1.一种抗场景遮挡的多视图立体重建方法,其特征在于,包括以下步骤:步骤S1、对于输入的图像数据 ,计算对应场景的稀疏点云模型和摄像机参数, , 表示输入图像的数量;
所述稀疏点云模型 ; 表示整个场景的稀疏点云所包含的三维点的数量, 表示第 个三维点 在世界坐标系中的位置,表示三维点的序号;
所述摄像机参数 ; 表示第 个摄像机的内部参数矩阵, 表示第 个摄像机的旋转矩阵, 表示第 个摄像机的平移向量,表示摄像机的序号;
步骤S2、根据步骤S1所得稀疏点云模型 和摄像机参数 ,使用基于块扩散的多视图立体法从图像数据 中计算出场景的半稠密点云模型 ,;
其中, 表示整个半稠密点云中所包含的三维点的数量, 表示第 个三维点在世界坐标系中的位置,表示三维点的序号;
步骤S3、根据S2中的半稠密的点云模型 和多视图几何原理计算 中各图像的深度图,得到半稠密深度图集合 ;
; 表示第 幅图像 的半稠密深度图;
步骤S4、使用轮廓提取算法为图像数据 中的每一幅图像计算对应的轮廓信息,得到对应轮廓信息集合 ;其中, 表示第 幅图像 的轮廓;
步骤S5、使用步骤S4所得轮廓信息 对步骤S3所得深度图 进行增强处理,获得稠密深度图 : ;其中, 表示第幅图像 的稠密深度图;
步骤S6、使用S5中稠密的深度图 对S2中半稠密的点云模型 进行增强处理,即可获得高质量的稠密点云模型 ;
;其中, 表示整个稠密点云中所包含的三维点的数量, 表示第 个三维点 在世界坐标系中的位置,表示三维点的序号。
2.根据权利要求1所述的抗场景遮挡的多视图立体重建方法,其特征在于,所述步骤S3计算深度图的具体方法为:首先读取 中图像,并转换为HSV格式,计算HSV格式图像的直方图并进行归一化,记录给定的像素点的直方图像素分布模型,然后使用模型寻找图像中存在的该特征,将计算的归一化后的直方图进行反向投影,将三维空间中的点投影到二维平面上,从而得到深度图。
3.根据权利要求1所述的抗场景遮挡的多视图立体重建方法,其特征在于,所述步骤S5计算稠密深度图的具体步骤为:步骤S5.1、记 表示稀疏的深度图像 中的像素点位置, 表示未知的深度值,表示已知的深度值,表示已知深度值 的集合;
步骤S5.2、构造能量函数,如下所示: (1)
其中, 表示误差平方和, 表示全局的平滑权重; 和表示水平和垂直方向上的局部平滑权重函数,具体计算如下: (2)
其中, 代表(x,y)处的像素值, 是正态分布的标准差,用于控制权重函数的平滑程度, 和 分别表示水平和垂直方向上的轮廓强度;
步骤S5.3、最小化能量函数 ,使用非线性最小二乘方法进行求解深度值 ;
至此获得稠密深度图像, ;其中, 表示第 幅图像的稠密深度图。
4.根据权利要求1所述的抗场景遮挡的多视图立体重建方法,其特征在于,所述步骤S6获得高质量稠密点云模型 的详细步骤为:步骤S6.1、记 表示稠密深度图中的像素 的置信度,则深度值的置信度能量函数如下所示: (3)
其中, 和 的计算方法如下:
(4)步骤S6.2、使最小二乘方法计算每个深度值的置信度;
如果置信度 ,则将深度图中的点 添加到半稠密点云模型中;假设点 表示空间中的三维点, 和 分别表示在深度图 和上的投影点,如果 ,则将 添加到点云模型中,即取置信度最大的点;
步骤S6.3、重复S6.2,直到所有的稠密深度图像 均处理完毕为止,即可获得稠密点云模型 。