一种基于区域增长的三维点云重建方法
【技术领域】
[0001] 本发明设及=维重建领域，尤指一种由少量的匹配点对得到稠密的重建效果的方 法。
【背景技术】
[0002] 近年来，=维重建在考古、测绘、教育、娱乐等多个方面都有着重要的应用。一般来 说，通常都是采用运动恢复结构的方法进行=维重建，但是该种方法重建出来的图像通常 =维点对较少，而该些少量的=维点不能很好的反应重建出的物体的纹理效果，因此就有 必要重建出稠密的纹理图像。
[0003] 稠密匹配是所有稠密重建算法的核屯、。匹配点对的稠密程度决定了重建出来的= 维物体表面的稠密性。对于两幅图像中的每一个像素点，如果能够找到其相应的匹配点，那 么就可W由该对匹配点计算出一个S维云点。
[0004] 灰度匹配是目前仍广泛使用的一种传统匹配方法.灰度匹配中影响匹配质量的 一个重要因素是匹配窗口的大小；一方面，窗口尺寸要尽量大，W便为可靠匹配包容足够 的灰度变化，如果窗口太小，没有覆盖足够的灰度变化，则会因信噪比太低而造成所得视 差估值不准确；另一方面，窗口尺寸要尽量小，W避开投影崎变的影响，若窗口太大且包含 视差的较大变化，则会因左右图像上不同的投影崎变，使得匹配位置不正确。因而利用自适 应窗口进行灰度匹配是非常有必要的自适应窗匹配算法。该种方法采用的窗口大小和形状 根据灰度的局部变化和当前深度的估计值自适应地变化，提高了匹配质量，但是它的计算 复杂度是很大的。因而一种既能减小匹配过程中复杂度，又能保障重建出来的S维物体表 面稠密行的方法成为了一种需求。
【发明内容】
[0005] 针对上述问题，本发明旨在提供一种基于区域增长的稠密匹配方法，与传统的基 于灰度匹配算法相比，基于区域增长的立体稠密匹配方法通过利用连续性和对极几何约束 大大提高了稠密匹配的效率。
[0006] 本发明提供的技术方案如下：
[0007] 一种基于区域增长的稠密匹配方法，所述稠密匹配方法利用已知的种子点对来捜 寻新的匹配点对，W将匹配关系传播给其他的点对，具体步骤包括：
[000引S1使用滤波算法分别滤除第一待匹配图像和第二待匹配图像中的噪声；
[0009] S2使用最邻近匹配算法对第一待匹配图像和第二待匹配图像进行初始的特征匹 配，得到初始的匹配点对；
[0010] S3剔除所述匹配点对中的误匹配点对，且将剩余的匹配点对作为种子点对；
[0011] S4基于所述种子点对进行稠密传播；
[0012] S5基于所述匹配点对获取基础矩阵，通过所述基础矩阵实现全局几何约束。
[0013] 优选的，在步骤S1中，所述滤波算法为均值滤波算法或中值滤波算法。
[0014] 优选的，在步骤S2中，使用最邻近匹配算法进行初始的特征匹配，得到初始的匹 配点，具体步骤如下：
[0015] S21根据第一待匹配图像中的第一点的第一特征向量Va，获取第二待匹配图像中 所有的特征向量中距离第一点的特征向量Va最近的第二点的特征向量Vb和第S点的特征 向量Vc;
[0016] S22获取第二特征向量Vb与第一特征向量Va之间的第一距离值dist(Va，Vb)，同 时获取第S特征向量Vc与第一特征向量Va之间的第二距离值dist(Va，Vc);
[0017] S23将所述第一距离值dist(Va，Vb)与第二距离值dist(Va，Vc)进行比对，若第一 距离值dist(Va,Vb)与第二距离值dist(Va,Vc)的比值小于
[001引预设阔值，则第二待匹配图像中的第二点与第一待匹配图像中的第一点匹配，得 到初始的匹配点对。
[0019] 优选的，在步骤S3中，使用RANSAC算法剔除匹配点对中的误匹配点对。
[0020] 优选的，在步骤S4中，基于所述种子点对进行稠密传播，具体步骤如下：
[0021] S41基于所述第一待匹配图像和第二待匹配图像选择相似性函数；
[002引 S42选取所述种子点对中的至少一对点，W所述相似性函数作为目标函数，同时W 选取的所述至少一对点作为基础点对按照区域增长的方式进行稠密传播。
[0023] 优选的，在所述步骤S42中，W选取的所述至少一对点作为基础点对按照区域增 长的方式进行稠密传播，具体过程如下：
[0024] 所述第一待匹配图像中的第四点aL与在第二待匹配图像中的第五点aR为一对匹 配点，第六点化和第走点cL分别与第一待匹配图像中第四点aL相邻，则当在第二待匹配 图像中对第一待匹配图像中的第六点化和第走点cL进行匹配时，在第二待匹配图像中的 第五点aR周围进行稠密传播即可获取相应的匹配点。
[0025] 优选的，在所述步骤S42中，W选取的所述至少一对点作为基础点对按照区域增 长的方式进行稠密传播，具体过程如下：
[0026] 所述第一待匹配图像中的第八点化与第二待匹配图像中的第九点dR为一对匹配 点，所述第一待匹配图像中的第十点eL与第二待匹配图像中的第十一点eR为另一对匹配 点，且点P分别与第一待匹配图像中第八点化和第十点eL相邻，则当在第二待匹配图像中 对第一待匹配图像中的点P进行匹配时，在第二待匹配图像中的第九点dR和第十一点eR 周围进行稠密传播即可获取相应的匹配点。
[0027] 传统的稠密匹配方法都是在得到初始的匹配点之后，就直接进行传播，但是初始 的匹配点对含有误匹配点，如果直接进行传播，会导致误差的累积，从而使得最终得到的匹 配点之中还有很多误匹配点，该就会对后面的过程带来很大的干扰，甚至导致最后重建出 的结果严重崎变，不能得到想要的结果。因而在本发明中，提供了一种基于区域增长的稠密 匹配方法，其是在满足一定条件下，把匹配关系传播给其他的点对，当条件不满足时就停止 传播，且其在进行稠密匹配之前将初始匹配的匹配点对中的误匹配点对进行剔除，该样保 障了本发明的稠密匹配方法对图像进行匹配的准确性。
[002引与传统的逐点独立计算的方法相比，本发明提供的方法利用连续性该一原则，可W知道若某一点与一个已知的匹配点临近，那么该点对应的匹配点也位于已知的匹配点附 近，该样利用连续性约束极大地提高了稠密匹配的效率。
【附图说明】
[0029] 下面将W明确易懂的方式，结合【附图说明】优选实施方式，对一种基于区域增长的 稠密匹配方法的上述特性、技术特征、优点及其实现方式予W进一步说明。
[0030] 图1为本发明中基于区域增长的稠密匹配方法的流程示意图；
[0031] 图2(a)为本发明第一实施方式中第一待匹配图像示意图；
[0032] 图2(b)为本发明第一实施方式中第二待匹配图像示意图；
[0033] 图3(a)为本发明第二实施方式中第一待匹配图像示意图；
[0034] 图3(b)为本发明第二实施方式中第二待匹配图像示意图。
【具体实施方式】
[0035] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照【附图说明】 本发明的【具体实施方式】。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W根据该些附图获得其他 的附图，并获得其他的实施方式。
[0036] 如图1所示为本发明提供的基于区域增长的稠密匹配方法的流程示意图，该稠密 匹配方法利用已知的种子点对来捜寻新的匹配点对，W将匹配关系传播给其他的点对，具 体步骤包括：
[0037] S1使用滤波算法分别滤除第一待匹配图像和第二待匹配图像中的噪声；
[003引 S2使用最邻近匹配算法对第一待匹配图像和第二待匹配图像进行初始的特征匹 配，得到初始的匹配点对；
[0039] S3剔除匹配点对中的误匹配点对，且将剩余的匹配点对作为种子点对；
[0040] S4基于种子点对进行稠密传播；
[0041] S5基于匹配点对获取基础矩阵，通过基础矩阵实现全局几何约束。
[0042] 具体来说，在步骤S1中，在具体实施例中，可W使用均值滤波或者中值滤波法算 法去除第一待匹配图像和第二待匹配图像中的噪声。W改善两幅图像的质量，减小噪声对 于后续图像的匹配带来的干扰。