一种基于高分辨序列图像的空间目标三维重构方法技术

本发明专利技术涉及一种基于高分辨序列图像的空间目标三维重构方法，利用SIFT特征描述子依次提取序列图像精确稳健点特征，并通过哈希级联对相邻图像进行快速精准匹配；联合对应相机内参数矩阵，利用运动恢复结构，获取图像序列间相对姿态，并得到空间目标稀疏点云模型；通过对序列图像进行匹配，扩散插值，迭代滤除，获得空间目标密集的三维点云模型；利用获取的密集点云模型进行表面重建，得到致密的空间目标网格模型；利用获取的精准致密网格模型进行纹理贴图，最终得到可视化的空间目标三维模型。本发明专利技术可实现快速、精准图像匹配，修复重建表面高光空洞，获取精细、可视化空间目标三维模型。

A 3D reconstruction method for space objects based on high resolution sequence images

The present invention relates to a method of three-dimensional reconstruction of spatial objects based on high-resolution sequential images, which uses SIFT feature descriptors to extract precise and robust point features of sequential images sequentially, and matches adjacent images quickly and accurately through hash cascade; jointly corresponds to the parameter matrix in the camera, and obtains image sequence by using motion recovery structure. The sparse point cloud model of space target is obtained by relative attitude between columns; the dense three-dimensional point cloud model of space target is obtained by matching sequence images, diffusion interpolation and iterative filtering; the dense point cloud model is reconstructed by surface reconstruction using the obtained dense point cloud model; and the dense space target grid model is obtained by using the acquired precision. Dense mesh model is used for texture mapping, and finally a three-dimensional visual object model is obtained. The invention can realize fast and accurate image matching, repair and reconstruct high-light holes on the surface, and obtain fine and visualized three-dimensional model of space object.

【技术实现步骤摘要】
一种基于高分辨序列图像的空间目标三维重构方法
本专利技术属于计算机视觉三维重构
，涉及一种基于高分辨序列图像的空间目标三维重构方法。
技术介绍
随着航天科学技术的成熟和发展以及外层空间的军事价值凸显，世界各国尤为重视天地基空间目标的监视和态势感知。我国在应对外来太空军事力量威胁的同时，需努力提升自身的太空军事能力，逐步满足自身在未来太空军事对抗中的需求。新型的空间目标监视系统和技术，特别是对于合作目标以及非合作目标的三维模型、目标姿态、行为信息的获取和估计显得越来越重要。我国虽然在航空航天和计算机科学领域已有长足进步且部分技术领先世界，但受限于某些技术难题尚未突破，我国尚未掌握空间重点目标的三维模型获取能力。如何充分运用我国航空航天技术优势，结合计算机视觉，计算机图形学等专业学科，快速掌握空间重点目标特别是非合作目标的三维模型获取能力，显得尤为紧迫。基于高分辨图像序列的空间目标三维重构技术，就是应用三维重构技术，重点突破基于高分辨图像序列的目标三维重构，三维模型获取难题。基于图像的三维重构是一种典型的计算机视觉问题，其核心的目标可以这样来描述，“给定一个物体或者场景的图像集，在本文档来自技高网...

【技术保护点】
1.一种基于高分辨序列图像的空间目标三维重构方法，其特征在于步骤如下：步骤1：利用SIFT特征描述子依次提取一组空间目标高分辨序列图像集I＝{I1,I2,…,In}的精确稳健点特征，并通过哈希级联对每一幅图像设定的N个近邻图像对进行快速精准匹配，得到图像Ii的N个近邻图像对匹配集为Mi＝{mi,i‑N,mi,i‑N+1,…mi,j…,mi,i+N‑1,mi,i+N}；所述精确稳健点特征的特征表现为尺度不变性、旋转不变性；步骤2：利用RANSAC估计对经过特征匹配的图像对进行立体匹配，在每次RANSAC循环中，通过从近邻图像对匹配集Mi中选取特征匹配点最多的图像对作为初始匹配对，联合图像的相机内...

【技术特征摘要】
1.一种基于高分辨序列图像的空间目标三维重构方法，其特征在于步骤如下：步骤1：利用SIFT特征描述子依次提取一组空间目标高分辨序列图像集I＝{I1,I2,…,In}的精确稳健点特征，并通过哈希级联对每一幅图像设定的N个近邻图像对进行快速精准匹配，得到图像Ii的N个近邻图像对匹配集为Mi＝{mi,i-N,mi,i-N+1,…mi,j…,mi,i+N-1,mi,i+N}；所述精确稳健点特征的特征表现为尺度不变性、旋转不变性；步骤2：利用RANSAC估计对经过特征匹配的图像对进行立体匹配，在每次RANSAC循环中，通过从近邻图像对匹配集Mi中选取特征匹配点最多的图像对作为初始匹配对，联合图像的相机内参数矩阵K，采用八点算法估算出基础矩阵F；对基础矩阵F进行归一化奇异值分解，得到图像对的相对旋转矩阵P与平移矩阵t；利用增量式运动恢复结构，获取空间目标捕获相机采集姿态，得到结构化图像集和空间目标稀疏点云模型；步骤3：对结构化图像集和空间目标稀疏点云模型，通过对序列图像I＝{I1,I2,…,In}进行Harris或DoG角点精匹配，经过对稀疏特征点云模型进行双线性扩散插值，并利用光度一致性原则约束迭代滤除错落在实际表面外部及内部的错误点，扩散插值和滤波过程可迭代3次，获得空间目标密集的三维点云模型；步骤4、对获取的空间目标密集的三维点云模型进行基于空间浮动尺度隐函数的表面重建：利用生成正则化八叉树体素定义的隐函数的零等值面{x|implictF(x)＝0}作为空间目标重构模型表面，得到初始致密的空间目标网格模型，网格呈三角面片式；步骤5：对初始致密的空间目标网格模型进行冗余清除，设定几何置信度阈值进行由边缘向内部的包络去除，得到致密的空间目标网格模型；步骤6：对致密的空间目标网格模型进行大尺度无缝拼接的纹理贴图，用成对马尔科夫随机场能量公式E(l)指定一个视图li作为网格表面Fi对应的纹理，相应的lj作为网格面片Fj对应的纹理，其中Fi,F...

【专利技术属性】
技术研发人员：杨宁，张子腾，郭雷，李晖晖，郭世平，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61