The invention relates to a method of 3D point cloud reconstruction and a device, a server and a readable storage medium. The method includes: obtaining the essential matrix using matching between two images of the feature points, through the decomposition of essential matrix to get the relative rotation matrix and displacement direction vector between two images; relative rotation matrix calculation based on global rotation matrix; relative displacement direction vector calculation based on global displacement direction vector; and based on the two the image feature points matching relations, global rotation matrix and global displacement direction vector, 3D point cloud acquisition target scene. The invention can get the relative rotation matrix and relative displacement direction vector between two images simultaneously by decomposing the essential matrix obtained, thus simplifying the calculation process and saving computing time.
【技术实现步骤摘要】
三维点云重构方法和装置、服务器及可读存储介质
本专利技术涉及虚拟现实技术和计算机视觉领域,正向深度约束尤其涉及一种三维点云重构方法和装置、服务器及可读存储介质。
技术介绍
近年来,在计算机视觉领域兴起的运动恢复结构(StructurefromMotion,SFM)方法能够利用一定数量的、具有重叠的图像恢复出运动相机的位置、姿态以及所拍摄的场景的三维结构,该方法对图像数据要求低、不受摄影测量理论中的许多假定前提条件的约束、通用性好、自动化程度高,因而在三维重构中取得了比较成功的应用。目前,按照初始位置和姿态的计算方式,SFM方法可分为增量式SFM(IncrementalSFM,ISFM)方法和全局SFM(GlobalSFM,GSFM)方法。增量式SFM方法在特征点匹配的基础上选择初始图像对以得到两张图像的初始化模型,然后不断添加图像,并对新增加的公共特征点进行三角化,以及重新平差解算模型坐标和相机参数,直到所有图像添加完毕。然而,在重构场景的过程中,增量式SFM方法需要进行多次光束法平差(BundleAdjustment,BA)的迭代运算,即在给定由不同视点拍摄得到场景图像集的情况下,按最小化重投影误差的标准同时优化场景几何关系与相机参数,这导致计算过程复杂、繁琐且耗时严重,因而计算效率不高。全局SFM方法不依赖于迭代式优化框架,而是仅需要一次性优化即可完成整个三维重构过程,即利用约束条件一次性求解图像的旋转和平移。然而,在计算相机位姿时,全局SFM方法需要首先估计相对旋转矩阵和全局旋转矩阵,然后采用计算出来的全局旋转矩阵结合三焦点张量估计出相对位移方向向量 ...
【技术保护点】
一种三维点云重构方法,其特征在于,所述方法包括:利用两张图像的特征点之间的匹配关系获取本质矩阵,通过分解所述本质矩阵得到所述两张图像之间的相对旋转矩阵和相对位移方向向量;基于所述相对旋转矩阵计算全局旋转矩阵;基于所述相对位移方向向量计算全局位移方向向量;以及基于所述两张图像的特征点之间的匹配关系、所述全局旋转矩阵和所述全局位移方向向量,获取目标场景的三维点云。
【技术特征摘要】
1.一种三维点云重构方法,其特征在于,所述方法包括:利用两张图像的特征点之间的匹配关系获取本质矩阵,通过分解所述本质矩阵得到所述两张图像之间的相对旋转矩阵和相对位移方向向量;基于所述相对旋转矩阵计算全局旋转矩阵;基于所述相对位移方向向量计算全局位移方向向量;以及基于所述两张图像的特征点之间的匹配关系、所述全局旋转矩阵和所述全局位移方向向量,获取目标场景的三维点云。2.根据权利要求1所述的方法,其特征在于,在所述获取本质矩阵之前,所述方法还包括:获取所述目标场景的多张图像,所述多张图像包括所述两张图像;以及检测所述多张图像中的所述两张图像的特征点,并基于所述特征点对所述两张图像进行特征点匹配,得到所述两张图像的特征点之间的匹配关系。3.根据权利要求1所述的方法,其特征在于,在所述通过分解所述本质矩阵得到所述两张图像之间的相对旋转矩阵和相对位移方向向量之后、所述基于所述相对旋转矩阵计算全局旋转矩阵之前,所述方法还包括:计算所述相对旋转矩阵的旋转误差;以及基于所述旋转误差对所述相对旋转矩阵进行滤波,其中,所述基于所述相对旋转矩阵计算全局旋转矩阵,包括:基于滤波后的相对旋转矩阵计算所述全局旋转矩阵。4.根据权利要求3所述的方法,其特征在于,所述旋转误差的预设阈值设定在1°到15°的范围内,其中,所述基于所述旋转误差对所述相对旋转矩阵进行滤波,包括:基于所述旋转误差和所述预设阈值对所述相对旋转矩阵进行滤波。5.根据权利要求3所述的方法,其特征在于,所述基于滤波后的相对旋转矩阵计算所述全局旋转矩阵,采用的公式如下:其中,Ri表示图像i对应的全局旋转矩阵,表示图像j对应的全局旋转矩阵的逆矩阵,Rij表示图像i和图像j之间的相对旋转矩阵,1≤i≤N,1≤j≤N,N为正整数。6.一种三维点云重构装置,其特征在于,所述装置包括:获取模块,用于利用两张图像的特征点之间的匹配关系获取本...
【专利技术属性】
技术研发人员:那日松,齐越,李楠,
申请(专利权)人:北京康邦科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。