基于计算机视觉三维重建技术研究.docVIP

基于计算机视觉三维重建技术研究 　　摘要：针对计算机视觉在图像识别和三维模型构建中的广泛应用，本论文对基于计算机视觉的三维重建技术进行了分析探讨，首先分析了当前三维模型重建技术中存在的问题，在此基础上重点探讨了基于机器视觉的三维重建技术应用，给出了基于特征点的三维模型匹配方法，探讨了三维重建机制的步骤，对于进一步提高计算机视觉在三维重建技术方面的应用水平具有一定借鉴和指导意义。 　　关键词：计算机视觉；机器视觉；三维重建 　　中图分类号：TP391.41 文献标识码：A 　　1 引言 　　人类正在进入信息时代，随着科学技术的快速发展，计算机视觉(Computer Vision)的应用越来越受到广泛的重视。计算机视觉的目标是要使机器人和计算机通过对二维图像的处理达到对三维景物和环境的认知，从而具有和人类相当的视觉处理能力，最终像人一样通过视觉观察和理解世界，具有自主适应环境的能力。计算机视觉是对静止图像或者视频中的数据进行一定的处理，转化成另一种表达方式，以达到某种特定的需求，而且基于计算机视觉实现的三维技术应用范围也越来越广泛，为此，有必要开展基于计算机视觉的三维技术应用研究。 　　本论文主要结合计算机视觉的三维成像特点，对基于计算机视觉的三维重建技术进行应用研究，以期从中能够找到三维重建技术的应用模式与构建方法，并以此和广大同行分享。 　　2 三维模型重建技术应用中存在的问题 　　虽然基于计算机视觉的三维建模已经广泛的应用于很多领域，但是，这种技术仍然有一些难点和问题。当前，国内外学者主要集中于三个问题进行研究：效率、精确性和鲁棒性。 　　(1) 建模效率。速度的改进可以体现在两个方面：一是硬件方面，大量的图形处理功能被集成到硬件中，加快了处理速度，同时，计算机硬件又以摩尔速度更新，也为建模效率提高提供了良好的条件，但是，对建模效率提高的需求不能仅仅局限于对硬件厂商的热切期望。第二个方面就是要提高建模算法的速度，这才是最根本的解决方式。 　　(2) 模型的拓扑精度、纹理映射以及光照处理。物体都具有材质信息，不同的环境下，使其呈现不同的状态。目前，人们还是能够分辨出电脑所展示的物体是真实拍摄的还是电脑制作的。由此可见，计算机生成的模型还没有达到以假乱真的程度。如何构建环境光模型，如何给不同材质的物体应用光照模型，如何在物体的材质信息、纹理信息和拓扑结构信息之间建立对应关系也是要解决的问题。 　　(3) 普适性。生成三维模型的方法很多，但是，每种方法都有其适用范围，没有哪种方法可以很好的重构各类物体，这给实际的模型生成工作带来了很大的麻烦。出现这样的问题，是因为每种方法利用的重构信息不同。如何结合不同方法的优点，提出一个具有普遍适用性的方法同，也是三维建模的一个难点。 　　3 基于计算机视觉的三维重建技术探讨 　　3.1 基于特征点的三维重建立体匹配技术应用 　　匹配技术通常可以分为基于特征的匹配、基于区域的匹配和基于相位的匹配三大类，其中，基于特征的匹配由于其提取的图像特征针对性强，能够大大减少随机噪声、形变、灰度变化以及遮挡等因素对图像的影响，比其他两种方法更具有实用性。另外，基于特征的匹配方法不需要处理全部的图像点，只需计算代表图像信息的强特征部分，从而大大节省了计算时间，具有更好的实时性。基于以上考虑，本文采用的方法即为基于特征的匹配。 　　(1) 特征点的提取 　　对于基于机器视觉的特征提取方法，最传统的和最常用的方法莫过于Harris提取法。Harris检测器的核心思想是用图像的一阶导数组成的自相关矩阵来检测某点周围的亮度强度变化。最早采用小型滤波器作为图像的导数，之后发现高斯滤波器的效果更好。为了降低噪声的干扰，Harris用高斯函数进行了平滑处理。自相关矩阵M的特征值用来判断所检测的点窗口的特征类型。Harris定义的角点位于图像自相关矩阵中存在的两个最大特征值的地方，这在本质上表示以此点为中心周围至少存在两个不同方向的纹理(或者边缘)，正如实际的角点是由至少两个边缘相交于一点而产生。角点的这个定义还有另一个优点，被跟踪的物体在移动过程中可能会旋转，找到同时对移动和旋转不变的量是很重要的。利用自相关矩阵的特征值可以达到这个目的。 　　(2) 特征点的匹配 　　在提取出特征点之后，就该对特征点进行匹配，匹配的关键之处在于给每一个特征点附加一个独特的标记，以方便于识别特征点。这些用来描述特征的标记统称为特征描述符。描述符广泛应用于纹理分类，图像检索，匹配等领域。为某一点建立描述符需要计算该点周围邻域的像素特征，这些特征可以是局部区域的灰度值，颜色值或者纹理轮廓。描述符的任务就是将这些特征描述出来，同时要能与其他点区分开来，以完成正确的匹配。 　　3.2 基于机器视觉的三维重建优