一种高精度真彩三维重建方法技术

本发明专利技术公开了一种高精度真彩三维重建方法，先进行图像采集：将左、右两台高分辨率灰度相机呈水平关系安装，并保留有一定距离，光机安装在两台灰度相机中间，低分辨率彩色相机安装在光机上方，拍摄被测高精度零部件，完成图像采集；然后进行图像处理：所有拍摄图像均传输给计算机，将被测高精度零部件表面的信息通过高精度真彩三维重建的方式记录在点云中，并体现其表面的彩色纹理信息，实现关键零部件的非接触式高精度真彩三维重建。本发明专利技术使用双目高精度灰度相机代替双目彩色相机，很大程度上拓宽了捕捉波长的范围，保留了被测高精度零部件更加丰富的纹理细节信息，很大程度上提高了测量的精度。测量的精度。测量的精度。

【技术实现步骤摘要】
一种高精度真彩三维重建方法
[0001]技术邻域
[0002]本专利技术属于三维重建
，更为具体地讲，涉及一种高精度真彩三维重建方法。

技术介绍

[0003]在航空、航天、深海探测等
中，一些关键高精密零部件的结构越来越复杂。对于这些高精密零部件，需要在制造的过程中保证很高的精度，否则将在使用时对其他部件的正常运行构成威胁，减少系统的寿命，甚至无法实现系统功能等诸多问题，带来灾难性的后果。因此，在高精度零部件加工制造的过程中，为了确保其满足高精度的设计需求，需要对生产的高精度零部件进行高精度测量，以检测出零部件的表面纹理，验证其是否满足设计的精度需求，这项工作对测量仪器本身的精度提出了更高的挑战。
[0004]传统的双目结构光系统技术相对成熟，可以实现高精度的目标三维点云重建，广泛应用在各类装备的高精度测量中，如军用卫星，航空航天飞机等关键高精度零部件的三维重建，都取得很好的效果。然而，对于传统的结构光双目三维重建方法，使用灰度相机结合编码结构光的方式，可以获得较高的测量精度，但通过单色编码光反解出深度信息，只能重构出目标物体的几何纹本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高精度真彩三维重建方法，其特征在于，包括：(1)、图像采集1.1)、将左高分辨率灰度相机安装在固定器械上，右高分辨率灰度相机安装在与左高分辨率灰度相机水平的固定器械上，并且保留一定的距离；将光机安装在左高分辨率灰度相机和右高分辨率灰度相机中间，将低分辨率彩色相机安装在光机的上方；1.2)、调试左高分辨率灰度相机、右高分辨率灰度相机、光机、低分辨率彩色相机，使相机能够完整、清晰地拍摄到被测高精度零部件，且光机能完整、清晰地将非编码光以及编码光投影到被测高精度零部件表面；测试人员调整标定板，使用张氏标定法完成相机标定；1.3)、将被测高精度零部件放置在相机视野中的合适位置，以固定方向旋转被测高精度零部件，并采集所有J个位姿下的图像：对于第j(j＝1,2,...,J)个位姿下的被测高精度零部件，首先光机投影非编码光到被测高精度零部件表面，低分辨率彩色相机拍摄一张图像，记为CI
j
，左高分辨率灰度相机拍摄一张图像，记为LI
j
，然后光机投影N幅编码光到被测高精度零部件表面，对于每一幅编码光，左、右高分辨率灰度相机分别拍摄一幅灰度图像，分别记为和(2)、图像处理2.1)、对各个位姿下的被测高精度零部件进行三维点云重构使用第j个位姿下拍摄的灰度图像以及以及根据双目相机原理进行点云重构，得到第j个位姿下的三维点云P
j
,j＝1,2,...,J；2.2)、对多位姿下的三维点云进行配准，计算获得刚体变换矩阵W
j
以位姿j,j＝1,2,...,J
‑
1下的三维点云P
j
为目标点云，位姿j+1下的三维点云P
j+1
为源点云，计算获得刚体变换矩阵W
j
,j＝1,2,...,J
‑
1：2.2.1)、分别对源点云P
j+1
和目标点云P
j
进行体素下采样，源点云体素下采样后，记为P
j+1_down
，目标点云体素下采样后，记为P
j_down
，并对源点云P
j+1_down
和目标点云P
j_down
进行3D
‑
SIFT关键点提取，提取后的点云分别记为P
j+1_key
和P
j_key
；2.2.2)、初始化迭代次数k＝1，设置最大迭代次数K
c_reg
、设置点对面到点对点的误差函数选择迭代次数K
pp
，初始化变换后的源点云P
j+1_key_1
为P
j+1_key
：2.2.3)、对于第k次迭代，对源点云P
j+1_key_k
中的每个点，利用KD树在目标点云P
j_key
中查找到其最近的点作为对应点，得到对应点对点集C
j_key_k
，去除距离大于阈值Thres的匹配点对，得到优化后的对应点对点集C
′
j_key_k
；2.2.4)、若迭代次数k小于K
pp
，则对源点云P
j+1_key_k
中的点p
j+1_key_ki
进行齐次化根据对应点对点集C
′
j_key_k
在目标点云P
j_key
中找到对应点p
j_key_i
，并对其进行齐次化其中i＝1,2,...,N
cj_key_k
，N
cj_key_k
为C
′
j_key_k
中的点对数量，用点p
(j+1)_key_ki
到目标点云P
j_key
中点p
j_key_i
所在的切平面的距离构造出点对面的误差函数F
jk
：
其中，n
j_key_i
为点p
j_key_i
对应的法向量，W
jk
第k次迭代估计的变换矩阵；若迭代次数k不小于K
pp
，则根据对应点之间的距离的平方和构造点对点误差函数F
jk
：2.2.5)、求解使得误差函数最小的变换矩阵W
jk
，用变换矩阵W
jk
对源点云P
j+1_key_k
施加变换，得到源点云P
j+1_key_(k+1)
，且记录此时的误差函数值F
jk
；2.2.6)、判断前后两次迭代误差函数值的变化量|F
jk
‑
F
j(k
‑
1)
|是否小于阈值e或是否迭代次数k达到预先设定的最大迭代次数K
c_reg
，如果是，则k
′
为判断条件成立时的迭代次数，记录此时的匹配点对集C
′
j_key_k
′
，计算最优刚体变换矩阵W
j
＝W
jk
′
W
j(k
′‑
1)
…
W
j1
，最优刚体变换矩阵W
j
为4
×
4的矩阵，具有形式为：其中，R
cloud_j
为源点云P
j+1_key
配准到目标点云P
j_key
的3x3的旋转矩阵，T
cloud_j
为1x3的平移向量，为3x1的0行向量；否则，k＝k+1，返回步骤2.2.3)；2.3)、对位姿j,j＝1,2,...,m下的低分辨率彩色图像CI
j
和左高分辨率灰度图像LI
j
进行融合2.3.1)、求取低分辨率彩色图像CI
j
到左高分辨率灰度图像LI
j
的配准投影矩阵H
j
2.3.1.1)、分别对低分辨率彩色图像CI
j
和左高分辨率灰度图像LI
j
进行SURF特征点的提取；2.3.1.2)、使用欧式距离作为相似度判定，对于低分辨率彩色图像CI
j
中的关键点，在左高分辨率灰度图像LI
j
中查找与之最近的关键点，如果最近邻点的距离与次紧邻点的距离之比小于设定的阈值θ，则确定这个关键点的最近邻点为匹配点，这样得到匹配点对集C
cl_j
；2.3.1.3)、设定最大迭代次数K
p_reg
、误差阈值初始化迭代次数k＝1，通过随机抽样一致性RANSAC算法优化匹配点对集C
cl_j
，得到最优投影矩阵H
j
；2.3.1.3.1)、对于优化匹配点对集C
cl_j
中的第k次迭代，在匹配点对集C
cl_j
中，随机抽取四个点对，记为{q
cj_1
,q
lj_1
}、{q
cj_2
,q
lj_2
}、{q
cj_3
,q
lj_3
}、{q
cj_4
,q
lj_4
}，对其进行齐次化，得到四个点对计算点对间的投影矩阵H
jk
，满足下面的关系：2.3.1.3.2)、除了以上抽取的4个点对，对于匹配点对集C
cl_j
中其他点对{q
cj_i
,q
lj_i
}，进行齐次化后得到根据投影矩阵H
jk
计算映射后误差
其中i＝5,6,..,N
cj
，N
cj
为匹配点对集CI
j
中点对的数量，根据误差阈值确定误差的点对，构成内点集合S
jk
；2.3.1.3.3)、如果已进行最后一次迭代，即k＝K
p_reg
，比较确定内点集合最大时的投影矩阵H
jk
，记为投影矩阵H
j
，否则，k＝k+1，返回步骤2.3.1.3.1；2.3.2)、根据投影矩阵H
j
，对低分辨率彩色图像CI
j
和左高分辨率灰度图像LI
j
进行配准，得到高分辨率的配准彩色图像CI
j_r
...

【专利技术属性】
技术研发人员：殷春，王泽琪，程玉华，谭旭彤，罗健浩，邱根，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：