基于點(diǎn)云壓縮和慣性導(dǎo)航的移動(dòng)場(chǎng)景實(shí)時(shí)三維重構(gòu)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于點(diǎn)云壓縮和慣性導(dǎo)航的移動(dòng)場(chǎng)景下實(shí)時(shí)三維重構(gòu)的方法，屬 于計(jì)算機(jī)機(jī)器視覺、增強(qiáng)現(xiàn)實(shí)領(lǐng)域。
【背景技術(shù)】
[0002] 三維重構(gòu)技術(shù)是計(jì)算機(jī)視覺領(lǐng)域中的熱點(diǎn)研究方向之一，主要研究如何獲取物體 在空間中的三維信息，實(shí)現(xiàn)在計(jì)算機(jī)中真實(shí)再現(xiàn)客觀環(huán)境，為機(jī)器和人類提供準(zhǔn)確的3D場(chǎng) 景?目息。
[0003] 三維重構(gòu)的主要研究方向包括場(chǎng)景重構(gòu)、地圖構(gòu)建以及模型重建等。周圍環(huán)境的 3D場(chǎng)景信息可以幫助機(jī)器人更加清楚的了解自身所處環(huán)境并實(shí)現(xiàn)與環(huán)境的友好交互，在機(jī) 器人導(dǎo)航、考古勘測(cè)、災(zāi)害救援等領(lǐng)域中發(fā)揮重要作用；此外，3D場(chǎng)景信息也可用在虛擬現(xiàn) 實(shí)、軍事模擬、城市規(guī)劃、文物保護(hù)等領(lǐng)域。在工業(yè)產(chǎn)品零件的CAD加工、模具制作、醫(yī)學(xué)整 形手術(shù)、人臉建模與識(shí)別、計(jì)算機(jī)三維動(dòng)畫等應(yīng)用中，經(jīng)常需要物體的三維模型，這也對(duì)三 維重構(gòu)技術(shù)做出了要求。目前，三維場(chǎng)景重構(gòu)技術(shù)憑借其在這些領(lǐng)域的重要應(yīng)用，越來越受 到各界研究者的青睞，逐漸成為多領(lǐng)域的研究熱點(diǎn)。
[0004] 目前3D場(chǎng)景點(diǎn)云模型的三維重構(gòu)方法主要分為兩大類：基于多幅圖像的三維重 構(gòu)方法和基于紅外或者激光掃描技術(shù)的三維重構(gòu)方法。前者通過數(shù)碼攝像機(jī)等拍攝的二維 圖像恢復(fù)出建筑物表面的三維信息，如公開號(hào)為CN101398937、名稱為《基于同一場(chǎng)景散亂 照片集的三維重構(gòu)方法》的專利。這類方法雖然成本低廉，自動(dòng)化程度較高，且重建的三維 模型包含豐富的紋理等信息，但需要對(duì)圖片信息進(jìn)行大量的處理，運(yùn)行速度較慢，適用于小 型單一建筑物建模，但對(duì)于地貌復(fù)雜的大規(guī)模場(chǎng)景建模，由于受到計(jì)算機(jī)處理時(shí)間的限制 并不適用。
[0005] 因此，近年來基于紅外或者激光掃描的三維重構(gòu)技術(shù)成為了研究熱點(diǎn)，紅外或者 激光掃描儀能夠直接獲得景物的深度信息，具有速度快，精度高，不受表面復(fù)雜度影響等優(yōu) 勢(shì)。此外，利用激光掃描技術(shù)進(jìn)行三維重構(gòu)能夠有效恢復(fù)出具有準(zhǔn)確幾何信息和照片真實(shí) 感的三維模型。這些準(zhǔn)確的三維模型不僅能夠提供場(chǎng)景可視化和虛擬漫游方面的功能，更 可以滿足數(shù)據(jù)的存檔，測(cè)量和分析等更高層次的需求。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是提供一種利用傳感器在室內(nèi)場(chǎng)景移動(dòng)，不斷獲取不同視角下的點(diǎn) 云，并實(shí)時(shí)重構(gòu)出整個(gè)場(chǎng)景三維模型的方法。
[0007] 為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是提供了一種基于點(diǎn)云壓縮和慣性導(dǎo)航的 移動(dòng)場(chǎng)景實(shí)時(shí)三維重構(gòu)方法，其特征在于，包括如下步驟：
[0008] 第一步、對(duì)于場(chǎng)景S，利用Kinect體感控制器的攝像頭分別從視角V1，…，V k，… Vn依次獲取點(diǎn)云集合M i，…，Mk，…Mn，MkS k時(shí)刻從視覺V k獲取的點(diǎn)云；
[0009] 第二步、將點(diǎn)云集合（M1，…，Mk，…MJ壓縮為（P 1，…，Pk，…Pn}，其中，匕為Mk 的一個(gè)子集，且滿足：
I式中，P為預(yù)設(shè)比，F(xiàn)J □)為特征點(diǎn)數(shù)量度量函 數(shù)，S為設(shè)定的特征點(diǎn)保留率；
[0010] 第三步、利用慣性導(dǎo)航技術(shù)獲取場(chǎng)景S內(nèi)運(yùn)載體在視角V1，…，Vk，…V n下的位 置、角度偏移量，轉(zhuǎn)化為ICP算法所需的初始變換矩陣冗與:^;
[0011] 第四步、利用初始變換矩陣把與;T40對(duì)壓縮后的點(diǎn)云（P 1，…，Pk，"·Ρη}進(jìn)行粗配 準(zhǔn)，再基于ICP算法確定變換矩陣&與T k，完成精確配準(zhǔn)；
[0012] 第五步、隨著Kinect體感控制器的傳感器在場(chǎng)景S中的漫游，不斷將新獲取的每 一片點(diǎn)云與局部模型拼接、融合，直到重構(gòu)出整個(gè)三維場(chǎng)景模型。
[0013] 優(yōu)選地，所述第三步包括：
[0014] 步驟3. 1、在場(chǎng)景S內(nèi)運(yùn)載體上放置Kinect體感控制器的深度攝像頭、加速度計(jì)和 陀螺儀；
[0015] 步驟3. 2、設(shè)定一固定坐標(biāo)系，設(shè)運(yùn)動(dòng)起始位置為坐標(biāo)原點(diǎn)，深度攝像頭初始方向 與X軸正方向重合，利用加速度計(jì)和陀螺儀測(cè)量運(yùn)載體在X、Y、Z軸上的加速度，將加速度一 次積分得到運(yùn)載體的速度，將加速度二次積分得到運(yùn)載體的位置，從而達(dá)到對(duì)運(yùn)載體定位 的目的，同時(shí)，通過陀螺儀獲取運(yùn)載體的旋轉(zhuǎn)角度；
[0016] 步驟3. 3、將運(yùn)載體在不同位姿間的相對(duì)位移、旋轉(zhuǎn)角度信息，轉(zhuǎn)化為兩片點(diǎn)云間 的初始變換矩陣把與Γ/。
[0017] 優(yōu)選地，所述第四步包括：
[0018] 步驟4. 1、將兩個(gè)不同視角下的壓縮點(diǎn)云PAPkl作為ICP算法的輸入集合，將初 始變換矩陣把與K作為ICP算法的初始變換矩陣；
[0019] 步驟4. 2、利用初始變換矩陣扣與Γ/對(duì)壓縮后的參考點(diǎn)云匕進(jìn)行旋轉(zhuǎn)、平移處理， 得到Pk';
[0020] 步驟4. 3、篩選匹配點(diǎn)對(duì)：采用最鄰近點(diǎn)法在壓縮后的目標(biāo)點(diǎn)云Pk i中尋找與P k' 中的特征點(diǎn)歐式距離最小的匹配特征點(diǎn)，組成特征點(diǎn)對(duì)集合；
[0021] 步驟4. 4、計(jì)算誤差：計(jì)算變換后兩組特征點(diǎn)對(duì)的距離平方和，記為dk;
[0022] 步驟4. 5、基于四元數(shù)法利用匹配點(diǎn)對(duì)求解空間坐標(biāo)變換的旋轉(zhuǎn)、平移矩陣和與 W，再用于參考點(diǎn)云，得到Pk"，重新篩選匹配點(diǎn)對(duì)，同時(shí)更新dk;
[0023] 步驟4. 6、迭代步驟4. 5中的運(yùn)算，直到收斂，dk小于閾值或達(dá)到既定的迭代次數(shù)
[0024] 本方法的創(chuàng)新點(diǎn)在于：
[0025] (1)使用一種基于PFH特征的點(diǎn)云壓縮算法：可實(shí)現(xiàn)較高壓縮比，有效減少ICP算 法輸入點(diǎn)集的數(shù)量，從而節(jié)約點(diǎn)云配準(zhǔn)、點(diǎn)云融合計(jì)算時(shí)間，同時(shí)保留了足夠多的特征點(diǎn)， 為點(diǎn)云配準(zhǔn)提供方便。
[0026] (2)提出一種基于慣性導(dǎo)航技術(shù)的點(diǎn)云配準(zhǔn)：點(diǎn)云配準(zhǔn)的本質(zhì)是計(jì)算獲得不同視 角下兩片點(diǎn)云間的旋轉(zhuǎn)、平移矩陣R與T，很多實(shí)驗(yàn)中使用ICP算法解決這類問題，但傳統(tǒng) ICP算法的計(jì)算精度依賴于給定的初值。本文試驗(yàn)中，Kinect攝像頭隨運(yùn)載體在室內(nèi)場(chǎng)景 中移動(dòng)，獲取不同視角下的點(diǎn)云，如果運(yùn)載體上的Kinect攝像頭位置固定，那么R與T同樣 也可以由運(yùn)載體在不同視角間的旋轉(zhuǎn)、平移矩陣表示，通過慣性傳感器提供位置和角度偏 移量，可以給ICP提供一個(gè)近似準(zhǔn)確的初值冗與Γ/，以此來減少ICP算法的迭代次數(shù)，提高 收斂速度，從而提高整個(gè)重構(gòu)算法的實(shí)時(shí)性。
【附圖說明】
[0027] 圖1為三維重構(gòu)模塊介紹圖；
[0028] 圖2為三維重構(gòu)算法流程圖；
[0029] 圖3為點(diǎn)云壓縮算法流程圖；
[0030] 圖4為點(diǎn)云配準(zhǔn)算法流程圖。
【具體實(shí)施方式】
[0031] 為使本發(fā)明更明顯易懂，茲以優(yōu)選實(shí)施例，并配合附圖作詳細(xì)說明如下。
[0032] 本發(fā)明主要研究利用傳感器在室內(nèi)場(chǎng)景移動(dòng)，不斷獲取不同視角下的點(diǎn)云，并實(shí) 時(shí)重構(gòu)出整個(gè)場(chǎng)景三維模型的方法研究。
[0033] 問題的描述：
[0034] 對(duì)于場(chǎng)景S，Kinect攝像頭分別從視角IV1，…，Vk，…VJ依次獲取點(diǎn)云集合 (M 1，…，Mk，…Mn}，移動(dòng)三維重構(gòu)的目的是通過獲取不同視角下的點(diǎn)云數(shù)據(jù)，在重構(gòu)算法 R(O)的作用下，求取S' =RW1，…，Mk，~Mn)，使得S與S'滿足相似性度量函數(shù)E(O) 的約束：
[0035] E(S)-E(Sr ) I < ε
[0036] 問題的分析：
[0037] 由于場(chǎng)景中的點(diǎn)云數(shù)量龐大，為實(shí)現(xiàn)算法的實(shí)時(shí)性，首先需要對(duì)獲取的點(diǎn)云進(jìn)行 去噪、壓縮等預(yù)處理；同時(shí)，重構(gòu)算法R (□)中，最重要的一步是求取1與M k i配準(zhǔn)所需的 變換矩陣&與T k，并且配準(zhǔn)過程依賴于仏與M k i中的特征點(diǎn)對(duì)。因此，壓縮算法不僅要有 較高的壓縮比，還需要保留足夠多的特征點(diǎn)。
[0038] ICP算法是進(jìn)行點(diǎn)云配準(zhǔn)的經(jīng)典研究方法，但傳統(tǒng)的ICP算法由于缺少配準(zhǔn)初值 或初值精度較差，很容易陷入局部最優(yōu)解，影響迭代收斂速度。因此，基于ICP算法實(shí)現(xiàn)點(diǎn) 云配準(zhǔn)的前提條件是具有一