CN107274481A - 一种基于多站站点点云拼接的三维模型重建方法 - Google Patents

Abstract

本发明公开了一种基于多站站点点云拼接的三维模型重建方法，包括以下步骤：步骤1）重建场景和站点布置，在每个站点位置放置一个图像采集设备；步骤2）在单个站点获取多组角度位置图片，并通过整体平差模型将获得的各组数据转换到同一坐标系下，得到单个站点的三维模型；步骤3）通过三维坐标转换模型获得多个相邻站点的点云拼接并构成局域网；步骤4）通过光束法局域网平差对局域网的点云拼接进行优化，得到多站站点点云拼接的三维模型；本发明的优点在于，不仅过程自动化程度高，提高的了工作效率，而且能够获得较理想的三维重建模型，可广泛应用于机器人导航、全景漫游、VR等多个领域，大大的提高了经济效益。

Description

一种基于多站站点点云拼接的三维模型重建方法

技术领域

本发明涉及一种三维模型重建方法，尤其是涉及一种基于多站站点点云拼接的三维模型重建方法。

背景技术

目标及场景的三维重建及显示在设计仿真、虚拟现实和人机交互等诸多领域都有十分广泛的应用。然而，现有的三维重建技术主要是利用手持相机获得数据进行三维重建，此种方法操作不方便，对获得的图片数据要求质量高，并且三维重建的效果也不是很理想。如果能使三维重建的模型如照片和视频一样容易获得，并且具有良好的模型效果，那么物体模型将能够被应用到更多的领域。如商务网站平台和虚拟现实的大商场购物网站等。但是针对当前对大场景进行三维重建的时候，自动化程度低，得到重建模型并不理想。

发明内容

本发明目的是提供一种基于多站站点点云拼接的三维模型重建方法，该方法使用重建场景和站点布置，并在每个站点位置放置图像采集设备获取多组角度位置图片，并通过整体平差模型得到单个站点的三维模型，采用坐标转换模型获得多站站点的点云拼接并构成局域网，然后使用光束法局域网平差的方法对各站点点云拼接进行优化，得到三维重建模型，不仅过程自动化程度高，提高的了工作效率，而且能够获得较理想的三维重建模型，可广泛应用于机器人导航、全景漫游、VR等多个领域，大大的提高了经济效益。

本发明的技术方案是：一种基于多站站点点云拼接的三维模型重建方法，包括以下步骤：

步骤1)重建场景和站点布置，在每个站点位置放置一个图像采集设备；

步骤2)在单个站点获取多组角度位置图片，并通过整体平差模型将获得的各组数据转换到同一坐标系下，得到单个站点的三维模型；

步骤3)通过三维坐标转换模型获得多个相邻站点的点云拼接并构成局域网；

步骤4)通过光束法局域网平差对局域网的点云拼接进行优化，得到多站站点点云拼接的三维模型。

作为优选的技术方案，步骤1)中在每个站点采集图像的过程中，图像采集设备每旋转10°，采集图像一次，每个站点共采集36个角度位置图片。

作为优选的技术方案，步骤2)中构建单个站点的三维模型的具体方法如下，所述整体平差模型为：

将第m张图片下的相机坐标系的坐标(X,Y,Z)变换到第m-1的图片的相机坐标系中成为(X₁,Y₁,Z₁)，其中，a₁，b₁，c₁，a₂，b₂，c₂，a₃，b₃，c₃为角元素；Φ，Ω，K的函数组成的方向余弦；ΔX,ΔY,ΔZ为坐标原点在三个坐标方向的平移量；λ为缩放系数；

此处引入X,Y,Z的改正数，并对各点坐标进行重心化，误差方程式如下：

其中，(v_x,v_y,v_z)表示(X,Y,Z)为观测值的改正值；dΔX,dΔY,dΔZ,dλ，dΦ，dΩ，dK表示待定参数近视值的改正数；为待旋转坐标系中的空间点的重心坐标，I_X,I_Y,I_Z为误差方程式的常数项；

将(2)与(1)联立解出相邻两张图片的变换参数，然后将所有坐标系的点，依次通过第m张图片对应的点变换到m-1图片的相机坐标系下，再根据第m-2张图片对应的相机坐标系，将图片m-1及图片m转换到图片m-1下的点一起转入到图片m-2中，依次类推，直到将所有坐标系下的点统一到第一张图片对应的相机坐标系中，从而得到单个站点的三维模型。

作为优选的技术方案，步骤3)中构建两个相邻站点的点云拼接的具体方法如下：

两个相邻站点的三维坐标转换模型为：

将扫描站点的点(x,y,z)变换到基准坐标系中变成(X,Y,Z)，其中，X_S,Y_S,Z_S为平移参数，表示扫描站点的三维坐标在基准坐标中的位置，为点云的定位参数；R矩阵反映了点云的自动定向；λ为缩放系数。

根据罗德里格矩阵的性质，第i站点射向其相邻的站点h的附有未知数的平差方程由(4)变为

其中，I为三阶单位阵；为第i站反对称矩阵的平差值；为站点h的测量坐标平差值；为第i站扫描位置坐标；为第i站扫描坐标的平差值；λ为缩放系数；

通过上述公式获得两个相邻站点的点云拼接，然后利用同样的方法获得更多站站点的点云拼接并构成局域网。

作为优选的技术方案，步骤4)中通过光束法局域网平差对点云拼接进行优化的具体方法如下：

全区域的局域网归类第k个站点作为公共站点，其相邻的一个或多个站点指向公共站点，假设第i和第j站指向公共站点k，更多个站点指向同一公共站点的做为两两之间对k的平差；

则第i站和j站指向公共站点k的限制方程就为

其中，为第i站对公共站点k的测量坐标平差值； 为第i站站点的中心点坐标，即第i站站点置放图像采集设备的中心点坐标；为第i站旋转矩阵的平差值；为第i站对公共站点k的扫描坐标平差值；为为第j站站点的中心点坐标，即第j站站点置放图像采集设备的中心点坐标；为第j站站点的旋转矩阵平差值； 为第j站对公共站点k的扫描坐标的平差值；为缩放参数的平差值；

将式(6)改写成

并对上述数学模型解算，即可得到优化后的多站站点点云拼接的三维模型。

本发明的优点是：

1.本发明基于多站站点点云拼接的三维模型重建方法不仅过程自动化程度高，提高的了工作效率，而且能够获得较理想的三维重建模型，可广泛应用于机器人导航、全景漫游、VR等多个领域，大大的提高了经济效益。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1为本发明两室一厅的家庭场景中各站点位置示意图；

图2为本发明获得第一个站点点云以后的后续流程框图；

具体实施方式

实施例：一种基于多站站点点云拼接的三维模型重建系统，主要包括图像采集部分和点云拼接模块部分；

本发明的图像采集部分：

(1)重建场景：在三维重建的过程中，为了获得较理想的三维重建模型，首先需要对重建场景进行布置。

1)关闭窗户，拉下窗帘，打开室内灯光，以避免太阳光对重建的干扰；

2)整理室内物品，避免因物体遮挡造成死角，使重建模型存在黑洞；

3)在室内放置标志物，有的场景过于单一，特征点少，导致重建工作难以进行；可以通过放置标志物来增加特征点，提高成功率；可通过在墙壁上悬挂海报；走廊里放置花盆，垃圾桶等来丰富场景的特征点。

(2)站点布置：

本发明专利是通过多个站点进行图像的采集，在图像的采集之前，需要事先分配好各站点在场景中的位置。其站点位置的布置需遵循以下规则：

相邻的两个站点间隔一般为1.5米-2米，在狭窄的走廊或者门口处需要加密对站点的布置。

如图1所示为一个两室一厅的家庭场景的户型图。其中图中序号的位置为计划中各站点在场景中位置。在门口处站点的布置，可如图中站点①一样，放置在门的正中间位置。使相机在图像采集时，既能大量采集到室内的图片信息，也能较好的获取客厅的图片信息。也可以如图中站点⑧和站点⑨一样布置，因为连接的厨房比较狭窄，在此种场景下需要加密站点的布置。站点⑧和站点⑨密集布点，分别放置于门的两侧。这样便于连通卧室和客厅。从而获得良好的重建模型。站点的布置也需要遵循尽量布置在一条直线上的原则，如图中站点⑤、⑥、⑦，站点⑤、①、②等，构建像飞机的航带一样的站点带来降低误差的传递。

在站点布置完以后，便可在计划中布置的站点位置放置图像采集设备，进行采集图像，在每个站点采集图像的过程中，图像采集设备每旋转10°，采集图像一次，每个站点共采集36个角度位置图片，其中图像采集设备主要由三脚架、旋转云台、相机三部分组成，所述旋转云台置于所述三脚架上，所述相机置于所述旋转云台上，同时旋转云台通过步进电机旋转，同时相机可以采用RGB-D相机或者双目相机。

本发明的点云拼接模块部分：

以图1家庭户型图为例，使用在站点①采集完数据以后，可快速的生成站点①的三维点云模型，若生成的模型较理想，则去站点②采集图像。若模型混乱则可通过略微移动站点①的位置来重新获取数据。在得到站点①的较好的三维点云数据以后，再去相邻站点②获取站点②的数据。然后在通过把站点①和站点②的数据进行拼接，观察是否能得到良好的点云数据，如若良好，则去下一相邻站点获取数据，否则通过略微改动站点②的位置重新获取数据。重复此上步骤，直到获得良好的家庭场景三维重建模型。其获得第一个站点点云以后的后续流程如图2所示。

综上所述，该三维重建方法采用一种全自动的图像采集平台，在提前布置好场景，降低场景对三维重建造成的误差，提前布置好站点的位置，可使后续图像简单方便，提高三维重建成功率。在三维重建的过程中，单个站点采用独立模型法进行点云的拼接，多个站点之间构成局域网并使用光束法局域网平差法对三维重建模型进行优化。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (5)

1.一种基于多站站点点云拼接的三维模型重建方法，其特征在于，包括以下步骤：

步骤1）重建场景和站点布置，在每个站点位置放置一个图像采集设备；

步骤2）在单个站点获取多组角度位置图片，并通过整体平差模型将获得的各组数据转换到同一坐标系下，得到单个站点的三维模型；

步骤3）通过三维坐标转换模型获得多个相邻站点的点云拼接并构成局域网；

步骤4）通过光束法局域网平差对局域网的点云拼接进行优化，得到多站站点点云拼接的三维模型。

2.根据权利要求1所述的基于多站站点点云拼接的三维模型重建方法，其特征在于，步骤1）中在每个站点采集图像的过程中，图像采集设备每旋转10°，采集图像一次，每个站点共采集36个角度位置图片。

3.根据权利要求1所述的基于多站站点点云拼接的三维模型重建方法，其特征在于，步骤2）中构建单个站点的三维模型的具体方法如下，所述整体平差模型为：

(1)

将第m张图片下的相机坐标系的坐标变换到第m-1张图片下的相机坐标系中成为，其中，，，，，，，，，为角元素；，，的函数组成的方向余弦；,,为坐标原点在三个坐标方向的平移量；为缩放系数；

此处引入,,的改正数，并对各点坐标进行重心化，误差方程式如下：

(2)

其中，表示为观测值的改正值；,,,，，，表示待定参数近视值的改正数；,,为待旋转坐标系中的空间点的重心坐标，,,为误差方程式的常数项；

(3)

将（2）与（1）联立解出相邻两张图片的变换参数，然后将所有坐标系的点，依次通过第m张图片对应的点变换到m-1图片的相机坐标系下，再根据第m-2张图片对应的相机坐标系，将图片m-1及图片m转换到图片m-1下的点一起转入到图片m-2中，依次类推，直到将所有坐标系下的点统一到第一张图片对应的相机坐标系中，从而得到单个站点的三维模型。

4.根据权利要求1所述的基于多站站点点云拼接的三维模型重建方法，其特征在于，步骤3）中构建两个相邻站点的点云拼接的具体方法如下：

两个相邻站点的三维坐标转换模型为：

(4)

将扫描站点的点变换到基准坐标系中变成，其中，,,为平移参数，表示扫描站点的三维坐标在基准坐标中的位置，为点云的定位参数；矩阵反映了点云的自动定向；为缩放系数；

根据罗德里格矩阵的性质，第i站点射向其相邻的站点h的附有未知数的平差方程由（4）变为

(5)

其中，为三阶单位阵；为第i站反对称矩阵的平差值；、、为站点h的测量坐标平差值；、、为第i站扫描位置坐标；、、为第i站扫描坐标的平差值；为缩放系数；

通过上述公式获得两个相邻站点的点云拼接，然后利用同样的方法获得更多站站点的点云拼接并构成局域网。

5.根据权利要求1所述的基于多站站点点云拼接的三维模型重建方法，其特征在于，步骤4）中通过光束法局域网平差对点云拼接进行优化的具体方法如下：

全区域的局域网归类第k个站点作为公共站点，其相邻的一个或多个站点指向公共站点，假设第i和第j站指向公共站点k，更多个站点指向同一公共站点的做为两两之间对k的平差；

则第i站和j站指向公共站点k的限制方程就为

(6)

其中，、、为第i站对公共站点k的测量坐标平差值；、、为第i站站点的中心点坐标，即第i站站点置放图像采集设备的中心点坐标；为第i站旋转矩阵的平差值；、、为第i站对公共站点k的扫描坐标平差值；、、为第j站站点的中心点坐标，即第j站站点置放图像采集设备的中心点坐标；为第j站站点的旋转矩阵平差值；、、为第j站对公共站点k的扫描坐标的平差值；为缩放参数的平差值；

将式（6）改写成

(7)

并对上述数学模型解算，即可得到优化后的多站站点点云拼接的三维模型。