一种立体视觉的序列重构方法技术

一种立体视觉的序列重构方法，包括以下步骤：１）每两相邻的图片的匹配得到相邻两幅图片的特征点，然后基于所述特征点进行初步的匹配；用随机抽样一致性方法去除其中的误匹配点；２）选定与一幅图片Ｉ最合适的图片；３）设有ｎ幅图片，每相邻两幅都做匹配并计算基本矩阵Ｆ；得到ｎ－１个基本矩阵，也得到ｎ－１重构与其决定的ｎ－１个射影空间，把所有重构结果都转移到第一个射影重构。本发明专利技术能简化计算、实用性好。

【技术实现步骤摘要】

本专利技术涉及图像处理、计算机视觉、计算方法、数学、三维重建等领域，尤其是这一 种立体视觉的序列重构方法。
技术介绍
序列重构指直接由未标定的多幅图像确定场景结构和相机运动，序列重构一旦完 成，就可通过自标定或者标定使重构达到度量重构层次。现行很多重构方法都是基于点跟 踪进行重构，但点跟踪是个不容易解决的一个难题，这极大的阻碍了序列重构。
技术实现思路
为了克服已有立体视觉的序列重构方法的计算复杂、实用性差的不足，本专利技术提 供一种简化计算、实用性良好的立体视觉的序列重构方法。本专利技术解决其技术问题所采用的技术方案是 ，包括以下步骤1)每两相邻的图片的匹配得到相邻两幅图片的特征点，然后基于所述特征点进行初步 的匹配；用随机抽样一致性方法去除其中的误匹配点；1)每两相邻的图片的匹配得到相邻两幅图片的特征点，然后基于所述特征点进行初步 的匹配；用随机抽样一致性方法去除其中的误匹配点；2)选定与一幅图片I最合适的图片的过程如下(2. 1) 选定一幅图片I，其他m幅图片编号分别为；(2. 2) 计算图片I与其他每幅图片的匹配数目，得到I与Ij的匹配数目，j=l，…m， 由此得到向量S= (h,…^i,!.)1 ；(2. 3) 计算视差向量4,」=1广1巧=[卜-r』■ |r,-r_f]’ 与^t为图片。与 图片I上的匹配点，k=l，···!!;(2. 4) 对于每个i^·计算其中元素的均值〃和标准方差r；，j=l，…m，得到均值向量吨..dr和标准方差‘ 4'…J;(2. 5) ^D= I—『^^丨得到距离向量D，其中，符号彳在这里表示两个向量的对 应元素相乘；I_(2.6) 计算f =S!⑩￡)))，得到最与I最合适的图片_.3)设有η幅图片，每相邻两幅都做匹配并计算基本矩阵F，设I和是任意一对匹配点， 任意匹配点满足下面关系通过最小二乘法解出基本矩阵F ；得到n-1个基本矩阵，也得到n-1重构与其决定的n-1个射影空间，把所有重构结果都 转移到第一个射影重构，具体步骤3. 1)确定相邻两个射影重构之间的变换，得到n-2个变换 H1, H2, H3,….H n_2，，Hi代表第i个重构与第i+Ι个重构之间的变换，i=l,.n-2设第i个射影空间与第i+Ι个射影空间有对应的3D空间点为和』 则有下面的方程；.X.通过最小二乘法计算得到Hi ；3. 2)变换第i个重构到第1个 射影重构中设第i个重构中的投影矩阵为Pi, 3D空间 点为Ii,则转换到第1个射影重构中其投影矩阵变为Pi χ I/-13D空间点变为趕X Xi, 其中 tf = Jf1 ；3. 3)重复3. 2)直到所有的射影重构被转移到第1个射影重构。进一步，所述随机抽样一致性方法的过程为随机抽取已经匹配的点集中的任意 8对匹配，用所述8对匹配计算基本矩阵F，任取以上8点以外的点Xi，计算Xi到FXXi的距 离d i，如果距离d ,小于阈值^，则该点χ为误匹配点。再进一步，由基本矩阵F分解得到摄像机矩阵(P , /)，它们分别有如下的形 Λ -.P [Ε CI], F* = |,li 4其中ε为三阶基本矩阵，^为一个极点，IlIfrXf2 = O解得到L表示向量 ^的反对称矩阵在第i个射影空间，和本文档来自技高网...

【技术保护点】
一种立体视觉的序列重构方法，其特征在于：所述序列重构方法包括以下步骤：１）每两相邻的图片的匹配得到相邻两幅图片的特征点，然后基于所述特征点进行初步的匹配；用随机抽样一致性方法去除其中的误匹配点；２）选定与一幅图片Ｉ最合适的图片的过程如下：（２．１）选定一幅图片Ｉ，其他ｍ幅图片编号分别为Ｉ↓［１］，…，Ｉ↓［ｍ］；（２．２）计算图片Ｉ与其他每幅图片的匹配数目，得到Ｉ与Ｉ↓［ｊ］的匹配数目ｓ↓［Ｉ，Ｉ↓［ｊ］］，ｊ＝１，…ｍ，由此得到向量＊＊＊；（２．３）计算视差向量Ｒ↓［ｊ］，ｊ＝１，…ｍ，＊＊＊，＊与＊为图片Ｉ↓［ｊ］与图片Ｉ上的匹配点，ｋ＝１，…ｎ；（２．４）　对于每个Ｒ↓［ｊ］计算其中元素的均值ｒ↓［ｊ］和标准方差ｒ↓［ｊ］↑［＊］，ｊ＝１，…ｍ，得到均值向量ｄ↓［ｍｅａｘ］＝［ｒ↓［１］…ｒ↓［ｍ］］↑［Ｔ］和标准方差ｄ↓［ｄｅｖｉ］＝［ｒ↓［１］↑［＊］…ｒ↓［ｍ］↑［＊］］↑［Ｔ］；（２．５）由Ｄ＝ｄ↓［ｍｅａｘ］＊ｄ↓［ｄｅｖｉ］／‖ｄ↓［ｍｅａｘ］‖×‖ｄ↓［ｄｅｖｉ］‖得到距离向量Ｄ，其中，符号＊在这里表示两个向量的对应元素相乘；（２．６）计算Ｉ′＝＊（ｍａｘ（Ｓ＊Ｄ）），得到最与Ｉ最合适的图片Ｉ′；３）设有ｎ幅图片，每相邻两幅都做匹配并计算基本矩阵Ｆ，设ｘ和ｘ′是任意一对匹配点，任意匹配点满足下面关系：（ｘ′）↑［Ｔ］×Ｆ×ｘ＝０通过最小二乘法解出基本矩阵Ｆ；得到ｎ－１个基本矩阵，也得到ｎ－１重构与其决定的ｎ－１个射影空间，把所有重构结果都转移到第一个射影重构，具体步骤：３．１）确定相邻两个射影重构之间的变换，得到ｎ－２个变换：Ｈ↓［１］，Ｈ↓［２］，Ｈ↓［３］，…．Ｈ↓［ｎ－２］，Ｈ↓［ｉ］代表第ｉ个重构与第ｉ＋１个重构之间的变换，ｉ＝１，…，ｎ－２；设第ｉ个射影空间与第ｉ＋１个射影空间有对应的３Ｄ空间点为Ｘ↑［ｉ］和Ｘ↑［ｉ＋１］则有下面的方程；Ｘ↑［ｉ］＝Ｈ↓［ｉ］×Ｘ↑［ｉ＋１］通过最小二乘法计算得到Ｈ↓［ｉ］；３．２）变换第ｉ个重构到第１个射影重构中：设第ｉ个重构中的投影矩阵为Ｐ↑［ｉ］，３Ｄ空间点为Ｘ↑［ｉ］，则转换到第１个射影重构中其投影矩阵变为Ｐ↑［ｉ］×Ｈ↑［－１］，３Ｄ空间点变为Ｈ×Ｘ↑［ｉ］，其中Ｈ＝Ｈ↓［ｉ－１］×…×Ｈ↓［１］；３．３）重复３．２）直到所有的射影重构被转移到第１个射影重构。...

【技术特征摘要】
一种立体视觉的序列重构方法，其特征在于所述序列重构方法包括以下步骤1)每两相邻的图片的匹配得到相邻两幅图片的特征点，然后基于所述特征点进行初步的匹配；用随机抽样一致性方法去除其中的误匹配点；2)选定与一幅图片I最合适的图片的过程如下(2.1) 选定一幅图片I,其他m幅图片编号分别为；(2.2) 计算图片I与其他每幅图片的匹配数目，得到I与Ij的匹配数目，j=1,…m,由此得到向量；(2.3) 计算视差向量，j=1,…m， 与为图片Ij 与图片I上的匹配点，k=1,…n；(2.4) 对于每个计算其中元素的均值和标准方差 ，j=1,…m，得到均值向量和标准方差；(2.5) 由得到距离向量D，其中，符号在这里表示两个向量的对应元素相乘；(2.6)计算，得到最与I最合适的图片；3)设有n幅图片，每相邻两幅都做匹配并计算基本矩阵F，设和是任意一对匹配点，任意匹配点满足下面关系通过最小二乘法解出基本矩阵F； 得到n 1个基本矩阵，也得到n 1重构与其决定的n 1个射影空间，把所有重构结果都转移到第一个射影重构，具体步骤3.1) 确定相邻两个射影重构之间的变换，得到n 2个变换H1，H2，H3,….H n 2，，Hi代表第i个重构与第i+1个重构之间的变换，i=1,…, n 2；设第i个射影空间与第i+1个射影空间有对应的3D空间点为和则有下面的方程;通过最小二乘法计算得到Hi；3.2)变换第i个重构到第1个射影重构中设第i个重构中的投影矩阵为，3D空间点为，则转换到第1个射影重构中其投影矩阵变为×，3D空间点变为×，其中；3.3)重复3.2)直到所有的射影重构被转移到第1个射影重构。2010105228660100001dest_path_image001.jpg,2010105228660100001dest_path_image002.jpg,2010105228660100001dest_path_image003.jpg,2010105228660100001dest_path_image004.jpg,2010105228660100001dest_path_image005.jpg,2010105228660100001dest_path_image006.jpg,2010105228660100001dest_path_image007.jpg,2010105228660100001dest_path_image008.jpg,2010105228660100001dest_path_image009.jpg,2010105228660100001dest_path_image010.jpg,2010105228...

【专利技术属性】
技术研发人员：陈胜勇，刘大伟，汪晓妍，李友福，王万良，管秋，刘盛，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：86[中国|杭州]