1.一种大场景下的三维点云快速稠密重建方法,其特征在于,所述方法包括如下步骤:S1、获取相机拍摄的待测场景的连续图像,并采用冗余图像筛查方法对所述连续图像进行关键帧提取,获得关键帧图像序列;
S2、针对所述关键帧图像序列进行特征点提取与匹配,获得匹配特征点,采用SFM算法对匹配特征点进行点云稀疏重建;
S3、根据所述点云稀疏重建的结果对所述关键帧图像序列中每张图像的跟踪图像进行视角选择,得到每张图像的资源图像;
S4、根据所述点云稀疏重建生成的稀疏点云和视角选择的结果采用基于光度特征和平面特征的方法计算每张图像中像素的深度信息、法线信息和匹配代价,采用快速融合方法进行稀疏点云的快速稠密重建;
S5、针对稠密重建生成的稠密点云进行尺度恢复和坐标转换,输出三维点云快速稠密重建结果。
2.根据权利要求1所述的大场景下的三维点云快速稠密重建方法,其特征在于,所述步骤S1中采用冗余图像筛查方法对所述连续图像进行关键帧提取,获得关键帧图像序列包括:S11、选取所述连续图像中的某一帧图像,提取相邻帧作为待评估帧,采用图像分块颜色特征计算相邻两帧之间的相似度Cs;
S12、若所述相似度Cs<0.43则将所述相邻帧保存在关键帧组内,否则采用LBP_max纹理特征全局统计分类计算相邻两帧之间的全局纹理相似度D1、D2和D3;
S13、若所述全局纹理相似度D1>4.61、D2>10、D3>14.8,则所述相邻帧保存在关键帧组内,否则采用LBP_max纹理特征局部统计分类计算相邻两帧之间的局部纹理相似度P1、P2和P3;
S14、若所述局部纹理相似度P1>72、P2>69、P3>58,则将所述相邻帧保存在关键帧组内,否则将所述相邻帧归类为冗余图像;
S15、对所述关键帧组内的图像采用一定间隔margin方法按顺序抽取图像,将关键帧图像数量控制在40帧以内,获得关键帧图像序列。
3.根据权利要求1所述的大场景下的三维点云快速稠密重建方法,其特征在于,所述步骤S2具体包括:S21、采用深度神经网络SuperPoint提取所述关键帧图像序列中每张图像均匀分布的特征点和描述子,然后使用特征点匹配网络SuperGlue根据所述特征点和描述子进行匹配,得到图像间的特征匹配关系;
S22、根据所述图像间的特征匹配关系,选择匹配度最高的一组图像估计相机的初始位姿和变换矩阵,并根据三角测量的原理重建出第一个稀疏点云,对所述稀疏点云进行捆绑调整优化;
S23、对剩余图像序列重复步骤S22的操作进行点云稀疏重建,得到每张图像的相机位姿、2D关键点和3D稀疏点。
4.根据权利要求3所述的大场景下的三维点云快速稠密重建方法,其特征在于,所述步骤S3具体包括:根据所述每张图像的相机位姿、2D关键点和3D稀疏点计算每张图像与对应跟踪图像之间的得分,选择得分最高的前N张跟踪图像作为每张图像的资源图像。
5.根据权利要求1所述的大场景下的三维点云快速稠密重建方法,其特征在于,所述步骤S4具体包括:S41、根据每张图像和对应的资源图像的光度一致性特征生成初始地图,并根据相机内参计算每张图像中每个像素点的初始深度、初始法线和初始匹配代价;
S42、根据所述初始匹配代价选择局部匹配代价最小的像素点进行三角剖分,计算每个三角形对应的三个坐标点所在平面的特征,并将平面特征赋予满足深度条件的像素点;
S43、根据每个像素点的光度特征和平面特征生成新的地图,并根据相机内参更新每张图像中每个像素点的初始深度、初始法线和初始匹配代价,生成用于稠密重建的深度信息、法线信息、匹配代价;
S44、根据光度特征和空间几何特征对每张图像的深度信息采用GPU加速进行重投影计算;
S45、根据所述重投影计算结果比较每张图像像素点的匹配代价,将满足匹配代价参数阈值和空间点距离阈值的像素点进行视角标记;
S46、根据相机内参和相机位置采用变换矩阵将标记的像素点转换为空间坐标点,再根据每张图像的位置将生成的空间坐标点转换到初始相机坐标系下,得到稠密重建结果。
6.根据权利要求1所述的大场景下的三维点云快速稠密重建方法,其特征在于,所述步骤S5中针对稠密重建生成的稠密点云进行尺度恢复具体包括:S51、对所述稠密重建生成的稠密点云进行点云随机降采样,并选择1/5的点作为采样保留点;
S52、对所述采样保留点使用平面拟合算法提取地面所在平面,计算坐标原点到所述地面所在平面之间的距离Pz;
S53、确定一个标定物体,并给定标定物体真实的长Tl、宽Tw、高Th和相机与地面之间的真实距离H;
S54、根据标定物体在点云中的长Pl、宽Pw、高Ph计算点云在X、Y、Z三个方向上的尺度参数kx、ky、kz,其中:kx=Tl÷Pl
ky=Tw÷Pw
kz=Th÷Ph
S55、采用公式依次恢复稠密点云中每个点的坐标,所述公式如下:其中,x,y,z分别代表图像点的在相机坐标系中的横坐标,纵坐标和竖坐标。
7.根据权利要求1所述的大场景下的三维点云快速稠密重建方法,其特征在于,所述步骤S5中坐标转换包括:根据关键帧序列图像中第一帧图像的相机参数对相机位置进行变换,然后用稠密重建点云的坐标减去相机坐标实现坐标系的原点的变换,最后再将相机坐标系下的点云转换到用于点云显示的设备坐标系。
8.一种大场景下的三维点云快速稠密重建系统,其特征在于,所述系统包括:图像获取及关键帧提取单元,用于获取相机拍摄的待测场景的连续图像,并采用冗余图像筛查方法对所述连续图像进行关键帧提取,获得关键帧图像序列;
点云稀疏重建单元,用于对所述关键帧图像序列进行特征点提取与匹配,获得匹配特征点,采用SFM算法对匹配特征点进行点云稀疏重建;
视角选择单元,用于根据所述点云稀疏重建的结果对所述关键帧图像序列中每张图像的跟踪图像进行视角选择,得到每张图像的资源图像;
点云稠密重建单元,用于根据所述点云稀疏重建生成的稀疏点云和视角选择的结果采用基于光度特征和平面特征的方法计算每张图像中像素的深度信息、法线信息和匹配代价,采用快速融合方法进行稀疏点云的快速稠密重建;
尺度恢复及坐标转换单元,用于针对稠密重建生成的稠密点云进行尺度恢复和坐标转换,输出三维点云快速稠密重建结果。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述大场景下的三维点云快速稠密重建方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述大场景下的三维点云快速稠密重建方法的步骤。