基于纹理信息引导和多尺度先验辅助的三维重建方法技术

本发明专利技术公开了一种基于纹理信息引导和多尺度先验辅助的三维重建方法，从输入图像集及其对应的相机参数开始，首先构建图像金字塔，并使用基础的多视图重建方法来获得每个图像尺度上的初始假设

【技术实现步骤摘要】
基于纹理信息引导和多尺度先验辅助的三维重建方法


[0001]本专利技术属于计算机视觉
，具体涉及一种三维重建方法
。

技术介绍

[0002]和二维图像相比，三维点云具有以下优点：
1)
丰富的几何信息：三维点云包含了物体的几何结构和形状信息，相比之下，二维图像只能提供物体的投影信息
。
通过分析三维点云，可以获取更准确和详细的几何信息，包括物体的大小
、
形状
、
表面曲率等
。2)
视角无关性：三维点云不依赖于视角，即使在不同的视角下观察同一个物体，点云的几何结构保持不变
。
这使得三维点云在物体识别
、
姿态估计和目标跟踪等任务中具有优势，因为它们可以提供视角无关的几何特征
。3)
环境感知：三维点云可以捕捉周围环境的真实立体感，包括物体之间的遮挡和相对位置
。
这对于机器人导航
、
自动驾驶
、
虚拟现实等领域非常重要，可以帮助系统更好地理解和感知环境本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于纹理信息引导和多尺度先验辅助的三维重建方法，其特征在于，包括如下步骤：步骤1：对图像进行降采样，构建图像金字塔；步骤2：使用多视图重建方法获得每个图像尺度上的初始假设；步骤3：在当前尺度上，根据所获得的初始假设构建先验模型；步骤4：结合先验模型，使用纹理信息引导的平面先验辅助多视图联合匹配代价来协助假设预测；步骤5：使用几何一致性优化的多视图匹配代价评估进一步消除误差；步骤6：采用上采样假说作为下一尺度的初始假设的先验模型；步骤7：结合上采样获得的先验模型，纹理信息引导的平面先验辅助多视图联合匹配代价来协助当前尺度假设预测；步骤8：重复步骤3～步骤7，每次图像尺度上升一个尺度，直至恢复原始尺度，若为原始尺度则无需上采样；步骤9：融合所有的假设，生成输出的点云
。2.
根据权利要求1所述的一种基于纹理信息引导和多尺度先验辅助的三维重建方法，其特征在于，所述步骤2中具体为：步骤2‑1：为参考图像中的每一个像素随机生成一个包含深度信息
d
x
与法线信息
n
x
的假设
θ
x
＝
[d
x
,n
x
]
；从每个源图像中通过单应矩阵为随机生成的假设
θ
x
计算出匹配成本；平均前4个最小的成本得到初始多视图匹配成本；步骤2‑2：根据自适应棋盘采样方法在中心像素周围的8个区域内，根据初始多视图匹配成本选取每个区域内成本最小的最优解；步骤2‑3：根据多假设联合启发式视图选择计算多视图联合匹配成本
c
photo
：其中，
θ
i
代表当前采样得到的候选假设，
m
i,j
代表由第
j
个视图计算的第
i
个区域采样点的匹配成本，
w
j
是第
j
个视图的权重；具有最小多视图匹配代价
c
photo
的假设
θ
i
将被选为当前采样中心像素的最佳估计；步骤2‑4：生成两个额外的假设，其中一个是扰动当前假设所得到的另一个是随机产生的假设两个新的假设随机排列，并与当前的假设相结合，形成一个由七个假设组成的集合：采样中心像素的最终估计为集合中具有最小成本
c
photo
的假设
。3.
根据权利要求2所述的一种基于纹理信息引导和多尺度先验辅助的三维重建方法，其特征在于，所述步骤3具体为：步骤3‑1：根据
c
photo
筛选可靠假设
θ
x
并放入到集合
I
cred
中，步骤3‑2：利用德劳内三角化来为每个像素找到三个邻近的可靠假设并构建平面先验
模型
θ
p
。4.
根据权利要求3所述的一种基于纹理信息引导和多尺度先验辅助的三维重建方法，其特征在于，所述步骤4具体为：步骤4‑1：利用
Canny
边缘检测算子，提取图像的纹理信息，对于任一点像素的纹理信息
t
x
，将其定义为：其中
sum
x
为该像素点
10
×
10
图像块内总像素数，
eff
x
为该像素点
10
×
10
图像块内边缘信息的有效像素数，
ε
为常数
0.00005
，
t
min
为设定的最小纹理值
0.5
；步骤4‑2：构建概率图模型来推导基于纹理信息引导的先验辅助多视图匹配代价；步骤4‑2‑1：首先定义像素
x
在参考图像上的块为
X
ref
，通过假说
θ
i
在所有源图像上观察到的块为所有源图像的可视性信息为
Z
src
，像素点的平面先验模型为
θ
p
＝
...

【专利技术属性】
技术研发人员：张艳宁，杨佳琪，任春林，吴桥，聂子铭，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：