一種基于立體視覺的犯罪現(xiàn)場重構(gòu)裝置及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及影像重現(xiàn)領(lǐng)域，尤其是一種應(yīng)用于犯罪現(xiàn)場的基于立體視覺效果的影 像重構(gòu)裝置及方法。
【背景技術(shù)】
[0002] 犯罪現(xiàn)場重建技術(shù)作為偵查學(xué)中現(xiàn)場勘查一個新的研究理論，自上世紀90年代 以來逐漸受到各國偵查學(xué)界的重視。在實踐中，公安部門也在一些案件的偵辦中運用到了 犯罪現(xiàn)場重建的方法，并成功偵破一些大案。所謂場景重建主要是現(xiàn)場空間環(huán)境及物品的 位置、狀態(tài)等的整體布局的靜態(tài)描述和顯現(xiàn)。犯罪現(xiàn)場的狀態(tài)采集對于掌握破案的第一手 資料，確定破案的方向具有極其重要的作用。
[0003] 采取立體視覺的方法，通過軟硬件設(shè)計，對犯罪現(xiàn)場進行立體重構(gòu)，構(gòu)建一個直觀 的、連續(xù)的、整體的現(xiàn)場環(huán)境，為破案提供依據(jù)?，F(xiàn)今較為成熟的犯罪現(xiàn)場重建方法大都是 處于照片的階段，建立在對現(xiàn)場采集的照片的分析基礎(chǔ)上，人為模擬犯罪現(xiàn)場，這種方法收 集的照片通常是散亂而非直觀的，提供的線索具有很大的限制，而且工作繁瑣，需要昂貴的 器材和專業(yè)人員。隨著科技的發(fā)展，虛擬現(xiàn)實技術(shù)得到了廣泛應(yīng)用，利用虛擬現(xiàn)實技術(shù)，計 算機可以產(chǎn)生和再現(xiàn)一個三維的虛擬案發(fā)環(huán)境和現(xiàn)場，讓偵查人員產(chǎn)生身臨其境的感覺。 但以上兩種方法僅關(guān)注了對現(xiàn)場整體環(huán)境的重建，并不是真實的犯罪現(xiàn)場再現(xiàn)，不能對某 些關(guān)鍵部位進行精確建模，所以也不能為破案提供準確的依據(jù)，影響案情的偵查。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明目的在于克服現(xiàn)有技術(shù)中的不足，提供一種融合立體視覺和三維重建技 術(shù)、重建犯罪現(xiàn)場三維模型的基于立體視覺的犯罪現(xiàn)場重構(gòu)裝置及方法。
[0005] 為實現(xiàn)上述目的，采用了以下技術(shù)方案：
[0006] 本發(fā)明所述裝置由360度全景云臺、數(shù)碼相機和上位機組成；數(shù)碼相機安裝在360 度全景云臺上，數(shù)碼相機通過USB數(shù)據(jù)線與上位機連接；數(shù)碼相機進行全景球面拍攝，所攝 圖片實時傳給上位機，上位機對圖片進行處理和場景重建。
[0007] 本發(fā)明所述方法是通過數(shù)碼相機進行全景球面拍攝，所得圖片實時傳送至上位 機，在上位機內(nèi)對獲取的圖片進行圖片匹配算法，利用SIFT特征檢測和匹配，并用光束平 差法進行處理，經(jīng)過光束平差法標定出相機參數(shù)后，計算出每個特征點的三維信息，利用三 維重構(gòu)算法對每個特征點三維信息，生成密集點云，再對密集點云三角化等處理生成點云 模型，重建現(xiàn)場圖像。
[0008] 其中，所述圖片匹配算法是利用SIFT特征檢測和匹配算法，利用尺度不變特征變 換的特性，提取每個圖片中的關(guān)鍵點，再通過比測試的方法測試兩兩圖像對特征的相似度 進行匹配。
[0009] 所述三維重構(gòu)算法是PMVS和CMVS算法，通過PMVS和CMVS加密算法生成密集點 云，利用立體匹配得到的匹配點，根據(jù)空間坐標系和攝像機坐標系之間的關(guān)系，通過一個光 束平差法來得到二維點反投影到空間中的三維坐標，大量的匹配點最終會得到三維點云模 型；所述的PMVS算法是基于塊擴展，所述的CMVS算法是對計算出的稀疏點云加密。
[0010] 所述光束平差法是基于SIFT特征匹配得到的像素點對應(yīng)關(guān)系迭代地運行一個由 運動到結(jié)構(gòu)的SFM步驟計算相機參數(shù)，迭代優(yōu)化估計相機參數(shù)和空間三維點坐標。
[0011] 工作過程大致如下：
[0012] 數(shù)碼相機安裝在360度全景云臺上，利用數(shù)碼相機根據(jù)需要拍攝犯罪現(xiàn)場任意方 向的場景，并對某些特殊部位拍攝多幅圖片以用于精密重構(gòu)，獲取的圖片信息通過USB數(shù) 據(jù)線傳輸給上位機，在上位機中利用SIFT特征檢測和匹配對圖片信息進行處理，并用光束 平差法再進行處理，經(jīng)過光束平差法標定出相機參數(shù)后，計算出每個特征點的三維信息，利 用三維重構(gòu)算法對每個特征點三維信息，生成密集點云，再對密集點云三角化等處理生成 點云模型，重建現(xiàn)場圖像。另外，可控制全景云臺的旋轉(zhuǎn)速度等參數(shù)來控制基線選取的大 小。
[0013] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點：
[0014] 1、采取立體視覺的方法，通過軟硬件的設(shè)計，對犯罪現(xiàn)場進行立體重構(gòu)，構(gòu)建一個 直觀的、連續(xù)的、整體的犯罪現(xiàn)場環(huán)境，為破案提供更準確依據(jù)。
[0015] 2、在處理圖片匹配信息時可根據(jù)需要刪去冗余圖片和錯誤匹配點，節(jié)省時間成本 并能有效提尚準確性。
【附圖說明】
[0016] 圖1是本發(fā)明裝置的硬件連接框圖。
[0017] 圖2是本發(fā)明方法的算法流程圖。
[0018] 圖3是本發(fā)明方法的立體匹配算法流程圖。
[0019] 圖4是本發(fā)明方法的光束平差法為核心的算法流程圖。
[0020] 圖5是本發(fā)明方法的基于塊模型的PMVS算法流程圖。
[0021] 圖6是本發(fā)明方法的基于圖像集劃分的分部重構(gòu)算法流程圖。
[0022] 圖7是本發(fā)明的一個模擬犯罪現(xiàn)場的實驗效果圖。
【具體實施方式】
[0023] 下面結(jié)合附圖對本發(fā)明做進一步說明：
[0024] 如圖1所示的本發(fā)明的硬件連接框圖中，本發(fā)明所述裝置由360度全景云臺、數(shù)碼 相機和上位機組成；數(shù)碼相機安裝在360度全景云臺上，數(shù)碼相機通過USB數(shù)據(jù)線與上位機 連接；數(shù)碼相機進行全景球面拍攝，所攝圖片實時傳給上位機，上位機對圖片進行處理和場 景重建。
[0025] 本發(fā)明所述方法是通過數(shù)碼相機進行全景球面拍攝，所得圖片實時傳送至上位 機，在上位機內(nèi)對獲取的圖片進行圖片匹配算法，利用SIFT特征檢測和匹配，并用光束平 差法進行處理，經(jīng)過光束平差法標定出相機參數(shù)后，計算出每個特征點的三維信息，利用三 維重構(gòu)算法對每個特征點三維信息，生成密集點云，再對密集點云三角化等處理生成點云 模型，重建現(xiàn)場圖像。
[0026] 其中，所述圖片匹配算法是利用SIFT特征檢測和匹配算法，利用尺度不變特征變 換的特性，提取每個圖片中的關(guān)鍵點，再通過比測試的方法測試兩兩圖像對特征的相似度 進行匹配。
[0027] 所述三維重構(gòu)算法是PMVS和CMVS算法，通過PMVS和CMVS加密算法生成密集點 云，利用立體匹配得到的匹配點，根據(jù)空間坐標系和攝像機坐標系之間的關(guān)系，通過一個光 束平差法來得到二維點反投影到空間中的三維坐標，大量的匹配點最終會得到三維點云模 型；所述的PMVS算法是基于塊擴展，所述的CMVS算法是對計算出的稀疏點云加密。
[0028] 所述光束平差法是基于SIFT特征匹配得到的像素點對應(yīng)關(guān)系迭代地運行一個由 運動到結(jié)構(gòu)的SFM步驟計算相機參數(shù)，迭代優(yōu)化估計相機參數(shù)和空間三維點坐標。對于這 個問題，空間三維點的坐標是未知的，相機參數(shù)也是未知的，已知的是空間點在圖像中的成 像位置，該算法就是要同時迭代優(yōu)化相機參數(shù)和三維點信息，也就是最小化所有三維點到 可見圖像的總的重投影誤差來估計相機姿態(tài)和三維點坐標。
[0029] 由于犯罪現(xiàn)場是一個立體的空間，針對該發(fā)明我們將相機連接到一個全景云臺， 隨著云臺旋轉(zhuǎn)可以拍攝任意角度和方向的場景。對場景中可能出現(xiàn)的重復(fù)重構(gòu)和相機失真 等問題，本發(fā)明在算法中做了改進，以消除這些重復(fù)重構(gòu)和失真。
[0030] 以下結(jié)合附圖做進一步說明。
[0031]圖1為本發(fā)明裝置的硬件連接框圖，采用數(shù)碼相機對場景進行多角度任意數(shù)量的 拍攝，經(jīng)過USB數(shù)據(jù)線傳輸?shù)缴衔粰C做下一步的處理。
[0032] 圖2為本發(fā)明方法的算法流程圖，在上位機中對數(shù)碼相機獲取的圖片進行SIFT特 征匹配，并用光束平差法進行處理，計算每個特征點的三維信息，通過CMVS和PMVS加密算 法生成密集點云，再對密集點云三角化等處理生成點云模型。
[0033] 圖3是本發(fā)明方法的立體匹配算法流程圖，其中圖3(a)是一個立體視覺模型，圖 3(b)是算法步驟，圖3(c)是一個簡單的實驗效果圖。立體匹配就是通過找到兩個相機獲取 的左圖像和右圖像中的特征點，匹配這些特征。
[0034] SIFT特征提取算法的第一步就是在圖像中查找不同尺度空間下都穩(wěn)定存在的特 征，得到這些特征的位置和對應(yīng)關(guān)系。
[0035] SIFT提取特征的第二步是精確定位極值點，第三步是計算關(guān)鍵點方向參數(shù)，為了 達到旋轉(zhuǎn)不變性，SIFT算