當(dāng)然在本發(fā)明中，我們對(duì)上述濾波算法不做具體限定，還可 W使用其他的濾波算法，只要其能實(shí)現(xiàn)本發(fā)明的目的，都包括在本發(fā)明的內(nèi)容中。
[0043] 在步驟S2中，使用最鄰近匹配算法進(jìn)行初始的特征匹配，得到初始的匹配點(diǎn)，具 體步驟如下：
[0044] S21根據(jù)第一待匹配圖像中的第一點(diǎn)的第一特征向量Va，獲取第二待匹配圖像中 所有的特征向量中距離第一點(diǎn)的特征向量Va最近的第二點(diǎn)的特征向量Vb和第S點(diǎn)的特征 向量Vc。簡(jiǎn)單來說，在該里通過特征向量計(jì)算兩點(diǎn)之間的距離來來尋找距離最近的點(diǎn)。在 初始特征匹配的過程中，我們依據(jù)第一待匹配圖像中的第一點(diǎn)在第二待匹配圖像中尋找與 之距離最近的點(diǎn)W進(jìn)行匹配，具體來說，我們計(jì)算第二待匹配圖像中所有特征向量與第一 點(diǎn)對(duì)應(yīng)的特征向量Va之間的距離，然后提取距離相對(duì)最近的兩個(gè)點(diǎn)（上述第二點(diǎn)和第S 點(diǎn)）作為候選的匹配點(diǎn)。
[0045] S22獲取第二特征向量Vb與第一特征向量Va之間的第一距離值dist(Va，Vb)，同 時(shí)獲取第S特征向量Vc與第一特征向量Va之間的第二距離值dist(Va，Vc)。在該一步驟 中，具體來說，得到了上述第二點(diǎn)和第=點(diǎn)之后，我們就利用該兩點(diǎn)分別計(jì)算距離第一點(diǎn)之 間的距離值尋找與第一點(diǎn)匹配的點(diǎn)。
[0046]S23將第一距離值dist(Va，Vb)與第二距離值dist(Va，Vc)進(jìn)行比對(duì)，若第一距離 值dist(Va，Vb)與第二距離值dist(Va，Vc)的比值小于預(yù)設(shè)闊值T，該里T為0. 36,則第二 待匹配圖像中的第二點(diǎn)與第一待匹配圖像中的第一點(diǎn)匹配，得到初始的匹配點(diǎn)對(duì)。具體來 說，若dist(Va，Vb)/dist(Va，Vc) <T，則說明第二點(diǎn)Vb既為第一點(diǎn)Va的匹配點(diǎn)；當(dāng)然，同理 地，若dist(Va，Vc)/dist(Va，Vb) <T，則說明第S點(diǎn)Vc既為第一點(diǎn)Va的匹配點(diǎn)。另外，該里 說的預(yù)設(shè)闊值T為在進(jìn)行初始匹配之間設(shè)定的一個(gè)闊值，該預(yù)設(shè)闊值T可W根據(jù)具體的情 況進(jìn)行選取，理論上來說，預(yù)設(shè)闊值T選取的越小，則匹配出來的點(diǎn)精確度越高。
[0047] 在步驟S3中，使用RANSAC算法剔除匹配點(diǎn)對(duì)中的誤匹配點(diǎn)對(duì)。我們都知道，無論 采用哪種匹配算法都不可能使匹配點(diǎn)的準(zhǔn)確率達(dá)到百分之百，匹配點(diǎn)中通常都會(huì)含有誤匹 配。然而匹配點(diǎn)對(duì)的準(zhǔn)確率對(duì)于后續(xù)的重建步驟很重要，因此就要盡可能的消除誤匹配點(diǎn) 對(duì)，可W通過采用RANSAC算法來剔除誤匹配點(diǎn)，也可W采用其他的算法進(jìn)行剔除，只要能 實(shí)現(xiàn)本發(fā)明的目的的都可W。
[0048] 在步驟S4中，基于種子點(diǎn)對(duì)進(jìn)行稠密傳播，具體步驟如下：
[0049] 對(duì)于稠密匹配部分，W已知的種子點(diǎn)為核屯、，在種子點(diǎn)周圍一個(gè)3*3或者4*4的范 圍內(nèi)捜索候選點(diǎn)的匹配點(diǎn)。并計(jì)算候選區(qū)域內(nèi)各點(diǎn)與種子點(diǎn)的ZNCC值，然后隨所有的ZNCC 值排序，ZNCC值最大的點(diǎn)對(duì)應(yīng)的點(diǎn)就是匹配點(diǎn)。
[0化0] S41基于第一待匹配圖像和第二待匹配圖像選擇相似性函數(shù)。一般來說，判斷兩幅 圖像（第一待匹配圖像和第二待匹配圖像）之間的相似性的函數(shù)有；零均值歸一化互相關(guān) 函數(shù)狂NCC)和差值平方和（（SSD,sumofsquaredifferences)。
[CK)5U 在本發(fā)明中，我們使用的ZNCC算法作為目標(biāo)函數(shù)：
[0化2]
【主權(quán)項(xiàng)】
1. 一種基于區(qū)域增長(zhǎng)的三維點(diǎn)云重建方法，其特征在于，所述稠密匹配方法利用已知 的種子點(diǎn)對(duì)來搜尋新的匹配點(diǎn)對(duì)，以將匹配關(guān)系傳播給其他的點(diǎn)對(duì)，具體步驟包括： Sl使用濾波算法分別濾除第一待匹配圖像和第二待匹配圖像中的噪聲； S2使用最鄰近匹配算法對(duì)第一待匹配圖像和第二待匹配圖像進(jìn)行初始的特征匹配，得 到初始的匹配點(diǎn)對(duì)； S3剔除所述匹配點(diǎn)對(duì)中的誤匹配點(diǎn)對(duì)，將剩余的匹配點(diǎn)對(duì)作為種子點(diǎn)對(duì)； S4基于所述種子點(diǎn)對(duì)進(jìn)行稠密傳播； S5基于所述匹配點(diǎn)對(duì)獲取基礎(chǔ)矩陣，通過所述基礎(chǔ)矩陣實(shí)現(xiàn)全局幾何約束。
2. 如權(quán)利要求1所述的一種基于區(qū)域增長(zhǎng)的三維點(diǎn)云重建方法，其特征在于：在步驟 Sl中，所述濾波算法為均值濾波算法或中值濾波算法。
3. 如權(quán)利要求1或2所述的一種基于區(qū)域增長(zhǎng)的三維點(diǎn)云重建方法，其特征在于，在步 驟S2中，使用最鄰近匹配算法進(jìn)行初始的特征匹配，得到初始的匹配點(diǎn)，具體步驟如下： S21根據(jù)第一待匹配圖像中的第一點(diǎn)的第一特征向量Va，獲取第二待匹配圖像中所有 的特征向量中距離第一點(diǎn)的特征向量Va最近的第二點(diǎn)的特征向量Vb和第三點(diǎn)的特征向量 Vc ； S22獲取第二特征向量Vb與第一特征向量Va之間的第一距離值dist (Va，Vb)，同時(shí)獲 取第三特征向量Vc與第一特征向量Va之間的第二距離值dist (Va，Vc); S23將所述第一距離值dist (Va，Vb)與第二距離值dist (Va，Vc)進(jìn)行比對(duì)，若第一距離 值dist(Va，Vb)與第二距離值dist(Va，Vc)的比值小于預(yù)設(shè)閾值，則第二待匹配圖像中的 第二點(diǎn)與第一待匹配圖像中的第一點(diǎn)匹配，得到初始的匹配點(diǎn)對(duì)。
4. 如權(quán)利要求3所述的一種基于區(qū)域增長(zhǎng)的三維點(diǎn)云重建方法，其特征在于：在步驟 S3中，使用RANSAC算法剔除匹配點(diǎn)對(duì)中的誤匹配點(diǎn)對(duì)。
5. 如權(quán)利要求4所述的一種基于區(qū)域增長(zhǎng)的三維點(diǎn)云重建方法，其特征在于：在步驟 S4中，基于所述種子點(diǎn)對(duì)進(jìn)行稠密傳播，具體步驟如下： S41基于所述第一待匹配圖像和第二待匹配圖像選擇相似性函數(shù)； S42選取所述種子點(diǎn)對(duì)中的至少一對(duì)點(diǎn)，以所述相似性函數(shù)作為目標(biāo)函數(shù)，同時(shí)以選取 的所述至少一對(duì)點(diǎn)作為基礎(chǔ)點(diǎn)對(duì)按照區(qū)域增長(zhǎng)的方式進(jìn)行稠密傳播。
6. 如權(quán)利要求5所述的一種基于區(qū)域增長(zhǎng)的三維點(diǎn)云重建方法，其特征在于：在步驟 S41中采用ZNCC算法作為目標(biāo)函數(shù)：
其中：ZNCC表示兩幅圖像的模板窗之間的歸一化互相關(guān)系數(shù)， X = (X，y)表示一個(gè)像素點(diǎn)； I(x+i)表示圖像在像素坐標(biāo)χ+i處的灰度值。 7(λ·)表示圖像在像素 X處的灰度平均值。
7. 如權(quán)利要求5所述的一種基于區(qū)域增長(zhǎng)的三維點(diǎn)云重建方法，其特征在于：在所述 步驟S42中，以選取的所述至少一對(duì)點(diǎn)作為基礎(chǔ)點(diǎn)對(duì)按照區(qū)域增長(zhǎng)的方式進(jìn)行稠密傳播， 具體過程如下： 所述第一待匹配圖像中的第四點(diǎn)aL與在第二待匹配圖像中的第五點(diǎn)aR為一對(duì)匹配 點(diǎn)，第六點(diǎn)bL和第七點(diǎn)cL分別與第一待匹配圖像中第四點(diǎn)aL相鄰，則當(dāng)在第二待匹配圖 像中對(duì)第一待匹配圖像中的第六點(diǎn)bL和第七點(diǎn)cL進(jìn)行匹配時(shí)，在第二待匹配圖像中的第 五點(diǎn)aR周圍進(jìn)行稠密傳播即可獲取相應(yīng)的匹配點(diǎn)。
8.如權(quán)利要求5所述的一種基于區(qū)域增長(zhǎng)的三維點(diǎn)云重建方法，其特征在于：在所述 步驟S42中，以選取的所述至少一對(duì)點(diǎn)作為基礎(chǔ)點(diǎn)對(duì)按照區(qū)域增長(zhǎng)的方式進(jìn)行稠密傳播， 具體過程如下： 所述第一待匹配圖像中的第八點(diǎn)dL與第二待匹配圖像中的第九點(diǎn)dR為一對(duì)匹配點(diǎn)， 所述第一待匹配圖像中的第十點(diǎn)eL與第二待匹配圖像中的第十一點(diǎn)eR為另一對(duì)匹配點(diǎn)， 且點(diǎn)P分別與第一待匹配圖像中第八點(diǎn)dL和第十點(diǎn)eL相鄰，則當(dāng)在第二待匹配圖像中對(duì) 第一待匹配圖像中的點(diǎn)P進(jìn)行匹配時(shí)，在第二待匹配圖像中的第九點(diǎn)dR和第十一點(diǎn)eR周 圍進(jìn)行稠密傳播即可獲取相應(yīng)的匹配點(diǎn)。
【專利摘要】本發(fā)明提供了一種基于區(qū)域增長(zhǎng)的三維點(diǎn)云重建方法，其利用已知的種子點(diǎn)對(duì)來搜尋新的匹配點(diǎn)對(duì)，以將匹配關(guān)系傳播給其他的點(diǎn)對(duì)，具體步驟包括：使用濾波算法分別濾除第一待匹配圖像和第二待匹配圖像中的噪聲；使用最鄰近匹配算法對(duì)第一待匹配圖像和第二待匹配圖像進(jìn)行初始的特征匹配，得到初始的匹配點(diǎn)對(duì)；剔除匹配點(diǎn)對(duì)中的誤匹配點(diǎn)對(duì)，且將剩余的匹配點(diǎn)對(duì)作為種子點(diǎn)對(duì)；基于種子點(diǎn)對(duì)進(jìn)行稠密傳播；基于匹配點(diǎn)對(duì)獲取基礎(chǔ)矩陣，通過基礎(chǔ)矩陣實(shí)現(xiàn)全局幾何約束。本發(fā)明提供的方法利用連續(xù)性這一原則，可以知道若某一點(diǎn)與一個(gè)已知的匹配點(diǎn)臨近，那么該點(diǎn)對(duì)應(yīng)的匹配點(diǎn)也位于已知的匹配點(diǎn)附近，這樣利用連續(xù)性約束極大地提高了稠密匹配的效率。
【IPC分類】G06T17-00
【公開號(hào)】CN104867183
【申請(qǐng)?zhí)枴緾N201510317432
【發(fā)明人】張偉, 秦嘉卓, 尤新革, 張彩平
【申請(qǐng)人】華中科技大學(xué)
【公開日】2015年8月26日
【申請(qǐng)日】2015年6月11日