制造中视觉反求三维重建技术研究.pdfVIP

2013年第3期 惠国保，等：制造中视觉反求三维重建技术研究 总体来看，目前视觉重构技术应用于反求制造存在 含有投影点e的所有照片集合 ．s(d)都是对同 的问题有：(1)机械地提取一个像素的周围4个相 一 个特征点d的投影，当然有些照片上的e较其他 邻的像素点作为匹配对象，容易造成匹配点疏散而 照片上的e光度差异较大，将这些照片从 5(d)中 不能刻画出物体细节；(2)匹配特征点选择并无统 剔除，剩下的照片集合S(d)关于e的光度差异都 一 标准，一般依据上下左右给出，鲁棒性差；(3)匹 很小。再在Js(d)中任选一张照片作为比较照片 配像素由于受到领域限制，不能很好地表达出物体 z(d)。S(d)与 S(d)有如下关系 ¨ ： 纹理。为了解决上述问题，本文提出一种对匹配点 ．s(d)= {PIP∈S(d)，N(a，Z(d)，P)A} (1) 扩展、复制及密化得到空间点云的方法。该方法无 式中：Ⅳ(d，z(d)，P)为某照片 P与 比较 照片 需增加图像特征点，且参数不变，既利用了传统的 z(d)关于特征点d的投影色差值。Js(d)中所有图 4个相邻像素匹配的高效性，又借助了扩展复制密 片与z(d)关于特征点d的色差平均值是关于d的 化方法的精确性，可以对物体细微结构刻画，又能 函数，记为厂(d)，即对不同的特征点d在5(d)中都 对物体纹理进行整体性表达，使得重构出的三维模 有与之相对应的色差均值 ¨。在 s|(d)中也有相 型能满足机加工的精度要求。 应的函数 (d)。对同一个特征点 d，选择不同的 z(d)，得到的．厂(d)也是不同的，所以 d)是关于 2 多视立体三维重构技术 o(d)，()和z(d)的函数 厂(d)亦是如此。 特征匹配三维重构算法是先找出每幅图像里的 物体上的某个特征点d从不同角度拍摄，得到 特征点(角点和斑点等)，然后将每幅图像的所有特 的照片到相机光心的距离 0 (d)是不等的。根据 征点通过匹配算法匹配成一个个空间点，再对所有 0 (d)由近到远对 (d)中所有图片排列顺序，同 这些离散的空间点密化及网格化形成空间实体模 样 5(d)中的图片也就被排序 了。根据极线 (epi— 型。因此，整个三维重构的关键是特征点的提取、匹 polar)几何，在 5()所有图片 中能找到多个与 配及密化处理，本文是对PMVS方法提出改进。 z(d)的投影点e相对应的投影点e，如图1所示， 2．1 特征点的提取与匹配 记E：{e：，e，e，…}。根据成三角原理和对极线 首先，假设对照片P特征点进行检测与提取。 (epipolarline)原理，每对投影点 (e，e)‘都能匹配 特征点检测方法很多，比较好的是SIFT_3J。若某 出 1个匹配点t，这样能匹配 出多个匹配点t，通过 幅图片上的特征点d(角点和斑点)是物体表面上 匹配优化程序可得到一个最优的t。 的关键点，该点在物体表面上的位置为O(d)，方向 首先，在进入匹配优化程序前，需要对o(d)， 为n(d)，其投影到多幅图片就会在每幅图片上留 (d)和z(d)进行初始化。对 z(d)的初始化是从 下投影点e。再对每幅图片进行网格划分，每个网 S(d)中任选一幅图片Z(d)，再在S(d)中选一幅 格大小为叼×叼个像素，记为G．(，Y)，和Y分别 图片P，，d在两幅图片的投影 (e，e)就能生成一个 为网格的横向和纵向序列号。物体上的一个或多个 候选匹配点t