一种从图像中重建枝干模型的方法技术

本发明专利技术涉及计算机视觉领域，具体涉及一种从图像中重建植物枝干模型的方法，所述方法包括步骤：获取若干幅图像以及所述图像间的相对关系；获取所述图像的ａｌｐｈａ？ｍａｔｔｅ作为后续操作的依赖图像；手工指定其中两幅图像中枝干底部的位置和其中一幅图像中对应的决定半径的像素；依据上述图像中指定的枝干初始位置计算三维初始位置以及半径；以所得三维初始位置以及半径为基础逐步生长三维枝干模型。本发明专利技术方法简单且最大限度地利用了图像上的信息，能够生成与图像较为符合的枝干模型。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和图形学领域，具体涉及。
技术介绍
植物的真实感建模在场景绘制以及珍稀植物原生态保存等方面都具有极其重要 的意义。 近十年内，基于真实测量信息的植物重建方法得到广泛关注，其根本原因在于这 类方法能够以较强的真实感重现自然界中植物。然而由于植物类型繁多，结构复杂，目 前的重建方法多局限于特定形态植物。其中以针对室外较大树木的枝干建模方法居多。 Shlyakher.等人(Shlyakher I. ，Rozenoer M. ，Dorsey J. ，and Teller S. Reconstructing 3Dtree models from instrumented photographs, IEEE Computer Graphicsand Applications, 2001)用图像恢复的visual hull及其骨架来控制L-system相关参数，生 长得到较符合实际的树木模型。Han等人(HanF. ，and Zhu S. C. Bayesian reconstruction of 3D shapes and scenes from asingle image, Proceedings of IEEE Workshop on Higher-LevelKnowledge in 3D modeling and Motion Analysis, 2003)利用Bayesian方法结合简单的空间分布先验和图像的硬性观测，能够从纯枝干的单幅图像中推测被遮挡部分并恢复完整的枝干模型。Teng等人(Teng C. H. ，Chen Y. S. ，and Hsu W. H. Constructing a 3D trunk model from twoimages， Graphical Models, 2007)利用立体视觉方法重建主 枝干。Neubert等人(Neubert B. ， Franken T. ， and Deussen 0. Approximateimage-based tree modeling using particle flows,ACM Transactions onGraphics，2007)利用图像上 方向场的约束，用粒子流模拟生成枝干模型。Tan等人(Tan P. ， Zeng G. ， Wang J. D. ， Wang S. B. ， and Quan L Image-based tree modeling, ACM Transactions on Graphics,2007) 采用Structure from motion (SFM)技术，从多幅图像中得到三维点云模型，以此为基础重 建可见枝干，并合成不可见枝干。除了图像数据之外，激光数据也是重建枝干的重要凭据。 例如，Xu等人(Xu H， GossettN， and Chen B. Knowledge and heuristic-based modeling of laser—scanned trees. ACM Transactions on Graphics, 2007)从激光点云数据中抽取主 枝干，并依据主枝干合成细小的难以从激光数据中可靠抽取的较细枝干。然而，以上方法在 方便性以及真实度上都欠缺，尤其是重建被叶片遮挡的枝干部分。
技术实现思路
本专利技术的目的是提供一种能够保证真实度的植物重建方法，获得与图像符合的三 维枝干模型。 为了达到上述专利技术目的，本专利技术提供了一种从图像中重建植物枝干模型的方法， 所述方法包括以下步骤 SI :获取若干幅图像以及所述图像间的相对关系； S2 :获取所述图像的alpha matte作为后续操作的依赖图像； S3 :手工指定其中两幅图像中枝干底部的位置和其中一幅图像中对应的决定半径的像素； S4 :依据上述图像中指定的枝干初始位置计算三维初始位置以及半径； S5 :以所得三维初始位置以及半径为基础逐步生长三维枝干模型。 其中，所述步骤S5包括 S5-l :定义当前生长阶段的节点状态X, ^fXJ,=/ ，其中《,=,A，5,^,J是第i个枝干当前生长阶段节点的状态，Pit表示什么，Dit表示什么，rit表示什么； S5-2 :利用下式求解当前生长阶段的所有枝干节点的状态， P (kt， Xt I Zt) a p (kt， Xt I kt— Xt—》p (Zt I kt， Xkt) 其中，所述步骤S5-2估计当前生长阶段的所有枝干节点状态的方法包括 S5-2-l :初始化当前生长t状态的状态(kt， Xkt); S5-2-2 :按照proposal函数提议一个新的状态(k' t， X' kt); S5-2-3 :利用下式计算新状态的接受率 = 、〃 ~ S5-2-4:当接受率大于l时，直接接受；否则，以概率a接受，其中aG ; S5-2-5 :按照上述步骤迭代，迭代次数s = 1. . . N-l，生成若干采样； S5-2-6 :求取采样的期望作为t阶段的状态。 其中，在步骤5-2求解每个生长时段状态之前，检测该时段增加或者减少的枝。 其中，在步骤5-2求解每个生长时段状态之前，检测该时段生长或者停长的枝。 其中，在步骤5-2求解每个生长时段状态之前，对于保持生长的枝进行更新。 与现有技术相比，本专利技术的技术方案构建树木图像的柔性似然函数，第一次结合 图像的柔性似然函数与植物模型的先验知识重建带叶片植物的枝干模型，方法简单且最大 限度地利用了图像上的信息，能够生成与图像较为符合的枝干模型。附图说明 图1为本专利技术的从图像中重建枝干模型的方法流程图。 具体实施例方式以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。 本专利技术的技术方案包括如下步骤获取若干幅图像以及所述图像间的相对关系； 获取所述图像的alpha matte作为后续操作的依赖图像；指定其中两幅图像中枝干底部的 位置和其中一幅图像中对应的决定半径的像素；依据上述图像中指定的枝干初始位置计算 三维初始位置以及半径；以所得三维初始位置以及半径为基础逐步生长三维枝干模型。 具体叙述如下输入两幅图像，依据ImageModeller软件得到两幅图像的相对关 系，即确定每幅图像对应的相机光心位置、焦距和主点，然后对图像做alpha matting得到 alpha值作为象素值的图像。标定和alpha matting采用现有技术。通常，一幅图像由前景和背景组成，图像中不同象素处两者参与的比例不一样。比如，在只有背景的地方，前景所占比例为0%，在只有前景的地方，前景所占比例为100%，这个比例即alpha值。alpha值作为象素值的图像即alpha matte。而求取alpha matte的过程，称之为alpha matting。 Alpha matting技术采用CVPR06上由Levin等人发表的〃 AClosed FormSolution to Natural Image Matting。然后，在两幅图像上给定初始的根部生长点，并在其中一幅上指定决定半径的位于根部生长点一侧的一个象素点。为方便选取不同图像上的对应生长点，可以在拍摄植物之前在其底部系上标志。根据初始标注的信息找到的三维枝干信息本文档来自技高网...

【技术保护点】
一种从图像中重建枝干模型的方法，其特征在于，所述方法包括以下步骤：Ｓ１：获取若干幅图像以及所述图像间的相对关系；Ｓ２：获取所述图像的ａｌｐｈａｍａｔｔｅ作为后续操作的依赖图像；Ｓ３：指定其中两幅图像中枝干底部的位置和其中一幅图像中对应的决定半径的像素；Ｓ４：依据上述图像中指定的枝干初始位置计算三维初始位置以及半径；Ｓ５：以所得三维初始位置以及半径为基础建立三维枝干模型。

【技术特征摘要】
一种从图像中重建枝干模型的方法，其特征在于，所述方法包括以下步骤S1获取若干幅图像以及所述图像间的相对关系；S2获取所述图像的alpha matte作为后续操作的依赖图像；S3指定其中两幅图像中枝干底部的位置和其中一幅图像中对应的决定半径的像素；S4依据上述图像中指定的枝干初始位置计算三维初始位置以及半径；S5以所得三维初始位置以及半径为基础建立三维枝干模型。2. 如权利要求1所述的从图像中重建枝干模型的方法，其特征在于，所述步骤S5包括S5-l :定义当前生长阶段的节点状态x, ，其中;^ = f A，5,^,j是第i个枝干当前生长阶段节点的状态，^f即第i个枝干在t生长阶段的节点三维空间位置，5,f是节点的生长方向，rit为节点对应半径；S5-2 :利用下式求解当前生长阶段的所有枝干节点的状态，P (kt ， xt I Zt)p (kt ， xt I kt—丄，Xt—》P (zt I kt ， xkt)其中，zt是图像上的观测，kt用于指示当前活跃的枝干。3. 如权利要求2所述的从图像中重建枝干模型的方法，其特征在于，所述步骤S5-2中求解当前生长阶段的所有枝干节点状态的方法包括 S5-2-l :初始化当前生...

【专利技术属性】
技术研发人员：马伟，查红彬，
申请(专利权)人：北京大学，
类型：发明
国别省市：11[中国|北京]