一种提高大规模三维重建效率的图像近邻优化方法技术

本发明专利技术公开了一种提高大规模三维重建效率的图像近邻优化方法，首先得到近邻匹配图像对，对图像对进行特征点匹配；通过基础矩阵进行几何校验来剔除不满足极线约束的误匹配得到内点数，并计算单应矩阵得到单应变换率；接着统计匹配特征点之间在方向和尺度上的变化，得到相应的直方图；通过内点数、单应变换率、尺度和方向的变化直方图三重约束来度量图像的相似性并标记其中的冗余图像；剔除包含冗余图像的图像对，以及通过内点数、单应变换率来剔除窄基线图像对；最后保存过滤之后的图像对匹配信息，已经剔除了冗余图像对以及基线较窄图像对，进一步提高了后续三维重建的精度和效率。

【技术实现步骤摘要】
一种提高大规模三维重建效率的图像近邻优化方法
本专利技术属于计算机视觉领域，更具体地，涉及一种提高大规模三维重建效率的图像近邻优化方法。
技术介绍
大规模图片集的三维场景在最近几年是一个比较热门的研究领域。三维重建目前普遍用的算法是增量式的运动恢复结构(StructurefromMotion，SFM)算法，主要包含以下四个部分：1)图片特征点提取，2)图像之间的特征匹配，3)对图像匹配对进行几何校验，4)根据匹配估计相机姿态和稀疏三维点云。对于大规模数据集来说，关键问题在于效率。按照上面的流程，目前算法效率的瓶颈主要出现在第二步和第三步，其中第二步原始的方式是两两进行匹配，但是对于大规模数据集来说，大部分图片是没有场景重叠的、不相关的，这些图片如果进行匹配将浪费大量的时间。因此对于第二步的改进，主要的途径就是通过某种高效率方式近似地找到有场景重叠的图像对，从而减少后续的匹配时间。在这方面改进的空间很大，事实上很多学者就是在这方面做了大量工作。Frahm对图像提取一种GIST特征，并根据这种特征的相似性进行聚类，找到其中的代表性图像，从而减少图像对。Agarwal通过图像特征训练得到一本文档来自技高网...

【技术保护点】
一种提高大规模三维重建效率的图像近邻优化方法，其特征在于，包括：(1)特征点提取和图像对的初始过滤：对每幅图像提取特征点，然后采用图像检索的方法找到每幅图像的近邻，得到有场景重叠的图像对；(2)特征点匹配和相关数据准备：对于每个图像对，对图像对中的图像进行特征点匹配，通过图像对中图像之间的基础矩阵进行几何校验来剔除误匹配，得到满足基础矩阵的特征点匹配数目，即为内点数，并依据匹配的特征点计算最优单应矩阵得到单应变换率，接着统计匹配的特征点在方向和尺度上的变化，得到方向的变化直方图和尺度的变化直方图；(3)标记冗余图像：通过每个图像对中的内点数、单应变换率、方向的变化直方图和尺度的变化直方图三重约...

【技术特征摘要】
1.一种提高大规模三维重建效率的图像近邻优化方法，其特征在于，包括：(1)特征点提取和图像对的初始过滤：对每幅图像提取特征点，然后采用图像检索的方法找到每幅图像的近邻，得到有场景重叠的图像对；(2)特征点匹配和相关数据准备：对于每个图像对，对图像对中的图像进行特征点匹配，通过图像对中图像之间的基础矩阵进行几何校验来剔除误匹配，得到满足基础矩阵的特征点匹配数目，即为内点数，并依据匹配的特征点计算最优单应矩阵得到单应变换率，接着统计匹配的特征点在方向和尺度上的变化，得到方向的变化直方图和尺度的变化直方图；(3)标记冗余图像：通过每个图像对中的内点数、单应变换率、方向的变化直方图和尺度的变化直方图三重约束来度量各图像对中图像之间的相似度，将相似度满足预设规则的所有图像对中的图像组成多个图像集合，选取各图像集合中的一个图像作为代表图像，标记其他图像为冗余图像；(4)进一步过滤优化图像对：剔除包含冗余图像的图像对，以及通过内点数、单应变换率来剔除窄基线图像对；(5)优化之后信息的保存：保存过滤之后得到的图像对及图像对中图像之间的匹配信息。2.根据权利要求1所述的方法，其特征在于，步骤(2)具体包括以下子步骤：(2.1)对于每个图像对，采用特征点匹配算法对图像对中图像之间的特征点进行匹配；(2.2)通过估计图像对中图像之间的基础矩阵F来进行几何校验，剔除误匹配，得到...

【专利技术属性】
技术研发人员：陶文兵，黄文杰，孙琨，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42