基于双目立体视觉的三维图像重建

《基于双目立体视觉的三维图像重建》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、首都师范大学硕上学位论文第一章绪论物体三维重建的方法分为主动和被动两大类，主动的方法包括结构光(Structuredlight)方法和激光扫描方法等，其中后者可以提供极高的三维重建精度，但是价格昂贵。并且该类方法容易受到应用环境和被测物体性质的限制。被动的方法主要是根据相机拍摄的图像序列进行物体的三维重建。与主动的方法相比，被动的方法不需要昂贵的设备，在应用中不受上述环境和物体性质的约束。在近十年中，研究者们非常重视该类方法的研究，并提出了各种相关计算方法与技术，以求达到较满意的三维重建结果。该类技术被称为从运动中恢复结构(structurefrommotion)或从运动中恢复形状(

2、shapefrommotion)。而在三维物体重构的算法中，立体视觉是一个重要分支。立体视觉是由多幅图像(一般两幅)获取物体三维几何信息的方法。对生物视觉系统，人们早就注意到，几乎所有具有视觉的生物都有两个眼睛。用两个眼睛同时观察物体时，会有深度或远近的感觉。立体电影之所以有逼真的深度感，也是仿照了立体视觉原理。在立体电影拍摄中，用两个摄像机(模仿人的双眼)同时拍摄，而在放映时，将两个摄像机拍摄的图像同时投影到屏幕上，并利用偏振光的原理，使人的双眼分别看到左右摄像机拍摄的图像，从而使人有真实三维景物的立体感。在计算机视觉系统中，我们也可以利用两台位置相对固定的摄像机，从不同角度同时获

3、取同一景物的两幅图像，通过计算空间点在两幅图像中的像差来获得其三维坐标值。基本原理如图1．1所示，J为空间任意一点，通过图像处理及分析测定点J像坐标(X。，Y；)(i=l，2)，建立三维空间重构算法，即可由(X。，Y；)(i=1，2)恢复点J的三维坐标(X，Y，Z)。在这个重建的过程中，有三个关键的步骤需要完成：摄像机内参数的获得、图像对应点的确定以及二图像间摄像机外部运动参数的确定。立体视觉直接模拟人类双眼处理景物的方式，具有简单、可靠、灵活、使用范围广等特点，可以进行非接触、自动、在线的检测，因而十分具有应用前途，在机器人视觉、车辆自主驾驶、多自由度机械装置控制等领域均极具应用价

4、值。2首都师范大学硕上学位论文第一章绪论图1．1立体视觉成象原理示意图1．2国内外双目立体视觉的发展当空间三维物体投影N-维图像平面上时，同一景物在不同视点下的图像不同，各种因素的影响被综合为单一的灰度图像。要实现三维重建，首先就需要把不同图像对应起来，即实现匹配。要准确地对仅仅包含一些深度线索的图像进行无歧义的匹配是十分困难的。时至今日，匹配仍然是计算机视觉的一个瓶颈H1，几十年来，人们研究了大量的匹配算法，大致分为模板匹配和特征匹配两类。基于区域的模板匹配是把一幅图像某点邻域作为模板，在另一幅图像中搜索具有相同或相似灰度值分布的对应点邻域，从而实现两幅图像的匹配。Levine晦1

5、给出了一种对平行立体视觉在极线约束下的互相关检测过程，使得对匹配邻域的搜索由二维减小到一维。Moravec№1、Genneym、Hannah砸’等也给出了一些基于区域的图像匹配方法，但存在以下不足：由于基于区域的图像匹配是直接利用图像中的象素灰度值进行匹配，因此它对于图像的旋转以及光强和对比度的变化等非常敏感；当左右两幅图像中存在重复结构的纹理特征或相关象素邻域内存在遮挡现象时，常常会引起匹配的混淆，给出错误的匹配结果；虽然采用极线假设以及由粗到精的层次化结构等约束条件可以在一定程度上减少基于区域的图像匹配的计算量，但由于互相关匹配的大运算量的特点，这种方法的时空复杂性仍然是很大的。

6、基于特征的匹配是通过图像灰度导出的符号特征来实现匹配。它对于对比度和明显的光照变化等相对稳定。同时，基于特征的匹配可以通过对特征属性的简单比较而实现，因此速度较模板匹配更快。首先提取图像中能够反映空间景物结3首都师范大学硕士学位论文第一章绪论构信息的特征呻1，比如角点、边界、轮廓或其它几何基元，然后用图表来描述这些几何基元以及基元间的关系，从而将图像间的匹配问题转化为不同图表间的对应问题(也称为子图同构问题)。国外在基于双目立体视觉的计算机三维重建方面，主要是分立体匹配和三维重建两个部分进行研究。立体匹配部分主要是研究特征点的提取和匹配算法的完善，更加精确的建立匹配点的对应关系：三维

7、重建部分主要是研究如何从得到的匹配点中计算出摄像机的投影矩阵(如果是外部标定的话，就是求出摄像机的外部参数)以及如何计算出匹配点的三维坐标。在立体匹配方面，Beardsleyn∞等人提取角点作为特征点，运用灰度相关进行初匹配，将匹配的结果用SVD分解法求取基础矩阵。Pritchett和Zisserman等⋯3采用了两种不同的匹配方法，一方面是用单应矩阵(Homography)取代灰度相似性和极线约束作为匹配的准则，他们近似认为特征点及其周围的小块区域是空间