0.59% | 0.16% | 0.64% | 1.04% | 0.74% | -0.27% |
测量精度提高 | 44.1% | 93.8% | 40.6% | 44.2% | 40.5% | 92.6% |
本方法可以通过二维图像信息直接获得目标三维特征,避免了三维重建过程;所获得的目标三维射影不变量具有完备性、独立性、可靠性和精确性,对物体识别、目标跟踪等应用具有重大意义;按着本发明中所叙述的方法可以计算任意几何结构所具有的三维射影不变量,具有非常大的灵活性;所获得不变量计算精度得到提高,计算值与真值间的平均误差由0.57%降至0.36%,降幅达到42%,而算法运行时间为原方法的1/2到1/3;此外本发明所提出的方法具有传统方法不具备的实时性和抗噪声能力,在军用和民用领域都有广泛的应用前景。
Claims (7)
1.一种基于图像的物体三维几何不变量快速获取方法,其特征在于,包括如下具体步骤:
步骤一,建立由点特征组成,并且点特征的数量大于等于6的几何结构,得到关于该几何结构的多帧图像并确定不同图像中几何特征的匹配关系;
步骤二,确定几何结构具有的三维射影不变量数量和具体表示形式;
步骤三,建立物体的图像信息与物体的三维特征之间的联系,具体步骤为:使用相机的投射投影成像模型,建立三维空间特征与其二维图像中的投影之间的关系,根据投射投影成像模型,三维空间中一点P与其在二维图像中的投影点p之间的关系为:λ·p=M·P,其中:λ为尺度因子,P表示三维几何结构中的点特征,p表示点P在二维图像中的映射,M为表征三维物体与其二维投影间关系的投射投影模型;
步骤四,根据图像获取物体的三维特征。
2.根据权利要求1所述的基于图像的物体三维几何不变量快速获取方法,其特征是,所述的几何结构具有三维射影不变量且该不变量可由图像获得。
3.根据权利要求1所述的基于图像的物体三维几何不变量快速获取方法,其特征是,所述的点特征中,当由四个以上点时,不存在四点位于同一平面。
4.根据权利要求1所述的基于图像的物体三维几何不变量快速获取方法,其特征是,所述的几何特征的匹配关系是指:任意图像中的任一一个点特征与其他图像中该点的位置唯一对应。
5.根据权利要求1所述的基于图像的物体三维几何不变量快速获取方法,其特征是,所述的确定三维射影不变量数量是指:I=3m-15,其中:I表示不变量的数量,m表示几何结构中点特征的数量。
7.根据权利要求1所述的基于图像的物体三维几何不变量快速获取方法,其特征是,所述的步骤四具体是指:根据步骤三获得的图像信息与三维特征之间的联系,消去不可测尺度因子,得到关于图像信息与三维射影不变量关系的等式,根据图像信息从等式中获得物体的三维射影不变量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110107870 CN102157017A (zh) | 2011-04-28 | 2011-04-28 | 基于图像的物体三维几何不变量快速获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110107870 CN102157017A (zh) | 2011-04-28 | 2011-04-28 | 基于图像的物体三维几何不变量快速获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102157017A true CN102157017A (zh) | 2011-08-17 |
Family
ID=44438495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110107870 Pending CN102157017A (zh) | 2011-04-28 | 2011-04-28 | 基于图像的物体三维几何不变量快速获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102157017A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208003A (zh) * | 2013-04-12 | 2013-07-17 | 大连理工大学 | 一种基于几何图形特征点形状描述子的方法 |
CN105513094A (zh) * | 2015-12-17 | 2016-04-20 | 上海交通大学 | 基于三维Delaunay三角剖分的立体视觉跟踪方法及系统 |
CN103886298B (zh) * | 2014-03-27 | 2017-01-18 | 大连理工大学 | 一种用射影不变量提取人脸基准点的方法 |
CN111402429A (zh) * | 2020-06-08 | 2020-07-10 | 成都索贝数码科技股份有限公司 | 一种尺度还原、三维重建方法、系统、存储介质及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1987345A (zh) * | 2006-12-20 | 2007-06-27 | 东华大学 | 一种单目立体视觉传感器 |
CN101853388A (zh) * | 2009-04-01 | 2010-10-06 | 中国科学院自动化研究所 | 一种基于几何不变量的视角不变的行为识别方法 |
-
2011
- 2011-04-28 CN CN 201110107870 patent/CN102157017A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1987345A (zh) * | 2006-12-20 | 2007-06-27 | 东华大学 | 一种单目立体视觉传感器 |
CN101853388A (zh) * | 2009-04-01 | 2010-10-06 | 中国科学院自动化研究所 | 一种基于几何不变量的视角不变的行为识别方法 |
Non-Patent Citations (1)
Title |
---|
《Optical Engineering》 20081130 Xiao Chen, Jianxun Li and Zhenfu Zhu Three-dimensional projective invariants of points from multiple images 117203-1至117203-6 1-7 第47卷, 第11期 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208003A (zh) * | 2013-04-12 | 2013-07-17 | 大连理工大学 | 一种基于几何图形特征点形状描述子的方法 |
CN103886298B (zh) * | 2014-03-27 | 2017-01-18 | 大连理工大学 | 一种用射影不变量提取人脸基准点的方法 |
CN105513094A (zh) * | 2015-12-17 | 2016-04-20 | 上海交通大学 | 基于三维Delaunay三角剖分的立体视觉跟踪方法及系统 |
CN111402429A (zh) * | 2020-06-08 | 2020-07-10 | 成都索贝数码科技股份有限公司 | 一种尺度还原、三维重建方法、系统、存储介质及设备 |
CN111402429B (zh) * | 2020-06-08 | 2020-09-15 | 成都索贝数码科技股份有限公司 | 一种尺度还原、三维重建方法、系统、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105300316B (zh) | 基于灰度重心法的光条中心快速提取方法 | |
EP2659454B1 (en) | Information processing apparatus and method | |
CN104596502B (zh) | 一种基于cad模型与单目视觉的物体位姿测量方法 | |
Chhatkuli et al. | Non-Rigid Shape-from-Motion for Isometric Surfaces using Infinitesimal Planarity. | |
CN110044374B (zh) | 一种基于图像特征的单目视觉测量里程的方法及里程计 | |
JP4900204B2 (ja) | 物体認識方法 | |
Mayer et al. | Dense 3D reconstruction from wide baseline image sets | |
CN102252653A (zh) | 基于tof无扫描三维成像的位姿测量方法 | |
CN107238374B (zh) | 一种不规则平面零件的分类和识别定位方法 | |
Zheng et al. | Minimal solvers for 3d geometry from satellite imagery | |
CN102157017A (zh) | 基于图像的物体三维几何不变量快速获取方法 | |
CN103075977B (zh) | 双目立体视觉系统中的点云数据的自动拼合方法 | |
Ding et al. | High-accuracy recognition and localization of moving targets in an indoor environment using binocular stereo vision | |
Yun et al. | Registration of multiview point clouds for application to ship fabrication | |
Xu et al. | 3D reconstruction method based on second-order semiglobal stereo matching and fast point positioning Delaunay triangulation | |
CN109978957B (zh) | 基于量子行为粒子群的双目系统标定方法 | |
Ye et al. | Accurate and dense point cloud generation for industrial Measurement via target-free photogrammetry | |
CN105488535B (zh) | 一种三维点云匹配方法 | |
CN109341588A (zh) | 一种双目结构光三系统法视角加权的三维轮廓测量方法 | |
Gonzalez-Aguilera et al. | From point cloud to CAD models: Laser and optics geotechnology for the design of electrical substations | |
Rodrigues et al. | On the representation of rigid body transformations for accurate registration of free-form shapes | |
CN102609949A (zh) | 一种基于三焦点张量像素点转移的目标定位方法 | |
Vassilaki et al. | Automatic ICP‐based global matching of free‐form linear features | |
Molnar et al. | 3d reconstruction of planar surface patches: A direct solution | |
CN113223163A (zh) | 点云地图构建方法及装置、设备、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110817 |