基于圖片序列的三維重建技術探究

陳思思

摘要：基于圖片序列的三維重建技術的應用成本較低、操作更加簡易，因此受到7更多的關注與使用?；诖?，本文針對超大規模數據集、超大分辨率的圖像特征進行提取與匹配的難點，提出了基于哈希的全局哈希匹配算法，并以分層重構、內參初始化、多視圖重構、重構流程為切入點，闡述了基于圖片序列的三維重建。

關鍵詞：圖片序列 三維重建技術 全局哈希匹配

引言

現階段，計算機視覺技術不斷發展，也愈加成熟，被應用于更多的領域中，包括輔助醫療、建筑可視化、古文物展示、電腦游戲產業、三維立體電影、虛擬現實等等，主要為各個行業領域提供具有高真實感的三維模型。其中，基于圖片序列的三維重建技術的應用成本較低、操作更加簡易，因此受到了更多的關注、研究與應用。在基于圖片序列的三維重建技術支持下，能夠對一組隨意拍攝的圖片序列完成相機運行位置、有紋理場景的三維模型重建，使用價值更高。

1圖片集合特征匹配

在基于圖片序列的三維建模過程中需要重點對超大規模數據集、超大分辨率的圖像特征進行提取與匹配，而原有的提取與匹配方式已經無法滿足的當前的需求。因此，提出一種更高效、快速的匹配算法更加重要。

針對這一情況.筆者提出了基于哈希的全局哈希匹配算法。當圖片的數量較大時，使用兩兩匹配的效率較低。此時，若是可以在點匹配前就得到圖像直接的匹配關系，則能夠實現匹配速度的提升。為了實現這一目標，可以應用全局迭代哈希匹配（計算）的方式完成圖片集合特征匹配，確保能夠在圖片量大、關系較稀的背景下提升匹配速度。

全局迭代哈希計算過程如下對圖像集合構建其圖像的哈希特征，并完成編碼接著后建起初始匹配圖與候選匹配圖最終實現完全匹配。其中，在構建圖像的哈希特征時，可以將哈希分桶中桶的個數是作為圖像哈希特征的維度，將特征點落人哈希桶中的個數作為相應維度的值，完成表示圖像全局特征的哈希特征構建。

2基于圖片序列的三維重建

2.1分層重構

在不清楚相機的坐標位置和方向、但是了解第二個相機相對于第一個相機的位置與方向時，并不能得出相機相對世界坐標系的絕對位置、或是場景點的位置坐標，最多能夠了解到場景點相對于相機的位置。結合歐幾里得變換，能夠完成重建三維模型與真實三維場景的變換。此時，利用公式pm= KR^T（M -C），可以得到第一幅圖像與第二幅圖像的投影公式。由于在計算中并不了解R與C，因此可以引入歐幾里得變換，設M= Rir（M_C1），則能夠得到p，m1= KiM;p2m2= K2R2rRIM+ K2R2r（cl - C2）。以此夠得出M，其與實際的M僅相差一個歐幾里得變換。

在僅掌握第二個相機相對于第一個相機的方向、且距離未知的條件下，可以使用測度重建結合歐幾里得變換的方式完成重建三維模型與真實三維場景的變換。在這一過程中，需要使用對極幾何公式Pe2e2= K2R2r（c1 - Cz）。在僅掌握第二個相機相對于第一個相機的方向、且相機內參未知的條件下，可以使用仿射重建的方式。此時，重建三維模型的坐標系與真實世界坐標系之間僅相差一個仿射變換。若是在相機之間的相對方位也未掌握、僅了解兩幅圖像之間的直接對應點關系時，可以利用攝影重構的方式完成三維場景的重建。

2.2內參初始化

想要對相機運動以及空間結構進行恢復，就必須要提前輸入或是預估圖像的相機內參數，可以使用相機拍攝標定物的方式完成相機內參數的估計，也可以使用電子相機提供的圖片文件信息實現。

當利用固定焦距的電子相機完成圖片捕捉時，相機內參保持不變，因此，在使用相機相同且放大倍數不更改的條件下，能夠對所有的圖片完成相同內參矩陣的估計。使用這一方式得出的內參精度較高，但是工作量較大，且對于采集圖片的要求更高。

為了彌補這一不足，可以使用電子相機提供的圖片文件信息實現相機內參數的估計。對于電子相機圖片來說，其能夠同時保存更加多元的信息，包括焦距、快門速度、光圈大小、型號、制造商等等。利用這些信息，能夠完成相機焦距的提取，并估計相應的相機內參。

2.3多視圖重構

對于一對給定的圖像來說，在已知相機參數以及圖像對應點關系的條件下，結合三角定位能夠重建出對應點的空間坐標。需要注意的是，在這樣的計算方式下，得到的空間坐標并非是物體實際的空間坐標。所以，也需要對兩兩圖像獲取的三維空間點進行整合，將其轉換到同一尺度的坐標系下，完成場景三維空間結構的獲取。

另外，在噪音的影響下，利用采集圖像完成的特征檢測與匹配會性存在一定的誤差。利用這些誤差，在匹配計算的支持下，能夠獲取一組三維坐標的初始估計、基于不同圖像的視圖參數的初始估計。筆者在實踐中發現，為了獲取更加精確的三維重建結構，就必須要對三維結構以及視圖參數展開集束調整優化。

2.4重構流程

三維重構的主要步驟如下：第一，確定基準圖像對。此時，需要對圖像匹配對中符合單應關系的特征點比例完成計算，并在匹配點對數大于200的匹配對中選擇最低比例的匹配對。第=，基準結構初始化。此時，要結合上一步驟中確定的基準圖像對完成基礎矩陣的計算，并使用初始化內參完成基準攝像矩陣對的獲取。同時，要對匹配對展開三角化，得出初始的空間點集，并在集束調整優化的支持下完成參數更新。第三，展開迭代重建。在這一過程中，應當先完成重建候選圖像的確定與加入，接著估計相機位置，最后實現集束調整。第四，實現全局優化。要對所有的三維空間點、圖像相機位置展開全局性二道集束調整優化，確?？臻g結構的更加合理。

另外，由于特征點比場景圖片的數量更少，因此能夠獲取的三維空間點數量也較少，并不能更好的滿足場景建模的需求。在這一情況下，可以使用基于片面模型的PMVS算法獲得稠密的點云數據，提升三維重建的質量。

3總結

綜上所述，在基于圖片序列的三維建模過程中，需要重點對超大規模數據集、超大分辨率的圖像特征進行提取與匹配，因此使用基于哈希的全局哈希匹配算法能夠提升匹配速度。通過分層重構、內參初始化、多視圖重構，并在遵循重構流程的方式下，實現了基于圖片序列的三維重建。

參考文獻

[1]楊靜.基于多視圖的非增量式三維重建關鍵技術的研究與應用[D].中國科學院大學（中國科學院沈陽計算技術研究所），2018，

[2]羅米，趙霞，陳萌等.基于分段式序列圖片集的運動恢復結構[J].計算機工程與應用，2018，54（22）： 205-210+245.