当前位置：文档之家 › 一种基于单相机三维重建的简单方法

一种基于单相机三维重建的简单方法

  • 格式：pdf
  • 大小：993.00 KB
  • 文档页数：4

下载文档原格式

  / 4

合集下载

单相机三维视觉成像技术研究进展

单相机三维视觉成像技术研究进展

随着科技的不断进步和应用场景的不断扩大，三维视觉成像技术的研究也变得越来越重要。

单相机三维视觉成像技术是一种基于单一相机图像信息的立体视觉成像技术，具有成本低、安装简便、适用于不同尺度和场景、重建精度高等优点。

本文将从单相机三维视觉成像技术的概念、特点、优点等方面进行详细阐述，并对其研究进展进行概述。

一、概念单相机三维视觉成像技术，顾名思义，是通过单个摄像机获取物体的二维图像，并将其转化为三维视图。

在三维视觉成像的过程中，主要考虑到光影、颜色、形状等因素，通过计算实现对目标物体的三维重建。

这一技术已广泛应用于自动驾驶、机器人视觉导航、虚拟现实等领域。

二、特点1. 成本低廉：相比于其他三维视觉成像技术，单相机三维视觉成像技术成本相对较低，易于普及和推广。

2. 安装便捷：不需要进行多个相机的安装和调试，只需要一个摄像头即可，大大减少安装和维护成本。

3. 适用于不同尺度和场景：无论是室内、室外、近距离、远距离都可以适用，能够适应不同环境下的数据需求。

4. 重建精度高：功能强大的算法可以实现对目标物体的高精度重建，达到实时监控和数据识别的目的。

三、优点1. 可以实时获取数据：传统的三维成像技术需要几秒钟至几分钟不等的时间来实现数据获取，而单相机三维视觉成像技术可以实时获取目标物体的三维数据。

2. 可以实现远程控制：利用单相机三维视觉成像技术，可以通过网络进行远程控制，获取目标物体的数据和信息，实现实时监控和操作。

3. 可以实现多种功能：通过利用单相机三维视觉成像技术，可以实现多种功能，如人脸识别、虚拟现实、机器视觉导航等。

四、研究进展近年来，单相机三维视觉成像技术在自动驾驶、机器视觉、虚拟现实等领域得到了广泛的应用。

相应地，也有很多研究者对其进行了深入的研究和探索，旨在提高其重建精度和应用范围。

以下是其中的一些研究进展：1. 针对研究者对单相机3D 重建的需求和后期操作的需要，基于深度学习和场景几何基础进行研究，提出了基于单张RGB 图像的高精度3D 重建方法。

基于tof相机的三维重建技术

基于tof相机的三维重建技术

Ｋｅｙｗｏｒｄｓ ３Ｄ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ Ｍｕｌｔｉｌａｔｅｒａｌｆｉｌｔｅｒ Ｉｔｅｒａｔｉｖｅｃｌｏｓｅｓｔｐｏｉｎｔ Ｐｏｉｓｓｏｎｒｅｃｏｎｓｔｒｕｃｔｉｏｎ Ｄｅｐｔｈｍａｐｓ ｆｉｌｌｉｎｇｈｏｌｅｓFra bibliotek０ 引 言
１９６３年，Ｒｏｂｅｒｔｓ提出了从二维图像中重建三维信 息的算法［１］，从二维图像中提取出特征点，然后利用特 征点进行多视图匹配，实现三维场景的重建。二维图 像重建算法复杂度较高且真实感较低。随着消费级深 度相机的出现，三维信息变得触手可及，三维重建领域
a原始采集图b滤波与补空洞之后的图图4smarttof采集的深度图滤波与补空洞结果对多个物体进行了重建随机选取一个物体的三维重建的模型结果如图5所示kinectfusion重建结果部分表面出现明显缺口本文方法可以完整重建物体的表面并且能够很好地将物体与背景分离
第 ３７卷第 ４期 ２０２０年 ４月
计算机应用与软件 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ
Ｖｏｌ３７ Ｎｏ．４ Ａｐｒ．２０２０
基于 ＴｏＦ相机的三维重建技术
贾佳璐 应忍冬 潘光华 郭维谦 刘佩林
（上海交通大学电子信息与电气工程学院 上海 ２００２４０）
摘 要 针对利用 ＴｏＦ相机实现物体的重建提出一种新的三维重建算法，通过分析物体重建过程的特点，对 ＫｉｎｅｃｔＦｕｓｉｏｎ的重建算法进行改进。点云匹配过程包括粗匹配和精匹配两个过程，最后进行全局优化，提高相机 位姿估计的精度，从而得到更精确的三维重建结果。利用泊松重建算法重建物体表面，相比于 ＴＳＤＦ算法，能够 实现完整表面的重建。提出结合强度图对深度图进行多边滤波的算法以及一种新的补空洞法则，增强深度图像。 多边滤波算法在 ＰＳＮＲ和 ＳＳＩＭ的评估中都优于双边滤波结果，提出的三维重建算法与 ＫｉｎｅｃｔＦｕｓｉｏｎ三维重建结 果对比，表面更完整，重建结果更优。 关键词 三维重建 多边滤波 迭代最近点 泊松重建 深度图补空洞 中图分类号 ＴＰ３９１．４ 文献标志码 Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２０．０４．０２１

单目三维重建matlab

单目三维重建matlab

单目三维重建matlab一、概述单目三维重建是指通过单个摄像机拍摄的2D图像，通过计算机算法得到物体的三维模型。

这个技术在计算机视觉、计算机图形学、虚拟现实等领域都有广泛的应用。

本文将介绍如何使用Matlab进行单目三维重建。

二、单目三维重建流程1. 相机标定相机标定是指确定相机内部参数和外部参数的过程。

内部参数包括焦距、主点位置等，外部参数包括相机在世界坐标系下的位置和姿态。

在Matlab中可以使用Camera Calibration Toolbox进行相机标定。

2. 特征提取与匹配特征提取是指从图像中提取出具有独特性质的点或区域，比如角点、边缘等。

匹配是指将两幅图像中对应的特征点进行匹配，以便后续计算物体在3D空间中的位置和姿态。

在Matlab中可以使用Computer Vision Toolbox进行特征提取和匹配。

3. 三角化三角化是指通过已知的相机内外参数和对应的特征点坐标，计算出物体在3D空间中的位置和姿态。

在Matlab中可以使用triangulate函数进行三角化。

4. 点云重建点云重建是指将三角化得到的3D坐标转换成点云，并进行去噪、滤波等处理，以便后续的三维模型构建。

在Matlab中可以使用Point Cloud Processing Toolbox进行点云重建。

5. 三维模型构建三维模型构建是指将点云转换成具有表面的3D模型，常见的方法包括体素网格化、曲面拟合等。

在Matlab中可以使用Mesh Processing Toolbox进行三维模型构建。

三、Matlab工具箱介绍1. Camera Calibration ToolboxCamera Calibration Toolbox是Matlab中用于相机标定的工具箱。

它提供了多种相机标定方法，包括基于棋盘格图像的标定、基于圆盘格图像的标定等。

此外，它还可以自动识别和去除图像畸变，并输出相机内外参数。

2. Computer Vision ToolboxComputer Vision Toolbox是Matlab中用于计算机视觉的工具箱。

一种基于视频监督的单图像三维人脸重建方法[发明专利]

一种基于视频监督的单图像三维人脸重建方法[发明专利]

专利名称：一种基于视频监督的单图像三维人脸重建方法专利类型：发明专利
发明人：孙正兴,骆守桐,武蕴杰,孙蕴瀚
申请号：CN202010824674.9
申请日：20200817
公开号：CN111950477A
公开日：
20201117
专利内容由知识产权出版社提供
摘要：本发明提供了一种基于视频监督的单图像三维人脸重建方法，包括以下步骤：1)构建单图像人脸重建模块：根据视频人脸片段数据集进行训练，训练得到能够从单张人脸图像中重加出基本形状，形状偏移以及反照率图的模型；2)构建姿态光照分解模块：根据视频人脸片段数据集进行训练，得到能够从单张人脸图像中分解出相机姿态和环境光照；3)整体训练框架：包括数据预处理，训练框架设计以及测试三个部分。

本发明实现了端到端的基于视频监督的单图像三维人脸重建，本发明方法可以更有效地从一张人脸图像中重建出人脸的三维几何结构，反照率并恢复出相机的姿态和环境光照。

申请人：南京大学
地址：210023 江苏省南京市鼓楼区汉口路22号
国籍：CN
代理机构：江苏圣典律师事务所
更多信息请下载全文后查看。

基于单相机的飞行器结构表面应变片三维定位方法

基于单相机的飞行器结构表面应变片三维定位方法

基于单相机的飞行器结构表面应变片三维定位方法
李立欣;周书涛;周江帆;董学金;苏志龙;张东升
【期刊名称】《强度与环境》
【年(卷),期】2022(49)4
【摘要】本文介绍了一种基于单相机的应变片三维定位方法,可获取飞行器结构件表面应变片的空间坐标,有助于解决飞行器结构数值仿真计算与试验数据比对的技术难题。

为便于使用,本文采用单个单反相机从多个角度对结构表面进行多视觉重叠成像。

基于透视多点算法,根据光学编码点在相邻帧的图像坐标,解算当前相机相对于参考坐标系的旋转和平移信息。

基于深度学习算法对相机所拍摄图像中的应变片进行自动识别,根据已确定的相机姿态构建相邻帧之间的极线约束,将识别到的应变片进行立体匹配,获得相邻帧之间的立体对应关系。

最后利用三角测量原理对应变片三维坐标进行重构。

实验验证本文方法的定位精度可以达到0.100mm/m。

【总页数】6页(P42-47)
【作者】李立欣;周书涛;周江帆;董学金;苏志龙;张东升
【作者单位】上海大学力学与工程科学学院上海市应用数学与力学研究所;北京强度环境研究所;上海卫星装备研究所
【正文语种】中文
【中图分类】O348.1
【相关文献】
1.基于轴向模态应变能比法的三维桁架结构损伤定位方法
2.基于数据库的三维复杂外形飞行器表面热流快速计算方法
3.基于单目悬停相机的定轴慢旋空间非合作目标三维表面重建
4.基于Kinect相机的土壤表面三维点云配准方法
5.基于结构光和单CCD相机的物体表面三维测量
因版权原因，仅展示原文概要，查看原文内容请购买。

基于单幅图像的三维重建技术

基于单幅图像的三维重建技术
维普资讯
第４ 卷
第２ 期
信 息 与 电 子 工 程
Ｉ ＮＦＯＲＭ ＡＴ ＯＮ Ｉ ＡＮＤ ＥＣ ＥＬ ＴＲＯＮＩ Ｃ ＥＮＧＩ ＮＥＥ ＮＧ ＲＩ
Ｖｏ ． Ｎｏ． １ ４， ２
Ａｐ ． ０ ６ ｒ ，２ ０
２０ ０ ６年 ４月
基 于图像 的三维 重建技 术经多年 研究 已取得 巨大进 展 ，也 产生 了许多有 效 的算 法 ，如 ：代 数法 、迭代法 、 傅里 叶反投 影法 、 积反投影 法等 ¨ 】 基 于图像 的三维重建技 术分为 基于单 幅图像的重建 技术 和基 于多幅 图像 卷 。 的三维重 建技术 。 目前 ，把 多个 二维 图像合 成 三维 图像 ，并加 以光 照和渲染 ，已能生成具 有 强烈真实感 的 三维 图像 ，但其 特征点 匹配是个很 大难点‘ ，而且 至今在世 界上都没有 很好 的解决方法 。 目前 已有多 种基 于单 幅图像 的三维 重建方 法 ，一般是 用手工 方法在 图像 中指定 目标边 缘 ，然 后利用 图像 中 的几何 信息 ，通 过相应矩 阵变换实现 从二维 到三维 的重建过程 。这些方 法大都 需要人 工交互 ，自动化程度 不高 ， 效率也 较低 。文 献【０中提 出了一种 由二维 到三维 的转化算 法 ，虽 然在特定 条件 下可 以逆 向由二维坐标 求取 三 １】 维坐标 ，但 是该 算法 的使 用条件 受到 了严格 限制 ，需要相 机 的拍 摄角度 与水平 面平 行 ，并且 要确定 目标 三维 坐 标系在 二维坐标 系下 的放置关系 。 本文 丢弃 了通常 的通 过矩阵运算进 行二维 到三维 的转换 的算法 ，而 是在直 观几何形 体 的基 础上直接在 空间 中绘 制 ，跨 越 了复杂 的数 学运算 ，简便 快捷 。以所有棱 都垂直 于上下表 面的六 面体 为 目标 ，在未 知相机 内部具 体 参数 的情况下 ，只需 已知相机 的拍摄 角度 ，便可获取 目标 的三维模 型。

基于TOF-3D相机单视角物体表面重建研究

基于TOF-3D相机单视角物体表面重建研究林正日;孙志斌;Pavel Paces;张志博【摘要】物体的三维重建是计算机视觉、虚拟现实、人工智能等领域研究的重点和难点,为了能够更好的重建物体三维表面,文中提出了一种改进的Delaunay三角剖分算法.此算法与原有的逐点插入Delaunay三角剖分算法的不同在于增加了对三角形边长的约束条件,去除了重建过程中不符合要求的三角形,使其重建效果更加真实可靠.并且基于TOF3D相机拍摄得到的目标物体单视角下的点云数据,结合KNN邻域滤波算法验证了改进的Delaunay算法的可靠性和稳定性.本论文中对单视角下物体表面重建的研究为多视角下物体完整表面3维重建的研究与实现奠定了基础.【期刊名称】《电子设计工程》【年(卷),期】2018(026)012【总页数】5页(P50-54)【关键词】TOF 3D相机;点云数据;Delaunay三角剖分;表面重建【作者】林正日;孙志斌;Pavel Paces;张志博【作者单位】中国科学院国家空间科学中心北京100190;中国科学院大学北京100049;中国科学院国家空间科学中心北京100190;捷克技术大学布拉格 16636;捷克技术大学布拉格 16636;中国科学院声学研究所北京100190【正文语种】中文【中图分类】TN219物体表面三维重建是在计算机环境下为物体创建相应的数学模型，并通对模型的分析实现对物体的性质的分析和改善，是计算机领域中对客观物理世界进行虚拟现实表达的关键技术之一。

随着计算机及信息技术的发展，快速有效的物体表面三维重建，在虚拟现实、目标跟踪识别、智能导航等众多军用和民用领域里将发挥重要的作用。

目前国内外许多学者在利用TOF相机实现物体的三维重建方面做了大量的研究。

在国外，Dellen B.等[1]提出了基于Spring-mass模型的三维点云重建方法。

Kuhnert[2]提出了一种场景三维重建的方法，该方法通过把立体相机获取到的彩色距离图像与TOF相机实时获取的灰度距离图像进行融合，能够实时地实现高精度的三维场景重建。

基于单目视觉的三维重建算法研究

基于单目视觉的三维重建算法研究随着计算机视觉技术的不断发展，三维重建技术逐渐成为人们关注的焦点。

三维重建技术可以将二维图像或视频数据转换为三维模型，为许多领域的研究提供了便利。

其中，基于单目视觉的三维重建算法得到了广泛的应用，本文将对其进行深入研究。

一、单目视觉的基本原理单目视觉指的是基于一台单目相机对场景进行观测，从而获得场景的二维图像信息，并通过计算机算法将其转换为三维模型的技术。

单目视觉的基本原理是三角测量，即通过已知摄像机参数和像素坐标，计算物体在三维空间中的位置。

相机的内部参数包括焦距、光圈大小、像素大小等，影响着图像的变形和畸变。

相机的外部参数包括相机和物体间的距离、方向等，也是三维重建的重要参数。

二、基于单目视觉的三维重建算法基于单目视觉的三维重建算法通常分为以下几步：1、相机标定相机标定是指通过一组已知的图像和场景信息，来确定相机内外部参数的过程。

相机标定的结果将直接影响后续算法的准确性和可靠性。

2、图像预处理图像预处理是将原始图像进行去噪、边缘检测、特征提取等操作，得到更加清晰和准确的图像。

特征提取包括角点、边缘、直线等，是后续计算的基础。

3、视差计算视差指的是同一场景在不同视角下对应物体像素之间的距离。

视差计算是通过匹配不同视角下的特征点，并根据特征点之间的距离来得到每个像素点的视差值。

4、深度估计深度估计是根据视差计算结果，将二维图像像素点转化为三维空间中的坐标，确定整个场景的空间结构。

深度估计方法包括基于三角测量、基于运动恢复和基于深度学习等。

5、三维点云重建三维点云指的是场景中所有像素点在三维空间中的坐标数据。

三维点云可以用于可视化、拓扑分析、形状重建等领域。

三、单目视觉三维重建算法的局限性虽然单目视觉的三维重建算法已经比较成熟，但仍存在着一些局限性。

首先，单目视觉需要对场景进行多角度拍摄，消耗时间和资源较大。

其次，单目视觉对于场景光照变化、遮挡等情况比较敏感，对图像质量和图像处理要求较高。

单眼相机图像的三维重建研究

单眼相机图像的三维重建研究随着科技的进步，相机的种类越来越多，单眼相机逐渐开始被人们认识。

单眼相机又称为单目相机，是一种仅有一个透镜的相机设备，同时不像双目相机那样拥有两个透镜。

在过去的几年中，随着计算机视觉和机器视觉领域的发展，单眼相机不但在实际应用中表现更优秀，而且还能够被应用于3D重建领域。

这个时候，一个问题就出现了，如何利用单眼相机进行图像的三维重建研究呢？这一问题也是本文所要探讨的重点。

一、什么是单眼相机图像三维重建无论是我们自己眼睛看到了什么，还是通过相机拍摄下来的照片，实际上我们看到的都是二维的图像。

在三维重建领域中，我们需要从许多二维图像中获取三维模型。

而单眼相机图像的三维重建就是从单个图像中获得三维模型的技术。

二、优势相较于双目相机图像的三维重建，单眼相机图像的三维重建技术还是比较新的。

但是单眼相机图像的三维重建也有自身的优势。

具体表现在以下几个方面：1、操作简单单目相机只需要设定一组相机参数即可使用，不需要分别调整两个摄像头的位置和焦距，对于操作者而言，更加简单易懂，更容易采集到高质量的数据。

2、成本低廉相较于双目相机，使用单目相机进行三维重建的成本更低。

双目相机需要实时精确地计算相机之间的距离，需要更高的硬件配置和计算能力，这增加了双目相机的成本。

3、更广泛的应用场景单目相机可以在很多场景下进行三位重建，比如需要移动或需要抓住物体进行三维重建。

同时，单目相机也非常适合在学校和研究人员中进行学习和研究。

三、单眼相机图像的三维重建方法单眼相机图像的三维重建方法可以分为四个步骤：1、图像预处理对图像进行预处理，包括图像去噪、滤波和调整图像亮度、对比度等操作。

2、姿态估计姿态估计是指估计相机在现实空间中的位置和角度。

在姿态估计中，我们要估计相机的旋转矩阵和平移向量。

3、深度估计深度估计是指估计图像中每个像素点的深度。

深度估计有多种方法，例如斯特里奇（stratified）方法、形态学方法等。

基于单目视觉系统的三维重建方法

基于单目视觉系统的三维重建方法吴福培;方信佳;阳春;李昇平;叶玮琳【期刊名称】《测试技术学报》【年(卷),期】2016(030)005【摘要】以单相机采集的单幅彩色图像为基础，提出了基于单目视觉系统的表面三维形貌重建方法.该方法采用课题组针对该问题设计的多色 LED环形结构光源，通过标定光源内各色 LED的安装高度、入射角度、分布密度，使采集到的彩色图像包含入射光的位置信息.基于视觉系统中提取的入射光信息、图像色彩信息、相机成像模型和图像的灰度信息，建立了三维重建模型，提出了面向微小器件的表面三维重建方法.该方法解决了传统 SFS法反向重建表面形貌的不确定性和慢收敛性问题.实验研究结果表明：采用本文所提方法重建圆形垫圈和六角棱柱型螺母，其重建相对误差分别为-2.2%和-4.43%，证实了采用单相机结合环形光源重建微小物体的表面三维形貌是有效的.【总页数】6页(P369-374)【作者】吴福培;方信佳;阳春;李昇平;叶玮琳【作者单位】汕头大学机械电子工程系，广东汕头 515063;汕头大学机械电子工程系，广东汕头 515063;汕头大学机械电子工程系，广东汕头 515063;汕头大学机械电子工程系，广东汕头 515063;汕头大学机械电子工程系，广东汕头515063【正文语种】中文【中图分类】TH741;TG580.23【相关文献】1.基于单目视觉的水下目标三维信息重建方法研究 [J], 霍良青;张奇峰;张竺英;全伟才;李玲珑2.基于单目视觉伺服系统的高速旋转球体三维速度测定 [J], 季云峰;施之皓;任杰;王朝立3.基于单目视觉几何构建的三维扫描系统 [J], 裴骄阳;张志毅;袁聪聪4.基于单目视觉三维重建系统的设计与实现 [J], L(U) Li;YAO Tuozhong;SONG Jiatao;XIAO Jiangjian;WANG Jianjun5.一种基于单目视觉的三维虚拟漫游系统的研制 [J], 黄福明因版权原因，仅展示原文概要，查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图 3 求解摄像机运动构造立体图对
2. 1 摄像机内参数标定 摄像机内参标定采用张正友所提出的基于平面
模板的定标方法[7] . 标定后可获得内参矩阵 A .
© 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved.
一种基于单相机三维重建的简单方法 3
杜 歆1 3 ;徐钢梅2 ;朱云芳3 ;王贻术1
1. 浙江大学信息与电子工程学系 ,杭州 310027 ; 2. 浙江大学医学院附属口腔医院 ,杭州 310006 ; 3. 上海豪威集成电路设计有限公司 ,上海 201203
摘 要 :提出了一种基于单相机三维重建的简单方法. 在待重建场景中放置一块平面标定模板 ,用内参数已知的摄像机拍摄
第8期
杜 歆 ;徐钢梅等 :一种基于单相机三维重建的简单方法
1919
2. 2 摄像机外参数求解
为了获得高精度的摄像机外部参数 , 我们在待 重建场景中放置平面定标模板 , 获取二幅不同时刻 的视图 ,其本质上相当于实现了一个内参数一致但 外参数可自由调节的双目立体视觉系统. 为了描述
方便又不至引起混淆 , 仍称这二幅不同时刻拍摄的 视图为 IL 、IR . 我们 提取 标定 模板 上的 Harris 角 点[8 ] 作为控制点 , 计算拍摄 IL 、I R 时摄像机的外参 数.
P = A[ R | t]
(2)
(2) 式中 , R 和 t 分别为摄像机坐标系在世界坐标系
中的旋转矩阵和平移矢量 , A 为一个仅与摄像机的
内部参数有关的矩阵 ,具有以下形式 :
αu γ u0
A = 0 αv v0
(3)
001 (3) 式中 , au = - f k u 、av = - f k v ( ku 和 k v 为横 、方向 的尺度因子) 为焦距在水平和垂直方 ,γ为倾斜因 子. 1. 2 极线几何
第 20 卷 第 8 期 2007 年 8 月
传感技术学报
CHIN ES E J OU RNAL O F S ENSORS AND ACTUA TORS
Vol . 20 No. 8 Aug. 2007
A Simple 3D Reconstruction Method Based on Single Camera 3
分别是三维空间上的点 w 在两个图像平面的投影 , 由图 2 可知 , m1 和 m2 的构成了一对对应点. 在图像 R1 上任取一点 m1 ,如果能够求出它在 R2 上的对应 点 m2 的位置 ,则可以通过三角测量原理计算出空间 点 w 的深度 ,进而可以计算出其在三维空间中的坐 标. m1 的对应点位于 R1 内由 m1 和二个摄像机的相 对位置决定的某一条直线 m2 e2 上 ,这条直线 m2 e2 称为图像 R2 上对应于 m1 点的外极线. 图像 R2 内的 所有外极线相交于点 e2 , e2 称为外极点 ,它其实是 左摄像机的投影中心 c1 在图像 R2 上的投影. m1 和 m2 的这种位置关系称为外极线约束关系[2] .
D U X i n1 3 , X U Gan g2mei2 , Z H U Y un2f an g3 , W A N G Yi2s h u1
1. De part ment of I n f orm ation an d Elect ronics , Zhej i ang Uni versit y , H an gz hou 310027 , Chi na; 2. S tomatolog y hos pit al , Zhej i an g uni versit y colle ge of me dici ne , H an gz hou 310006 , Chi na; 3. S hang hai Om niV ision I C Desi gn Co. , L t d. , S hang hai 201203 , Chi na
传统的立体视觉系统一般需要二个摄像机 , 图 2 给出了由二个摄像机组成的立体视觉系统模型 , R1 与 R2 分别是左 、右摄像机的图像平面 , m1 和 m2
图 2 极线几何
当两个极点 e1 、e2 都趋向于无穷远时 ,基线 c1 c2 被限制于二个焦平面内 ,即基线平行于图像平面. 在 实际中 ,任何一对图像都能通过一定的变换使得每 一幅图像内的外极线都相互平行且成为水平 , 这个 过程称为立体视觉图像的外极线配准.
其中 ,λ =
1 ‖A - 1 h1
‖
=
1 ‖A - 1
h2
‖.
用上述方法 , 可分别获得拍摄 IL 、IR 时摄像机
的外参数 R L 、tL 和 R R 、tR , 进而得到拍摄 IR 时摄像
机相对于拍摄 I L 时的旋转矩阵 R 和平移向量 t [2] :
R
=
RL
R
-1 R
(7)
t = tL -
文献标识码 :A 文章编号 :100421699( 2007) 0821917204
三维重建在计算机视觉中是指由二幅或多幅二 维图像恢复出物体三维结构信息 ,它是透视成像的 逆过程[1 ,2] . 三维重建是计算机视觉领域的一个重 要的研究方向 ,其应用领域十分广泛 ,如机器人视觉 导航中的障碍物检测和三维地形重建[3] 、工业制造 中的实物造型[4 ] 、医学影像分析[5 ] 以及虚拟现实[6 ] 等.
不同角度的二幅图像 ,利用场景中的标定模板精确地求解出拍摄时摄像机的外参数 ,并以此为基础进行立体标定 、配准和匹
配 ,得到视差图进而实现欧式几何意义下的三维重建. 实验结果表明 ,提出的算法实现简单 、配置灵活 ,具有较强的实用性.
关键词 :立体视觉 ;三维重建 ;摄像机标定 ;外部参数
中图分类号 :TP391. 4
在摄像机内部参数已知的情况下 ,运动恢复结 构方法与立体视觉方法相比精度差的主要原因是摄 像机外参数求解的精度较差. 如果能够比较精确地 求解出单目序列图像拍摄时摄像机的外参数 ,那么 它也可以达到和传统立体视觉同样的精度.
本文提出了一种基于单个相机的三维重建方 法 :在待重建场景中专门放置一块平面标定模板 ,用
RL
R
-1 R
t
R
2. 3 立体图像配准
首先将旋转矩阵 R 用旋转向量ω = [ωx ,ωy ,
ωz ] T 等 价 描 述 , 二 者 之 间 的 关 系 由 罗 得 里 克
( Ro drigues) 公式给出[2 ] .
R = e[ω]x
=
I3
+
sθi nθ[ω] x
+1
- co θ2
sθ[ω]2x
(8)
其中 ,θ = ‖ω‖是旋转角 , [ω]x 表示ω的反对称矩 阵.
分二步旋转左右摄像机进行立体校正 :
①反向旋转左 、右摄像机 , 使两个摄像机坐标
系同向. 旋转矩阵为 :
ω
RR1 = ro drigues ( -
sm = HM , H = A [ r1 r2 t ]
(5)
已知模板上的点 Mi 和对应图像平面上的点
m i ,可通过最大似然法估计出 H.
记 H = [ h1 h2 h3 ] , A 已知 ,可得 :
r1 = λA - 1 h1
r2 = λA - 1 h2
r3 = r1 ×r2
(6)
t = λA - 1 h3
2 算法描述
本文提出的算法与立体视觉原理类似 ,不同的 是立体视觉是在已知二个摄像机间相对位置的情况 下进行三维重建 ,而本方法要首先要求解出序列图 像拍摄时由 R 和 t 描述的摄像机运动 ,然后将其构 成普通立体视觉方法同样处理. 如图 3 所示 ,对于三 维世界坐标点 w ,在位置 c 成像于 m ,此后相机经过 了由 R 和 t 描述的旋转 、平移运动后到了位置 c’,此 时 w 点成像于 m ’,则 m 和 m ’即构成了一对对应 点.
1. 1 摄像机模型 空间任意一点 w 在图像上的成像位置可以用
针孔模型近似表示[2] ,即任意点 w 在图像上的投影 位置 m ,为光心 c 与 w 点的 cw 与图像平面 R 的交 点 ,如图 1 所示. 连线 cz 垂直于图像平面 R, 称为光 轴. 光轴与图像平面的交点称为图像中心 , 点 c 和图 像平面间的距离称为焦距 f .
基金项目 :国家自然科学基金项目资助 (60502006) ;浙江省科技计划项目资助 (2007C21007) 收稿日期 :2006211230 修改日期 :2007202221
© 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved.
图 1 针孔摄像机模型
设空间点 w 为 w = [ X , Y , Z] T ,图像平面上的 点 m 为 m = [ u , v ] T ,则 w 和 m 存在如下投影变换关 系:
m = Pw
(1)
(1) 式中 , P 为空间点到图像平面的投影矩阵 , m 和
w 分别为 m 和 w 的齐次坐标表示. 投影矩阵 P 可进 一步分解为 :
目前流行的基于计算机视觉的三维重建方法大 致可分为二类 : 立体视觉方法和运动恢复结构 ( st ruct ure f ro m motio n) 方法. 其中立体视觉方法采 用二个或多个摄像机 ,通过立体匹配求得的视差 ,根 据三角测量原理来恢复空间点的三维信息. 而运动
恢复结构的方法往往采用自标定技术 ,只需从单个 摄像机拍摄的图像序列中即可直接恢复出摄像机运 动和场景结构. 但由于自标定的稳定性以及对场景 的依赖等原因 ,目前基于运动恢复结构方法的三维 重建精度还不高.
1918
传 感 技 术 学 报