一种基于点云优化采样的三维重建方法技术

本发明专利技术公开了一种基于点云优化采样的三维重建方法，属于计算机视觉领域，解决的问题是稠密点云在三维重建过程中，在保证主要的纹理特征情况下，重建速度较慢的问题，该方法主要利用mean shift算法对多个已校正的图像进行区域分割，然后通过改进的双向DP算法，依次对相邻图像分割后的相同区域进行立体匹配求取视差图，接着利用双边滤波消除视差图的干扰噪声，得到多个稠密深度点云图，再通过自适应随机采样获得主要纹理特征，剔除平滑区域，最后计算每个点云的深度值估计，根据估计值排序提取主要的点云。本发明专利技术提出的方法可以在较快的计算速度下获得更为明显的纹理特征，在自然场景三维重建中有着广阔的应用前景。

【技术实现步骤摘要】
一种基于点云优化采样的三维重建方法
本专利技术涉及计算机视觉图形学领域，更具体地，涉及一种基于点云优化采样的三维重建方法。
技术介绍
在视觉三维重建中，立体匹配是其核心环节，可分为局域匹配算法和全局匹配算法。由于全局匹配算法用到了全局约束的条件，对图像的局部区域并不模糊，因此三维重建中常用到全局立体匹配算法，常用的全局立体匹配算法有图割(GC)，置信传播，动态规划(DP)等。传统的动态规划算法利用全局能量最小值求解，将一个大的决策问题划分若干子问题，从而得到最优视差图。基于传统动态规划的立体匹配算法是是基于极线约束，通过依次寻找每条极线上匹配点对的最小代价路径的动态寻优方法求解全局能量最小化，得到匹配视差图。但这样匹配方法是全局搜索，在很多有明显区别的区域进行搜索会浪费大量的计算时间，导致整体重建的速度过慢，而且传统的动态规划算法是极线约束，很容易出现条纹现象，影响视差图的效果。利用视差图和相机参数计算得到多帧的点云图后，由于每一帧的点云数量都较为庞大，且每帧点云图中包含若干的平滑区域，这些平滑区域并没有重建目标的纹理特征，属于冗余的信息。若直接利用深度图进行重建，冗余信息会增加较大本文档来自技高网...

【技术保护点】
1.一种基于点云优化采样的三维重建方法，其特征在于，所述方法包括以下步骤：(1)利用多个已标定参数的相机获得检测目标不同角度的图像，图像之间保证一定的角度和位移，并对原图像进行畸变校正；(2)利用mean shift算法对所有校正后的图像进行区域分割，并对分割后的区域进行标号；(3)通过改进的双向DP算法，依次对相邻图像同标号的区域进行立体匹配求取视差图；(4)利用双边滤波消除视差图的干扰噪声；(5)通过自适应随机采样获得主要纹理特征，剔除平滑区域的点云；(6)计算每个点云的深度值估计，根据估计值排序提取主要的点云。

【技术特征摘要】
1.一种基于点云优化采样的三维重建方法，其特征在于，所述方法包括以下步骤：(1)利用多个已标定参数的相机获得检测目标不同角度的图像，图像之间保证一定的角度和位移，并对原图像进行畸变校正；(2)利用meanshift算法对所有校正后的图像进行区域分割，并对分割后的区域进行标号；(3)通过改进的双向DP算法，依次对相邻图像同标号的区域进行立体匹配求取视差图；(4)利用双边滤波消除视差图的干扰噪声；(5)通过自适应随机采样获得主要纹理特征，剔除平滑区域的点云；(6)计算每个点云的深度值估计，根据估计值排序提取主要的点云。2.根据权利要求1所述的一种基于点云优化采样的三维重建方法，其特征在于，所述的步骤3中通过改进的双向DP算法，依次对相邻图像同标号的区域进行立体匹配求取视差图方法具体为：(31)提取出相邻两图像同标号区域，即为视差寻优的范围；(32)定义全局能量函数，通过全程寻优求得一个最佳视差值d*，即为：d*＝argminE(d)；(33)从行方向上动态寻优，获得原始视差图，并保存；(34)动态更新数据项，通过在原始视差图作为一个初始结果，然后对这个视差图的数据项给予一个更新，其他数据项在此过程中保持不变上式中为能量函数的数据项，k为非负整数；(35)得到数据项更新后，在列方向上以同样的方式进行寻优；(36)各个分割区域求得视差图后，再拼接得到稠密的深度图。3.根据权利要求1所述的一种基于点云优化采样的三维重建方法，其特征在于，所述的步骤5通过自适应随机采样获得主要纹理特征，剔除平滑区域的点云的步骤为：(51)从步骤4得到的...

【专利技术属性】
技术研发人员：宫大为，何志恒，叶小龙，葛森，刘洋，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51