一种基于实时三维重建技术的建筑测量方法与流程

本发明涉及建筑测量技术领域，具体涉及一种基于实时三维重建技术的建筑测量方法。

背景技术：

建筑实体结构尺寸数据采集是建筑设计的基础，提高建筑尺寸数据采集效率和质量是建筑物勘测信息化的重要内容，在建筑结构勘测中，传统的测量方法技术依赖人工并通过卷尺进行手工测量或者激光测量，主要用在交通、水利、建筑方面，采用卷尺测量或者激光测量等测量设备测量，虽然可以较为准确的获取构架尺寸，但是测量过程复杂，人力劳动成本高且效率低下且因为借助外来设备辅助测量，存在有人为的误差，测量作业的精度还是有所欠缺。

技术实现要素：

针对现有技术的不足，本发明所解决的问题是如何克服测量作业中存在的人力成本高、效率低且测量精度得不到保证问题。

为解决上述技术问题，本发明采用的技术方案是一种基于实时三维重建技术的建筑测量方法，包括如下步骤：

(1)利用directshow建立图像捕获系统，获取待重建的图像源；

(2)搭建mfc框架，实时获取图像并截取所需要的图像素材，建立可视化界面，并提供三维重建模型接口；

(3)摄像设备相机的自标定模型及算法，求解相机内参数；

(4)建立二维图像坐标系—三维世界坐标系重建模型，获取待测量的两点的空间坐标。

步骤(1)中，具体过程如下：添加4个文件包括camerads.h、cwimage.h及对应的源文件，搭建一个mfc可视化平台，连接外来图像采集设备，在mfc图像采集平台，通过设置相机的分辨率和其他功能，灵活调节图像的模式。

步骤(3)中，具体过程如下：

1)基于kruppa方程进行自标定，通过自标定方法获取内参fx,fy,u0,v0参数，外参数包括旋转变量r和平移变量t；

其中表示等式两边相差一个常数因子，f为基础矩阵，k为内参数，[t]x表示向量t＝(tx,ty,tz)^t的反对称矩阵；

得极点

将上式代入式(1)中有

f^te'＝0，存在非零常数λ的情况下，有f＝λ[e']xkrk^-1(5)

进一步可得fk·k^tf^t＝λ[e']xkr·λr^tk^t[e']x^t(6)

其中令c＝k·k^t,s＝λ²，r为正交矩阵，所以r·r^t＝e，

代入上式则有fcf^t＝s[e']xc[e']^t(7)

若能求出c，即可求出内参k；

令

其中m(c)和m(c)都是关于向量c的线性函数，有两矩阵相等条件可将方程(7)等价变换为：

2)建立目标函数方法寻找最优解；

目标函数：

3)得出四参数和五参数模型的约束条件分别为：

四参数模型下服从约束：c2-c4²>0,c1(c2-c4²)-c3(c2c3-c4c5)-c5(c5-c3c4)>0

五参数模型下服从约束：c1-c3²>0,c2-c4²>0

再结合目标函数最小值条件即可求出内参矩阵。

步骤(4)中，具体过程如下：

1)利用sift算法进行特征点检测与匹配，利用空间三维坐标公式，求解出经融合后的图像求取特征点的空间坐标，得到点云模型；

2)假设两幅图像上的一对匹配点m1(u1,v1,1)^t和m2(u2,v2,1)^t，则由二维图像素点与三维点之间的映射关系可得：

m1＝k1·p1·m和m2＝k2·p2·m(12)

其中p1，p2为对应图的投影矩阵，m为空间三维坐标，k1,k2为比例系数；再利用基于opengl驱动建立三维重建显示界面，对匹配后的空间点云显示；根据从二维图像坐标系到三维图像坐标系转换关系，可以得到任意重建后的建筑构架尺寸点a(x1,y1,z1),b(x2,y2,z2),通过空间的两点距离d公式为：

采用本发明的技术方案在三维重建系统在收集数据时，可以较完整的形成自动坐标并储存起来方便后续的数据信息处理，同时在测量系统处理数据信息过程中，能保持测量作业的精度，减少人为的误差，使测量精度得到了有效保证且人力劳动成本低，效率高。

附图说明

图1为本发明流程示意图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的说明，但不是对本发明的限定。

图1示出了一种基于实时三维重建技术的建筑测量方法，包括如下步骤：

(1)利用directshow建立图像捕获系统，获取待重建的图像源；

(2)搭建mfc框架，实时获取图像并截取所需要的图像素材，建立可视化界面，并提供三维重建模型接口；

(3)摄像设备相机的自标定模型及算法，求解相机内参数；

(4)建立二维图像坐标系—三维世界坐标系重建模型，获取待测量的两点的空间坐标。

步骤(1)中，具体过程如下：添加4个文件包括camerads.h、cwimage.h及对应的源文件，搭建一个mfc可视化平台，连接外来图像采集设备，在mfc图像采集平台，通过设置相机的分辨率和其他功能，灵活调节图像的模式。

步骤(3)中，具体过程如下：

1)基于kruppa方程进行自标定，通过自标定方法获取内参fx,fy,u0,v0参数，外参数包括旋转变量r和平移变量t；

其中表示等式两边相差一个常数因子，f为基础矩阵，k为内参数，[t]x表示向量t＝(tx,ty,tz)^t的反对称矩阵；

得极点

将上式代入式(1)中有

f^te'＝0，存在非零常数λ的情况下，有f＝λ[e']xkrk^-1(5)

进一步可得fk·k^tf^t＝λ[e']xkr·λr^tk^t[e']x^t(6)

其中令c＝k·k^t,s＝λ²，r为正交矩阵，所以r·r^t＝e，

代入上式则有fcf^t＝s[e']xc[e']^t(7)

若能求出c，即可求出内参k；

令

其中m(c)和m(c)都是关于向量c的线性函数，有两矩阵相等条件可将方程(7)等价变换为：

2)建立目标函数方法寻找最优解；

目标函数：

3)得出四参数和五参数模型的约束条件分别为：

四参数模型下服从约束：c2-c4²>0,c1(c2-c4²)-c3(c2c3-c4c5)-c5(c5-c3c4)>0

五参数模型下服从约束：c1-c3²>0,c2-c4²>0

再结合目标函数最小值条件即可求出内参矩阵。

步骤(4)中，具体过程如下：

1)利用sift算法进行特征点检测与匹配，利用空间三维坐标公式，求解出经融合后的图像求取特征点的空间坐标，得到点云模型；

2)假设两幅图像上的一对匹配点m1(u1,v1,1)^t和m2(u2,v2,1)^t，则由二维图像素点与三维点之间的映射关系可得：

m1＝k1·p1·m和m2＝k2·p2×m(12)

其中p1，p2为对应图的投影矩阵，m为空间三维坐标，k1,k2为比例系数；再利用基于opengl驱动建立三维重建显示界面，对匹配后的空间点云显示；根据从二维图像坐标系到三维图像坐标系转换关系，可以得到任意重建后的建筑构架尺寸点a(x1,y1,z1),b(x2,y2,z2),通过空间的两点距离d公式为：

采用本发明的技术方案在三维重建系统在收集数据时，可以较完整的形成自动坐标并储存起来方便后续的数据信息处理，同时在测量系统处理数据信息过程中，能保持测量作业的精度，减少人为的误差，使测量精度得到了有效保证且人力劳动成本低，效率高。

以上结合附图对本发明的实施方式做出了详细说明，但本发明不局限于所描述的实施方式。对于本领域技术人员而言，在不脱离本发明的原理和精神的情况下，对这些实施方式进行各种变化、修改、替换和变型仍落入本发明的保护范围内。