CN108876909A - 一种基于多图像拼接的三维重建方法 - Google Patents
一种基于多图像拼接的三维重建方法 Download PDFInfo
- Publication number
- CN108876909A CN108876909A CN201810619061.4A CN201810619061A CN108876909A CN 108876909 A CN108876909 A CN 108876909A CN 201810619061 A CN201810619061 A CN 201810619061A CN 108876909 A CN108876909 A CN 108876909A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- point
- matrix
- formula
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims abstract description 22
- 230000004927 fusion Effects 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 1
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Abstract
本发明公开了一种基于多图像拼接的三维重建方法,涉及图像三维重建技术领域,解决的问题是三维模型重建完整度不高的问题,该方法将目标信息进行预处理和匹配,利用RANSAC八点算法求解出不同视图间的基本矩阵,再利用空间坐标公式计算出点空间坐标,最后利用Delaunay三角剖分技术处理点云模型获得目标的三维模型。本发明可满足基于多图像拼接的三维重建的要求,确保重构的完整度。
Description
技术领域
本发明涉及图像三维重建技术领域,尤其涉及一种基于多图像拼接的三维重建方法。
背景技术
随着三维建模技术的发展和应用,三维建模技术在现实生活中越来越迫切需要。当我们处在一个陌生的环境中,对周围的三维空间信息的获知显得尤为重要,如何在一个陌生的三维空间获知其具体信息成为一个新的发展领域,三维重构技术一直是模式识别领域的研究热点和应用热点。
传统的重建技术主要有非接触式三维重建、接触式三维重建、基于图像的三维重建等,其中非接触式三维重建基于主动结构光建模可以提供一定的点云数据,但是相对较少的点云数量不能完全描述被测目标的所有特性;接触性三维重建属于相对较早的三维重建方法,这种方法在一定程度上推动了三维重建方法研究,但是接触性三维重建的重建速度慢,由于需要接触物体表面,因此可能会对物体表面有一定的损害,同时费力费时,因此在实际应用中没有广泛应用:基于图像的三维重建可以重建出完整的三维模型,但由于图像采集的局限性和成像环境的复杂等因素,三维模型的成像倾向于区域空洞或局部信息丢失,重建完整度不高。
发明内容
针对现有技术的不足,本发明所解决的问题是三维模型重建完整度不高的问题。
为解决上述技术问题,本发明采用的技术方案是一种基于多图像拼接的三维重建方法,将目标信息进行预处理和匹配,利用RANSAC八点算法求解出不同视图间的基本矩阵,再利用空间坐标公式计算出点空间坐标,最后利用Delaunay三角剖分技术处理点云模型获得目标的三维模型,包括以下步骤:
(1)利用摄像机从不同角度获取同一目标场景的至少两张图片,图片之间保持有一定角度旋转和位移;
(2)将得到的图像进行预处理,包括对图像噪声滤波;
(3)通过摄像机自标定技术,求解摄像机的内参数:
(4)利用SIFT算法对图像进行特征点检测和描述,对图像得到的特征点对进行匹配;
(5)利用RANSAC八点算法对误匹配点剔除,优化匹配点对;
(6)利用基于SURF算法的图像拼接算法对图像进行拼接融合;
(7)利用空间三维坐标公式,求解出经融合后的图像求取特征点的空间坐标,得到点云模型;
(8)利用Delaunay三角剖分技术处理点云模型,完成对目标场景的重建。
所述步骤(3)中,包括以下分步骤:
1)基于Kruppa方程进行自标定,通过自标定方法获取内参fx,fy,u0,v0参数,外参数包括旋转变量R和平移变量T;
其中表示等式两边相差一个常数因子,F为基础矩阵,K为内参数,[t]x表示向量t=(tx,ty,tz)T的反对称矩阵;
得
将式(3)代入式(1)中有
FTe'=0,存在非零常数λ的情况下,有F=λ[e']xKRK-1
进一步可得FK·KTFT=λ[e']xKR·λRTKT[e']x T (4)
其中令C=K·KT,s=λ2,R为正交矩阵,所以R·RT=E,
代入上式则有FCFT=S[e']xC[e']T (5)
若能求出C,即可求出内参K。
令
其中M(c)和m(c)都是关于向量C的线性函数,有两矩阵相等条件可将式(5)等价变换为:
2)建立目标函数方法寻找最优解;
目标函数
3)得出四参数和五参数模型的约束条件分别为:
四参数模型下服从约束:c2-c4 2>0,c1(c2-c4 2)-c3(c2c3-c4c5)-c5(c5-c3c4)>0 (9)
五参数模型下服从约束:
c1-c3 2>0,c2-c4 2>0 (10)
再结合目标函数最小值条件即可求出内参矩阵。
所述步骤(5)中,包括以下分步骤:
1)对于基本矩阵F的约束,设x'=(x',y',1)T,x=(x,y,1),有:
展开后有
x'xf11+y'xf21+xf31+x'yf12+y'yf22+yf32+x'f13+y'f23+f33=0 (12)
2)把F写成列向量的形式,则有:
[x'x x'y x' y'x y'y y' x y 1]f=0 (13)
3)若给出n组点的集合,有如下的方程:
由于f的秩是2,则f的自由度为7,所以至少通过7组匹配点可以确定F,当n≥8组匹配点,可根据最小二乘法确定f。
所述步骤(6)中,在图像进行拼接融合时,采用加权平均法对缝合线进行处理;所述加权平均法如下:
其中I1(X,Y),I2(X,Y)为待融合的两幅图像,I12(X,Y)为加权融合后的图像;K=d1/(d1+d2),其中d1d2分别表示重合区域的点左边界和右边界的距离。
所述步骤(8)中,包括以下分步骤:
1)三维点云生成
假设两幅图像上的一对匹配点m1(u1,v1,1)T和m2(u2,v2,1)T,则由二维图像素点与三维点之间的映射关系可得:
m1=k1·P1·M和m2=k2·P2·M
其中P1,P2为对应图的投影矩阵,M为空间三维坐标,K1,K2为比例系数;
2)将得到的三维空间点导入OpenGL中,用坐标点的绘制方法重建目标场景的三维图像。
采用本发明的技术方案可满足基于多图像拼接的三维重建的要求,确保重构的完整度。
附图说明
图1为本发明方法流程图;
图2为图像拼接示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明,但不是对本发明的限定。
图1示出了一种基于多图像拼接的三维重建方法,将目标信息进行预处理和匹配,利用RANSAC八点算法求解出不同视图间的基本矩阵,再利用空间坐标公式计算出点空间坐标,最后利用Delaunay三角剖分技术处理点云模型获得目标的三维模型,包括以下步骤:
(1)利用摄像机从不同角度获取同一目标场景的至少两张图片,图片之间保持有一定角度旋转和位移;
(2)将得到的图像进行预处理,包括对图像噪声滤波;
(3)通过摄像机自标定技术,求解摄像机的内参数:
(4)利用SIFT算法对图像进行特征点检测和描述,对图像得到的特征点对进行匹配;
(5)利用RANSAC八点算法对误匹配点剔除,优化匹配点对;
(6)利用基于SURF算法的图像拼接算法对图像进行拼接融合;
(7)利用空间三维坐标公式,求解出经融合后的图像求取特征点的空间坐标,得到点云模型;
(8)利用Delaunay三角剖分技术处理点云模型,完成对目标场景的重建。
所述步骤(3)中,包括以下分步骤:
1)基于Kruppa方程进行自标定,通过自标定方法获取内参fx,fy,u0,v0参数,外参数包括旋转变量R和平移变量T;
其中表示等式两边相差一个常数因子,F为基础矩阵,K为内参数,[t]x表示向量t=(tx,ty,tz)T的反对称矩阵;
得
将式(3)代入式(1)中有
FTe'=0,存在非零常数λ的情况下,有F=λ[e']xKRK-1
进一步可得FK·KTFT=λ[e']xKR·λRTKT[e']x T (4)
其中令C=K·KT,s=λ2,R为正交矩阵,所以R·RT=E,
代入上式则有FCFT=S[e']xC[e']T (5)
若能求出C,即可求出内参K。
令
其中M(c)和m(c)都是关于向量C的线性函数,有两矩阵相等条件可将式(5)等价变换为:
2)建立目标函数方法寻找最优解;
目标函数:
3)得出四参数和五参数模型的约束条件分别为:
四参数模型下服从约束:c2-c4 2>0,c1(c2-c4 2)-c3(c2c3-c4c5)-c5(c5-c3c4)>0 (9)
五参数模型下服从约束:c1-c3 2>0,c2-c4 2>0 (10)
再结合目标函数最小值条件即可求出内参矩阵。
所述步骤(5)中,包括以下分步骤:
1)对于基本矩阵F的约束,设x'=(x',y',1)T,x=(x,y,1),有:
展开后有
x'xf11+y'xf21+xf31+x'yf12+y'yf22+yf32+x'f13+y'f23+f33=0 (12)
2)把F写成列向量的形式,则有:
[x'x x'y x' y'x y'y y' x y 1]f=0 (13)
3)若给出n组点的集合,有如下的方程:
由于f的秩是2,则f的自由度为7,所以至少通过7组匹配点可以确定F,当n≥8组匹配点,可根据最小二乘法确定f。
所述步骤(6)中,在图像进行拼接融合时,采用加权平均法对缝合线进行处理;所述加权平均法,如图2如下:
其中I1(X,Y),I2(X,Y)为待融合的两幅图像,I12(X,Y)为加权融合后的图像;K=d1/(d1+d2),其中d1d2分别表示重合区域的点左边界和右边界的距离。
所述步骤(8)中,包括以下分步骤:
1)三维点云生成
假设两幅图像上的一对匹配点m1(u1,v1,1)T和m2(u2,v2,1)T,则由二维图像素点与三维点之间的映射关系可得:
m1=k1·P1·M和m2=k2·P2·M
其中P1,P2为对应图的投影矩阵,M为空间三维坐标,K1,K2为比例系数;
2)将得到的三维空间点导入OpenGL中,用坐标点的绘制方法重建目标场景的三维图像。
采用本发明的技术方案可满足基于多图像拼接的三维重建的要求,确保重构的完整度。
以上结合附图对本发明的实施方式做出了详细说明,但本发明不局限于所描述的实施方式。对于本领域技术人员而言,在不脱离本发明的原理和精神的情况下,对这些实施方式进行各种变化、修改、替换和变型仍落入本发明的保护范围内。
Claims (6)
1.一种基于多图像拼接的三维重建方法,将目标信息进行预处理和匹配,利用RANSAC八点算法求解出不同视图间的基本矩阵,再利用空间坐标公式计算出点空间坐标,最后利用Delaunay三角剖分技术处理点云模型获得目标的三维模型,其特征在于,包括以下步骤:
(1)利用摄像机从不同角度获取同一目标场景的至少两张图片,图片之间保持有一定角度旋转和位移;
(2)将得到的图像进行预处理,包括对图像噪声滤波;
(3)通过摄像机自标定技术,求解摄像机的内参数:
(4)利用SIFT算法对图像进行特征点检测和描述,对图像得到的特征点对进行匹配;
(5)利用RANSAC八点算法对误匹配点剔除,优化匹配点对;
(6)利用基于SURF算法的图像拼接算法对图像进行拼接融合;
(7)利用空间三维坐标公式,求解出经融合后的图像求取特征点的空间坐标,得到点云模型;
(8)利用Delaunay三角剖分技术处理点云模型,完成对目标场景的重建。
2.根据权利要求1所述的基于多图像拼接的三维重建方法,其特征在于,所述步骤(3)中,包括以下分步骤:
1)基于Kruppa方程进行自标定,通过自标定方法获取内参fx,fy,u0,v0参数,外参数包括旋转变量R和平移变量T;
其中表示等式两边相差一个常数因子,F为基础矩阵,K为内参数,[t]x表示向量t=(tx,ty,tz)T的反对称矩阵;
得极点
将式(3)代入式(1)中有
FTe'=0,存在非零常数λ的情况下,有F=λ[e']xKRK-1
进一步可得FK·KTFT=λ[e']xKR·λRTKT[e']x T (4)
其中令C=K·KT,s=λ2,R为正交矩阵,所以R·RT=E,
代入上式则有FCFT=S[e']xC[e']T (5)
若能求出C,即可求出内参K;
其中M(c)和m(c)都是关于向量C的线性函数,有两矩阵相等条件可将式(5)等价变换为:
2)建立目标函数方法寻找最优解;
目标函数
3)得出四参数和五参数模型的约束条件分别为:
四参数模型下服从约束:c2-c4 2>0,c1(c2-c4 2)-c3(c2c3-c4c5)-c5(c5-c3c4)>0 (9)
五参数模型下服从约束:
c1-c3 2>0,c2-c4 2>0 (10)
再结合目标函数最小值条件即可求出内参矩阵。
3.根据权利要求1或2所述的基于多图像拼接的三维重建方法,其特征在于,所述步骤(5)中,包括以下分步骤:
1)对于基本矩阵F的约束,设x'=(x',y',1)T,x=(x,y,1),有:
展开后有
x'xf11+y'xf21+xf31+x'yf12+y'yf22+yf32+x'f13+y'f23+f33=0 (12)
2)把F写成列向量的形式,则有:
[x'x x'y x' y'x y'y y' x y 1]f=0 (13)
3)若给出n组点的集合,有如下的方程:
由于f的秩是2,则f的自由度为7,所以至少通过7组匹配点可以确定F,当n≥8组匹配点,可根据最小二乘法确定f。
4.根据权利要求1或2所述的基于多图像拼接的三维重建方法,其特征在于,所述步骤(6)中,在图像进行拼接融合时,采用加权平均法对缝合线进行处理。
5.根据权利要求4所述的基于多图像拼接的三维重建方法,其特征在于,所述加权平均法如下:
其中I1(X,Y),I2(X,Y)为待融合的两幅图像,I12(X,Y)为加权融合后的图像;K=d1/(d1+d2),其中d1d2分别表示重合区域的点左边界和右边界的距离。
6.根据权利要求1或2所述的基于多图像拼接的三维重建方法,其特征在于,所述步骤(8)中,包括以下分步骤:
1)三维点云生成
假设两幅图像上的一对匹配点m1(u1,v1,1)T和m2(u2,v2,1)T,则由二维图像素点与三维点之间的映射关系可得:
m1=k1·P1·M和m2=k2·P2·M
其中P1,P2为对应图的投影矩阵,M为空间三维坐标,K1,K2为比例系数;
2)将得到的三维空间点导入OpenGL中,用坐标点的绘制方法重建目标场景的三维图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810619061.4A CN108876909A (zh) | 2018-06-08 | 2018-06-08 | 一种基于多图像拼接的三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810619061.4A CN108876909A (zh) | 2018-06-08 | 2018-06-08 | 一种基于多图像拼接的三维重建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108876909A true CN108876909A (zh) | 2018-11-23 |
Family
ID=64339045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810619061.4A Pending CN108876909A (zh) | 2018-06-08 | 2018-06-08 | 一种基于多图像拼接的三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108876909A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109147033A (zh) * | 2018-07-27 | 2019-01-04 | 桂林电子科技大学 | 一种基于实时三维重建技术的建筑测量方法 |
CN110021041A (zh) * | 2019-03-01 | 2019-07-16 | 浙江大学 | 基于双目相机的无人驾驶场景增量式网格化结构重建方法 |
CN110058211A (zh) * | 2019-03-21 | 2019-07-26 | 北京申信达成科技有限公司 | 一种车载LiDAR测量系统检校初值的获取方法及装置 |
CN111063027A (zh) * | 2019-12-27 | 2020-04-24 | 河北工程大学 | 一种数字全息显微成像设备三维重构数据传导系统 |
CN111862301A (zh) * | 2019-04-12 | 2020-10-30 | 北京城市网邻信息技术有限公司 | 图像处理和对象建模方法与设备、图像处理装置及介质 |
CN113469886A (zh) * | 2021-07-23 | 2021-10-01 | 成都理工大学 | 一种基于三维重构的图像拼接方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750704A (zh) * | 2012-06-29 | 2012-10-24 | 吉林大学 | 一种摄像机分步自标定方法 |
CN107977997A (zh) * | 2017-11-29 | 2018-05-01 | 北京航空航天大学 | 一种结合激光雷达三维点云数据的相机自标定方法 |
-
2018
- 2018-06-08 CN CN201810619061.4A patent/CN108876909A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750704A (zh) * | 2012-06-29 | 2012-10-24 | 吉林大学 | 一种摄像机分步自标定方法 |
CN107977997A (zh) * | 2017-11-29 | 2018-05-01 | 北京航空航天大学 | 一种结合激光雷达三维点云数据的相机自标定方法 |
Non-Patent Citations (6)
Title |
---|
刘海洋: "基于照片的三维重建技术研究", 《渭南师范学院学报》 * |
张勇等: "用单数码相机实现物体表面的三维重建", 《计算机工程与设计》 * |
李晓芳等: "一种基于两幅图像的三维重建方法", 《电子技术与软件工程》 * |
罗永涛等: "结合最佳缝合线和改进渐入渐出法的图像拼接算法", 《红外技术》 * |
董明利等: "基于RANSAC算法的立体视觉图像匹配方法", 《北京工业大学学报》 * |
雷成等: "Kruppa方程与摄像机自标定", 《自动化学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109147033A (zh) * | 2018-07-27 | 2019-01-04 | 桂林电子科技大学 | 一种基于实时三维重建技术的建筑测量方法 |
CN110021041A (zh) * | 2019-03-01 | 2019-07-16 | 浙江大学 | 基于双目相机的无人驾驶场景增量式网格化结构重建方法 |
CN110058211A (zh) * | 2019-03-21 | 2019-07-26 | 北京申信达成科技有限公司 | 一种车载LiDAR测量系统检校初值的获取方法及装置 |
CN110058211B (zh) * | 2019-03-21 | 2021-10-26 | 北京申信达成科技有限公司 | 一种车载LiDAR测量系统检校初值的获取方法及装置 |
CN111862301A (zh) * | 2019-04-12 | 2020-10-30 | 北京城市网邻信息技术有限公司 | 图像处理和对象建模方法与设备、图像处理装置及介质 |
CN111063027A (zh) * | 2019-12-27 | 2020-04-24 | 河北工程大学 | 一种数字全息显微成像设备三维重构数据传导系统 |
CN113469886A (zh) * | 2021-07-23 | 2021-10-01 | 成都理工大学 | 一种基于三维重构的图像拼接方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876909A (zh) | 一种基于多图像拼接的三维重建方法 | |
CN110288642B (zh) | 基于相机阵列的三维物体快速重建方法 | |
CN107170043B (zh) | 一种三维重建方法 | |
CN109242954B (zh) | 基于模板变形的多视角三维人体重建方法 | |
Wong et al. | A stratified approach for camera calibration using spheres | |
CN112927360A (zh) | 一种基于倾斜模型与激光点云数据融合的三维建模方法和系统 | |
CN108288292A (zh) | 一种三维重建方法、装置及设备 | |
CN106485690A (zh) | 基于点特征的点云数据与光学影像的自动配准融合方法 | |
CN104077804A (zh) | 一种基于多帧视频图像构建三维人脸模型的方法 | |
CN107767440A (zh) | 基于三角网内插及约束的文物序列影像精细三维重建方法 | |
CN108801175B (zh) | 一种高精度空间管路测量系统及方法 | |
Remondino | 3-D reconstruction of static human body shape from image sequence | |
CN110310331B (zh) | 一种基于直线特征与点云特征结合的位姿估计方法 | |
Kuschk | Large scale urban reconstruction from remote sensing imagery | |
CN108010125A (zh) | 基于线结构光和图像信息的真实尺度三维重建系统及方法 | |
CN113205603A (zh) | 一种基于旋转台的三维点云拼接重建方法 | |
JP2000268179A (ja) | 三次元形状情報取得方法及び装置,二次元画像取得方法及び装置並びに記録媒体 | |
Lin et al. | Vision system for fast 3-D model reconstruction | |
CN116229017A (zh) | 一种基于逆向投影的管件三维模型重建方法 | |
CN115359127A (zh) | 一种适用于多层介质环境下的偏振相机阵列标定方法 | |
Liu et al. | Dense stereo matching strategy for oblique images that considers the plane directions in urban areas | |
Ling et al. | A dense 3D reconstruction approach from uncalibrated video sequences | |
CN109035342B (zh) | 利用一条直线及圆环点极线标定拋物折反射摄像机的方法 | |
Wu et al. | Photogrammetric reconstruction of free-form objects with curvilinear structures | |
Yu et al. | Surface reconstruction of scenes using a catadioptric camera |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181123 |