一种图像三维曲面模型优化构建方法及装置与流程

本公开属于三维建模的技术领域，涉及一种图像三维曲面模型优化构建方法及装置。

背景技术：

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

基于图像进行的三维模型重建，指通过相机围绕重建对象拍摄一组图像序列，利用相关技术，恢复出目标物体的三维模型并对其进行建模效果优化。基于图像的三维重建技术的实质就是利用照相设备或者录像设备采集的、对显示三维场景或者物体离散的二维图像作为基础数据，经过处理得到场景或者物体的三维数据信息，从而生成真实的场景或者物体，然后通过合适的空间模型把全景图像组织为虚拟的实景空间，用户在这个空间中可以前进、后退、环视、近看、远看等操作，实现用户全方位观察三维场景的效果，采用这种建模技术可以实现普通计算机上的真实感图形绘制。

目前，基于图像进行的三维模型重建存在以下诸多问题：

第一，构建出图像的三维模型多是通过二维的图片进行展示，用户很难与二维图片中的三维模型对象进行交互，难以获取所需信息；

第二，对照相机与摄影设备有一定的要求，这是获得真实的感知图像的需要；同时这些大量的图像文件也需要较高的质量要求；拍摄建模后的成像效果往往因为其他不可抗拒原因(天气，光线，地形等)导致效果达不到预期目标等情况；

第三，对于场景大、物件种类多以及单个物体结构复杂的场景，难以对其全部结构进行完整的三维模型重建。

技术实现要素：

针对现有技术中存在的不足，本公开的一个或多个实施例提供了一种图像三维曲面模型优化构建方法及装置，对场景构建三维模型进行结构、面数以及纹理等方面的优化，尤其对于场景大、物件种类多以及单个物体结构复杂，同时受到照片获取过程中天气情况、拍摄环境、光线变化、照片质量、照片角度等因素的影响，通过本公开可以最大程度的优化图像三维曲面模型构建效果。

根据本公开的一个或多个实施例的一个方面，提供一种图像三维曲面模型优化构建方法。

一种图像三维曲面模型优化构建方法，该方法包括：

获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色，根据图像对应的色卡颜色对图像进行校色处理；

将校色处理后的图像进行图像预处理滤除噪声，通过三维快速建模工具依次进行图像特征提取、图像特征匹配和目标三维点云稀疏重建；

在对稀疏点云进行稠密化时，采用块匹配法配准图像，完成稀疏三维点云稠密映射；

将曲面重建问题转换为图论中s-t图对应标签的最小割问题，完成稠密点云曲面化，得到目标曲面，对目标曲面进行纹理映射，形成目标三维曲面模型。

进一步地，在该方法中，所述获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色，具体方法步骤包括：

根据待获取图像现场情况，制定拍摄图像的预设方案，包括无人机的飞行路线及方式、拍摄时间和针对不同拍摄对象的拍摄方法；

根据预设方案，搭配色卡对待建模现场进行拍摄，获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色。

进一步地，在该方法中，所述图像预处理包括采用图像高斯滤波算法将校色处理后的图像进行图像预处理滤除噪声。

进一步地，在该方法中，所述采用块匹配法配准图像包括采用块匹配法在特征点对应基础上，采用其对应的图像局部进行整块匹配。

进一步地，在该方法中，所述将曲面重建问题转换为图论中s-t图对应标签的最小割问题的具体方法为目标曲面对应最小割完成后图中标签同时具有两个标签的节点，图中标签包括完全标签和空闲标签。

进一步地，该方法还包括：对目标三维曲面模型进行调整和优化生成新的uv布局，并对其进行烘焙纹理。

进一步地，该方法还包括：移出三维曲面模型的光照信息，使之与引擎光照进行有效的配合，得到最终的三维曲面模型。

进一步地，该方法还包括：在三维曲面模型构建完成后，采用三维法向量双边曲面滤波算法对目标三维曲面模型进行滤波。

根据本公开的一个或多个实施例的另一个方面，还提供一种计算机可读存储介质。

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种图像三维曲面模型优化构建方法。

根据本公开的一个或多个实施例的另一个方面，还提供一种终端设备。

一种终端设备，采用互联网终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种图像三维曲面模型优化构建方法。

本公开的有益效果：

(1)本发明所述的一种图像三维曲面模型优化构建方法及装置，通过本方法可以较好的改善和提高基于图像建模的模型质量以及建模效率，为虚拟现实应用提供专业的技术支撑和保证；在在图像重建前加入图像预处理算法，使用图像高斯滤波算法对噪声进行滤除，减轻由于数据采集步骤而造成的曲面重建误差；在模型曲面重建完成后，加入三维法向量双边曲面滤波算法，对最终的模型进行滤波，减弱噪声曲面对视觉观测时造成的的影响。

(2)本发明所述的一种图像三维曲面模型优化构建方法及装置，在三维曲面模型建模中的稀疏三维点云稠密映射的过程，引入配准图像的块匹配步骤，在特征点对应的基础上，使用其对应的图像局部进行整块匹配，有效弥补了无特征点区域抽面化后点云缺失的情况，此外本公开的该方法也使得稠密化后的点云分布更为均一化，使得重建的曲面分布更均匀且减轻错误曲面的出现。

(3)本发明所述的一种图像三维曲面模型优化构建方法及装置，在三维曲面模型建模中的稠密点云曲面化过程，将曲面重建问题转换为图论中s-t图对应标签的最小割问题，图中标签分为完全标签和空闲标签两种，目标曲面对应最小割完成后途中同时具有两个标签的节点，该曲面重建算法有效降低了由于信息缺乏或噪声异常点引起的错误曲面产生，有效改善了目标的曲面重建结果。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1是根据一个或多个实施例的一种图像三维曲面模型优化构建方法流程图；

图2是根据一个或多个实施例的另一种图像三维曲面模型优化构建方法流程图；

图3是根据一个或多个实施例的三维曲面模型优化前场景一模型效果图；

图4是根据一个或多个实施例的三维曲面模型优化后场景一模型效果图；

图5是根据一个或多个实施例的三维曲面模型优化前场景二模型效果图；

图6是根据一个或多个实施例的三维曲面模型优化后场景二模型效果图；

图7是根据一个或多个实施例的三维曲面模型优化前场景三模型效果图；

图8是根据一个或多个实施例的三维曲面模型优化后场景三模型效果图。

具体实施方式：

下面将结合本公开的一个或多个实施例中的附图，对本公开的一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本公开的一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本实施例使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

需要注意的是，附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意，在有些作为备选的实现中，方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，或者它们有时也可以按照相反的顺序执行，这取决于所涉及的功能。同样应当注意的是，流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合，可以使用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以使用专用硬件与计算机指令的组合来实现。

在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合，下面结合附图与实施例对本公开作进一步说明。

本公开的一个或多个实施例以变电站现场为例，提供一种基于图像的变电站三维曲面模型的优构建方法。在基于图像的变电站三维曲面模型的优构建方法中，基于图像建模技术必须先要获得若干幅基于真实的变电站三维物体或者场景的真实感知的图像，因此存在很多的缺陷是无法能够避免的。首先，当要重建真实变电站场景不能够获取到真实感知的图像时，比如物体或者场景根本不存在，是虚构的出来的，又或者变电站场景处于设计规划阶段时，是在时刻变化的，就不能使用基于图像建模技术。其次，由于变电站场景中的物体都变成了图像中的二维对象，因此用户很难与这些二维图形对象进行交互，获取所需要的信息；另外对照相机与摄影设备有一定的要求，这是获得真实的感知图像的需要。同时这些大量的图像文件也需要足够的存储空间来保存。

本公开的一个或多个实施例对场景构建三维模型进行结构、面数以及纹理等方面的优化，尤其变电站对于场景大、物件种类多以及单个物体结构复杂，同时受到照片获取过程中天气情况、拍摄环境、光线变化、照片质量、照片角度等因素的影响，通过本公开可以最大程度的优化变电站三维曲面模型构建效果。

图1是根据本公开的一个或多个实施例的一种图像三维曲面模型优化构建方法流程图，如图1所示，提供一种图像三维曲面模型优化构建方法。

一种图像三维曲面模型优化构建方法，该方法包括：

步骤(1)：获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色，根据图像对应的色卡颜色对图像进行校色处理；

步骤(2)：将校色处理后的图像进行图像预处理滤除噪声，通过三维快速建模工具依次进行图像特征提取、图像特征匹配和目标三维点云稀疏重建；

步骤(3)：在对稀疏点云进行稠密化时，采用块匹配法配准图像，完成稀疏三维点云稠密映射；

步骤(4)：将曲面重建问题转换为图论中s-t图对应标签的最小割问题，完成稠密点云曲面化，得到目标曲面，对目标曲面进行纹理映射，形成目标三维曲面模型。

根据本公开的一个或多个实施例的所述步骤(1)是对变电站照片素材的获取。

所述获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色，具体方法步骤包括：

步骤(1-1)：根据待获取图像现场情况，制定拍摄图像的预设方案，包括无人机的飞行路线及方式、拍摄时间和针对不同拍摄对象的拍摄方法；

步骤(1-2)：根据预设方案，搭配色卡对待建模现场进行拍摄，获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色。

在本公开的一个或多个实施例的所述步骤(2)中，针对最终变电站三维曲面模型可能会出现错误表面和较多噪声面片的情况，对模型框架流程和主要算法进行改进和优化。在图像重建前加入图像预处理算法，所述图像预处理包括采用图像高斯滤波算法将校色处理后的图像进行图像预处理滤除噪声。

在本公开的一个或多个实施例的所述步骤(3)中，所述采用块匹配法配准图像包括采用块匹配法在特征点对应基础上，采用其对应的图像局部进行整块匹配。在稀疏三维点云稠密映射的过程中，原有算法使用关键点周围插值的方式对稀疏点云进行稠密化，这样会造成稠密化后的点云分布不均衡，局部过分稠密或过分稀疏，从而导致重建曲面时目标局部无可用信息而导致重建错误。针对此问题，我们在稠密化时引入配准图像的块匹配步骤(patchmatch:arandomizedcorrespondencealgorithmforstructuralimageediting.)，在特征点对应的基础上，使用其对应的图像局部进行整块匹配，有效弥补了无特征点区域抽面化后点云缺失的情况，此外新的方法也使得稠密化后的点云分布更为均一化，使得重建的曲面分布更均匀且减轻错误曲面的出现；

在本公开的一个或多个实施例的所述步骤(4)中，所述将曲面重建问题转换为图论中s-t图对应标签的最小割问题的具体方法为目标曲面对应最小割完成后图中标签同时具有两个标签的节点，图中标签包括完全标签和空闲标签。在稠密点云曲面化过程中，原有算法使用了标准的泊松曲面重建，这种算法在局部点数较少或没有点时，会直接使用曲面对该局部进行拟合，从而出现较多的错误重建结果，并且原始算法对噪声和异常点非常敏感，也会造成错误曲面的产生。对此我们使用了改进算法(exploitingvisibilityinformationinsurfacereconstructiontopreserveweaklysupportedsurfaces.)，将曲面重建问题转换为图论中s-t图对应标签的最小割问题，图中标签分为完全标签和空闲标签两种，目标曲面对应最小割完成后途中同时具有两个标签的节点，该曲面重建算法有效降低了由于信息缺乏或噪声异常点引起的错误曲面产生，有效改善了目标的曲面重建结果。

该方法还包括：在三维曲面模型构建完成后，采用三维法向量双边曲面滤波算法对目标三维曲面模型进行滤波，减弱噪声曲面对视觉观测时造成的的影响。

如图2所示，是根据本公开的一个或多个实施例的另一种图像三维曲面模型优化构建方法流程图。

一种图像三维曲面模型优化构建方法，该方法包括：

步骤(1)：对变电站照片素材的获取

根据本公开的一个或多个实施例的所述步骤(1)是对变电站照片素材的获取，具体方法步骤包括：

步骤(1-1)：根据待获取图像现场情况，制定拍摄图像的预设方案，包括无人机的飞行路线及方式、拍摄时间和针对不同拍摄对象的拍摄方法；

步骤(1-2)：根据预设方案，搭配色卡对待建模现场进行拍摄，得到搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色。

步骤(2)：根据获取的变电站照片优化构建变电站三维曲面模型。

步骤(2-1)：获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色，根据图像对应的色卡颜色对图像进行校色处理；，还原变电站真实的色彩，为后面模型文件的生成提供良好的素材支撑。

步骤(2-2)：将步骤(2-1)中处理好的照片导入三维快速建模工具，进行点云的生成以及处理，并最终生成变电站的三维曲面模型。

步骤(2-3)：利用blender等三维制作软件对目标三维曲面模型进行调整和优化，生成新的uv布局，并对其进行烘焙纹理。

步骤(2-4)：利用unityde-lightingtool移出变电站三维曲面模型的光照信息，使之与引擎光照进行有效的配合，得到最终的三维曲面模型，从而使变电站三维曲面模型达到完美的呈现效果。

在步骤(2-2)图像重建前加入图像预处理算法，将校色处理后的图像进行图像预处理滤除噪声，使用图像高斯滤波算法对噪声进行滤除，减轻由于数据采集步骤而造成的曲面重建误差。

在步骤(2-2)模型曲面重建完成后，加入三维法向量双边曲面滤波算法(可选)，对最终的模型进行滤波，减弱噪声曲面对视觉观测时造成的的影响。

步骤(2-2)的基于变电站场景复杂特征进行改进和优化后的重建框架流程如下：

步骤(2-2-1)：图像滤波预处理；

步骤(2-2-2)：图像特征提取；

步骤(2-2-3)：图像特征匹配；

步骤(2-2-4)：目标三维点云稀疏重建；

步骤(2-2-5)：稀疏三维点云稠密映射；

在稀疏三维点云稠密映射的过程中，原有算法使用关键点周围插值的方式对稀疏点云进行稠密化，这样会造成稠密化后的点云分布不均衡，局部过分稠密或过分稀疏，从而导致重建曲面时目标局部无可用信息而导致重建错误。针对此问题，我们在稠密化时引入配准图像的块匹配步骤(patchmatch:arandomizedcorrespondencealgorithmforstructuralimageediting.)，在特征点对应的基础上，使用其对应的图像局部进行整块匹配，有效弥补了无特征点区域抽面化后点云缺失的情况，此外新的方法也使得稠密化后的点云分布更为均一化，使得重建的曲面分布更均匀且减轻错误曲面的出现；

步骤(2-2-6)：稠密点云曲面化；

在稠密点云曲面化过程中，原有算法使用了标准的泊松曲面重建，这种算法在局部点数较少或没有点时，会直接使用曲面对该局部进行拟合，从而出现较多的错误重建结果，并且原始算法对噪声和异常点非常敏感，也会造成错误曲面的产生。对此我们使用了改进算法(exploitingvisibilityinformationinsurfacereconstructiontopreserveweaklysupportedsurfaces.)，将曲面重建问题转换为图论中s-t图对应标签的最小割问题，图中标签分为完全标签和空闲标签两种，目标曲面对应最小割完成后途中同时具有两个标签的节点，该曲面重建算法有效降低了由于信息缺乏或噪声异常点引起的错误曲面产生，有效改善了目标的曲面重建结果。

步骤(2-2-7)：目标曲面纹理映射；

步骤(2-2-8)：目标模型后处理；

步骤(2-2-9)：模型输出。

通过本方法可以较好的改善和提高场景建模基于图像建模的模型质量以及建模效率，为变电站领域的虚拟现实应用提供专业的技术支撑和保证。如图3-图6所示为三维曲面模型优化前和优化后结果的对比图，从图中看出我们的优化和改进取得了一定的效果，改善了目标模型的质量。

本公开的一个或多个实施例还通过大量设备图片的采集，不断通过机器训练学习，不断完善设备模型库内容，最终能够根据设备的局部图像，智能化的修复模型空洞，完善曲面生成效果。以电站中的一个变压器设备为例，对于一个变压器设备中的套管部件、散热器部件、油枕部件等，根据相应的业务需求，具备一定通用型，可以单独建模。当其他的变压器中含有类似或者相同的模型组建时，可以利用本专利系统更好的处理模型曲面。如图7-图8所示。

根据本公开的一个或多个实施例的另一个方面，还提供一种计算机可读存储介质。

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行一种图像三维曲面模型优化构建方法，该方法包括：

获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色，根据图像对应的色卡颜色对图像进行校色处理；

将校色处理后的图像进行图像预处理滤除噪声，通过三维快速建模工具依次进行图像特征提取、图像特征匹配和目标三维点云稀疏重建；

在对稀疏点云进行稠密化时，采用块匹配法配准图像，完成稀疏三维点云稠密映射；

将曲面重建问题转换为图论中s-t图对应标签的最小割问题，完成稠密点云曲面化，得到目标曲面，对目标曲面进行纹理映射，形成目标三维曲面模型。

进一步地，在该方法中，所述获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色，具体方法步骤包括：

根据待获取图像现场情况，制定拍摄图像的预设方案，包括无人机的飞行路线及方式、拍摄时间和针对不同拍摄对象的拍摄方法；

根据预设方案，搭配色卡对待建模现场进行拍摄，获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色。

进一步地，在该方法中，所述图像预处理包括采用图像高斯滤波算法将校色处理后的图像进行图像预处理滤除噪声。

进一步地，在该方法中，所述采用块匹配法配准图像包括采用块匹配法在特征点对应基础上，采用其对应的图像局部进行整块匹配。

进一步地，在该方法中，所述将曲面重建问题转换为图论中s-t图对应标签的最小割问题的具体方法为目标曲面对应最小割完成后图中标签同时具有两个标签的节点，图中标签包括完全标签和空闲标签。

进一步地，该方法还包括：对目标三维曲面模型进行调整和优化生成新的uv布局，并对其进行烘焙纹理。

进一步地，该方法还包括：移出三维曲面模型的光照信息，使之与引擎光照进行有效的配合，得到最终的三维曲面模型。

进一步地，该方法还包括：在三维曲面模型构建完成后，采用三维法向量双边曲面滤波算法对目标三维曲面模型进行滤波。

根据本公开的一个或多个实施例的另一个方面，还提供一种终端设备。

一种终端设备，采用互联网终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行一种图像三维曲面模型优化构建方法，该方法包括：

获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色，根据图像对应的色卡颜色对图像进行校色处理；

将校色处理后的图像进行图像预处理滤除噪声，通过三维快速建模工具依次进行图像特征提取、图像特征匹配和目标三维点云稀疏重建；

在对稀疏点云进行稠密化时，采用块匹配法配准图像，完成稀疏三维点云稠密映射；

将曲面重建问题转换为图论中s-t图对应标签的最小割问题，完成稠密点云曲面化，得到目标曲面，对目标曲面进行纹理映射，形成目标三维曲面模型。

进一步地，在该方法中，所述获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色，具体方法步骤包括：

根据待获取图像现场情况，制定拍摄图像的预设方案，包括无人机的飞行路线及方式、拍摄时间和针对不同拍摄对象的拍摄方法；

根据预设方案，搭配色卡对待建模现场进行拍摄，获取搭配色卡根据预设方案拍摄的图像和其对应的色卡颜色。

进一步地，在该方法中，所述图像预处理包括采用图像高斯滤波算法将校色处理后的图像进行图像预处理滤除噪声。

进一步地，在该方法中，所述采用块匹配法配准图像包括采用块匹配法在特征点对应基础上，采用其对应的图像局部进行整块匹配。

进一步地，在该方法中，所述将曲面重建问题转换为图论中s-t图对应标签的最小割问题的具体方法为目标曲面对应最小割完成后图中标签同时具有两个标签的节点，图中标签包括完全标签和空闲标签。

进一步地，该方法还包括：对目标三维曲面模型进行调整和优化生成新的uv布局，并对其进行烘焙纹理。

进一步地，该方法还包括：移出三维曲面模型的光照信息，使之与引擎光照进行有效的配合，得到最终的三维曲面模型。

进一步地，该方法还包括：在三维曲面模型构建完成后，采用三维法向量双边曲面滤波算法对目标三维曲面模型进行滤波。

这些计算机可执行指令在设备中运行时使得该设备执行根据本公开中的各个实施例所描述的方法或过程。

在本实施例中，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

本文所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开内容操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开内容的各个方面。

本公开的有益效果：

(1)本发明所述的一种图像三维曲面模型优化构建方法及装置，通过本方法可以较好的改善和提高基于图像建模的模型质量以及建模效率，为虚拟现实应用提供专业的技术支撑和保证；在在图像重建前加入图像预处理算法，使用图像高斯滤波算法对噪声进行滤除，减轻由于数据采集步骤而造成的曲面重建误差；在模型曲面重建完成后，加入三维法向量双边曲面滤波算法，对最终的模型进行滤波，减弱噪声曲面对视觉观测时造成的的影响。

(2)本发明所述的一种图像三维曲面模型优化构建方法及装置，在三维曲面模型建模中的稀疏三维点云稠密映射的过程，引入配准图像的块匹配步骤，在特征点对应的基础上，使用其对应的图像局部进行整块匹配，有效弥补了无特征点区域抽面化后点云缺失的情况，此外本公开的该方法也使得稠密化后的点云分布更为均一化，使得重建的曲面分布更均匀且减轻错误曲面的出现。

(3)本发明所述的一种图像三维曲面模型优化构建方法及装置，在三维曲面模型建模中的稠密点云曲面化过程，将曲面重建问题转换为图论中s-t图对应标签的最小割问题，图中标签分为完全标签和空闲标签两种，目标曲面对应最小割完成后途中同时具有两个标签的节点，该曲面重建算法有效降低了由于信息缺乏或噪声异常点引起的错误曲面产生，有效改善了目标的曲面重建结果。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。