基于多视图的建筑物三维重建技术研究.pdf

基于多视图的建筑物三维重建技术研究

摘要

当前基于多视图的三维重建在建筑、数字媒体、自动导航等方向需求持续增长，例

如数字城市领域对于三维数字化城市建设的需求，房地产行业中对VR全景看房业务的

需求等。但由于问题涉及算法众多且内容复杂，在大规模场景的高精度实时性重建方面

仍有许多不足，还需要进一步的研究和探索。本研究面向多视图建筑物三维重建，主要

内容包括特征提取和消除误匹配、建筑物点云重建、建筑物点云直线特征增密等部分。

后续对前文的所有算法流程进行整合，基于Qt设计建筑物三维重建软件集成平台。

首先，本文针对SIFT算法在建筑物数据集容易丢失细节信息的问题,使用AKAZE

算法提取细节特征。在消除误匹配算法研究上，针对RANSAC方法匹配特征点时间消

耗过大的问题,采用基于网格的快速超稳健特征运动统计算法（GMS），并且提出AKAZE

算法和GMS算法结合进行特征提取和消除误匹配进行优化，提高了特征点提取数量及

算法效率。

其次,针对增量式SFM算法进行优化。首先针对无序图片求解消耗资源大的问题，

根据图片序列关系和内点率分布对构建关联图序列进行优化，提出结合了一种内点率定

序构建关联图的方法，在基于图片序列的基础上，结合图片相似度和内点率分布对构建

关联图序列进行双重筛选，能够提升图片定序的效率和质量；其次分析光束平差法的误

差来源，从定序图片分区来减少光照和视角切换带来的误差，并结合强特征点对其进行

优化，提出了一种基于强特征点的光束平差法优化方法，在进行光束平差计算时，依据

强特征点的序号分布优先使用强特征点能够提升精度并减少计算的消耗，从而减少迭代

误差的累计。后续根据建筑物线性特征的特点，提出了基于点云直线特征增密优化算法，

计算出建筑物直线投影长度和角度的同时，并把其加入点云膨胀的约束条件，对建筑结

构模型进行优化，对于建筑物缺失信息能够进行增补。最后，对生成的稠密点云采用泊

松算法进行表面重建，完成三维重建。

最后，对前文的所有算法流程进行整合，从特征匹配及消除误匹配、生成点云及加

密、泊松重建及生成文件三个部分出发设计了人机交互界面，进行结果展示并对上述改

进进行了验证。

关键词：三维重建；特征提取；消除误匹配；点云线性特征；光束平差法

基于多视图的建筑物三维重建技术研究

Abstract

Thedemandfor3Dreconstructionbasedonmultipleviewscontinuestogrowinareas

suchasarchitecture,digitalmedia,andautomaticnavigation,suchasthedemandfor3Ddigital

cityconstructioninthedigitalcityfieldandthedemandforVRpanoramicviewingbusinessin

therealestateindustry.However,duetothenumerousalgorithmsinvolvedandthecomplexity

ofthecontent,therearestillmanyshortcomingsinhigh-precisionreal-timereconstructionof

large-scalescenes,andfurtherresearchandexplorationareneeded.Thisstudyfocuseson3D

reconstructionofmultiviewbuildings,mainlyincludingfeatureextractionandeliminationof

mismatches,buildingpointcloudreconstruction,andbuildingpointcloudlinefeature

densification.Subsequently,integrateallthealgorithmpr