一种基于图像序列的增量式运动结构恢复优化方法技术

本发明专利技术提供一种基于图像序列的增量式运动结构恢复优化方法，涉及三维重建领域。包括：获取所需重建物体各个角度的图像；获取两两图像之间特征点的关系及描述符；过滤特征点的异常值；排除异解；形成初始点云模型；丰富点云模型；得到最终的点云模型；对点云模型进行优化。本方法在初始图像对选择过程中使用自适应阈值估计法，使其能够自动的调整过滤异常特征点的值，并引入约束进一步过滤，获得更精确的初始图像对，确保能够进行鲁棒的初始重建，提高整体三维重建质量；在增量添加迭代过程中使用EPNP法求解，提高迭代的解算效率及精度，从而提高本方法的性能；通过BA法，进一步提高了模型优化的精确度，解决了增量迭代过程中误差累计导致的问题。

An Incremental Motion Structure Restoration Optimization Method Based on Image Sequence

The invention provides an incremental motion structure restoration optimization method based on image sequence, which relates to the field of three-dimensional reconstruction. Including: acquiring the image of each angle of the object needed to be reconstructed; acquiring the relationship and descriptor of the feature points between the two images; filtering the outliers of the feature points; eliminating disagreements; forming the initial point cloud model; enriching the point cloud model; obtaining the final point cloud model; optimizing the point cloud model. In the process of initial image pair selection, the adaptive threshold estimation method is used to automatically adjust the value of filtering anomalous feature points, and constraints are introduced to further filter to obtain more accurate initial image pairs to ensure robust initial reconstruction and improve the overall quality of three-dimensional reconstruction; EPNP method is used to solve the problem in the incremental addition iteration process to improve the iterative solution. The efficiency and accuracy of this method can improve the performance of this method, and the accuracy of model optimization is further improved by BA method, which solves the problem caused by error accumulation in incremental iteration process.

【技术实现步骤摘要】
一种基于图像序列的增量式运动结构恢复优化方法
本专利技术涉及三维重建
，具体涉及一种基于图像序列的增量式运动结构恢复优化方法。
技术介绍
随着计算机相关技术的不断进步，虚拟现实技术得到了迅猛的发展。在虚拟场景的构建过程中，大量的三维模型将被使用。而传统工作流程中，三维模型的建立大多依靠繁琐的手工建模软件，大大延长了开发周期，同时显著提高了开发成本。为此，我们寻求数据源更易获取且更为快速的三维建模方法。图像，是三维空间的二维映射，其中包含着三维空间中相机位置，焦距等信息，利用已知的图像中的这些信息恢复为三维立体结构，可以看做是相机成像的逆过程。在一组对同一物体不同角度拍摄的图像序列中，图像与图像之间的一些特征点存在着对应关系，利用现有的方法运动结构恢复算法，是实现三维重建中稀疏重建步骤的关键算法。其中增量式运动结构算法是目前国内外研究的主流算法。它通过几何、摄影测量、摄影成像等知识，以增量迭代为核心思路，从图像序列中由初始重建，不断添加，将二维图像上的像素点通过图像之间的联系还原为三维点云中的结构。传统增量式运动结构恢复算法存在着效率和重建质量等多方面的问题，对其的优化是一个重要本文档来自技高网...

【技术保护点】
1.一种基于图像序列的增量式运动结构恢复优化方法，其特征在于，包括以下步骤：步骤1：获取所需重建物体各个角度的图像；步骤2：利用SFIT特征点提取和匹配方法对图像进行处理，得到两两图像之间特征点的关系及描述符；步骤3：使用反向理论研究模型自适应估计阈值对图像之间特征点的异常值即外点进行过滤，并通过约束对图像之间特征点的异常值进行进一步过滤；步骤4：采用改进的Nister的五点法，利用点到极线距离最小原理排除异解；步骤5：选择符合约束且经过异常值过滤后异常值占比最低的两幅图像作为初始图像对，并对初始图像中匹配的点进行初始重建，形成初始点云模型；步骤6：加入新的图像，根据新增图像与点云模型中已有的...

【技术特征摘要】
1.一种基于图像序列的增量式运动结构恢复优化方法，其特征在于，包括以下步骤：步骤1：获取所需重建物体各个角度的图像；步骤2：利用SFIT特征点提取和匹配方法对图像进行处理，得到两两图像之间特征点的关系及描述符；步骤3：使用反向理论研究模型自适应估计阈值对图像之间特征点的异常值即外点进行过滤，并通过约束对图像之间特征点的异常值进行进一步过滤；步骤4：采用改进的Nister的五点法，利用点到极线距离最小原理排除异解；步骤5：选择符合约束且经过异常值过滤后异常值占比最低的两幅图像作为初始图像对，并对初始图像中匹配的点进行初始重建，形成初始点云模型；步骤6：加入新的图像，根据新增图像与点云模型中已有的图像的轨迹关系，计算新增图像的旋转矩阵和平移向量，继续对平面图像中匹配的二维点进行三角化从而计算出三维空间中的位置点，并添加到点云模型中；步骤7：重复步骤6，直到所有图像中的所有已匹配特征点均已被还原为三维空间中的位置点，得到最终的点云模型；步骤8：基于捆绑调整算法对点云模型进行优化。2.根据权利要求1所述的基于图像序列的增量式运动结构恢复优化方法，其特征在于，所述步骤3中反向理论研究模型自适应估计阈值的计算公式如下：式中，NFA(M，k)为反向理论研究模型自适应估计阈值，M为输入的图像数据，k为假定的内点联系的数量，Nout为可从RANSAC对应样本中采样估计的模型数目，n为总的关系数量，Nsample为RANSAC样本的主体，ek(M)为输入的图像数据M在n个对应关系中的第k个最小误差，d为误差维度，α0为具有1像素误差的随机对应关系的概率。3.根据权利要求1所述的基于图像序列的增量式运动结构恢复优化方法，其特征在于，所述步骤3中通过约束对异常值进行进一步过滤，包括如下约束：约束1：使用五点法核验内点，将通过核验的图像根据内点数量进行排序，排在前n％的图像优先考...

【专利技术属性】
技术研发人员：高天寒，杨子艺，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21