基于同一场景散乱照片集的三维重构方法技术

基于同一场景散乱照片集的三维重构方法，分为３个阶段：第１阶段，两两图像特征匹配与相对相机运动估计；该阶段分为４个步骤：（１）对每两幅图像进行双向最近邻搜索与特征域约束，得到候选对应；（２）对候选对应进行视差域对应约束，得到假设对应；（３）对假设对应进行图像坐标标准化，求满足假设对应的本质矩阵估计；（４）分解本质矩阵得到相机运动的４组可能解，进行可容错正向深度约束确定最终解；第２阶段，基于第１阶段的结果选择最佳初始重构相机对，使用标准的稀疏重构方法，同时恢复相机姿态和场景的稀疏几何信息；第３阶段，基于第２阶段的结果进行选择性准密匹配，使用三角测量方法重建准密的３Ｄ场景点云模型。本发明专利技术既能获得可靠的相机姿态估计，又能得到高密度的场景几何信息，且大大缩短了重构时间，具有较高的重构效率，适合处理数据量较大的散乱照片集。

【技术实现步骤摘要】

本专利技术属于虚拟现实技术与计算机视觉领域，具体地说是由同一场景的散乱照片进行三 维重构，包括恢复相机的拍摄位置、方向和视域，以及稠密的3D场景点云模型，主要用于 对PC或Internet上数码照片资源进行三维组织、以及基于图像的绘制与浏览等。技术背景计算机视觉中，多视图几何的三维重建理论和算法在过去的二十几年里已经得到了较成 熟的发展，文献1—R. Hartley, and A. Zisserman, Multiple View Geometry in Computer Vision, Cambridge University Press, 2000.全面深入地推导并总结了相关理论和算法。针对相机已标定 或未标定的不同情况，由一组特征对应同时恢复未知的三维场景结构和相机位置的方法 (Structure from Motion, SfM)都已得到成功应用。但是传统的三维重构通常针对的是序列 图像，可由相机拍摄或从视频中提取序列图像帧，序列图像具备进行三维重构至关重要的良 好性质l)相继图像间的相机中心距离(基线)小，小基线能保证较好的特征匹配；2)图像 有序，非常有利于特征匹配本文档来自技高网...

【技术保护点】
基于同一场景散乱照片集的三维重构方法，其特征在于：所述的重构方法分为３个阶段，具体如下：　第１阶段，两两图像特征匹配与相对相机运动估计，该阶段分为４个步骤：　（１）对每两幅图像进行双向最近邻搜索与特征域约束，得到候选对应；　（２）对候选对应进行视差域对应约束，得到假设对应；　（３）对假设对应进行图像坐标标准化，求假设对应的参数模型估计，得到本质矩阵；再利用本质矩阵反约束假设对应，得到初步匹配；　（４）分解本质矩阵得到相机运动的４组可能解，进行可容错正向深度约束，确定最终解；再利用相机运动反约束初步匹配，得到最终匹配；　第２阶段，基于第１阶段的结果进行初始重构相机对量化选择，然后再使用标准的稀疏...

【技术特征摘要】

【专利技术属性】
技术研发人员：齐越，沈旭昆，何爽，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]