CN117911631B - 一种基于异源图像匹配的三维重建方法 - Google Patents
一种基于异源图像匹配的三维重建方法 Download PDFInfo
- Publication number
- CN117911631B CN117911631B CN202410308781.4A CN202410308781A CN117911631B CN 117911631 B CN117911631 B CN 117911631B CN 202410308781 A CN202410308781 A CN 202410308781A CN 117911631 B CN117911631 B CN 117911631B
- Authority
- CN
- China
- Prior art keywords
- pixels
- images
- pixel
- circle
- circle layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000003379 elimination reaction Methods 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 12
- FWXAUDSWDBGCMN-DNQXCXABSA-N [(2r,3r)-3-diphenylphosphanylbutan-2-yl]-diphenylphosphane Chemical compound C=1C=CC=CC=1P([C@H](C)[C@@H](C)P(C=1C=CC=CC=1)C=1C=CC=CC=1)C1=CC=CC=C1 FWXAUDSWDBGCMN-DNQXCXABSA-N 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 3
- 230000001066 destructive effect Effects 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理领域,并提供了一种基于异源图像匹配的三维重建方法,获取多张异源图像,对多张异源图像进行图像预处理,得到多张第一图像,对每张第一图像,分别进行特征点提取并标记,基于特征点,对多张第一图像分别进行相消处理,得到多张第二图像,基于多张第二图像,完成三维重建。所述方法能够提高三维重建后输出模型的精度,确保异源图像的视觉信息能够准确地反映在三维模型中,通过对像素进行相消处理,减少因异源图像之间不一致性而引起的重建模型质量下降,作为模型输入的异源图像,以优化异源图像的方式提高模型输出的精度,能够充分提升大规模或复杂三维模型的重建速度。
Description
技术领域
本发明涉及图像处理领域,特别涉及一种基于异源图像匹配的三维重建方法。
背景技术
在计算机视觉和图像处理的领域中,三维重建技术旨在从二维图像中恢复物体的三维结构信息,这种技术已经广泛应用于虚拟现实、游戏开发、文物保护等多个领域。然而,传统的三维重建方法通常依赖于来自同一源的多视角图像,这在实际应用中常常遇到限制,尤其是在图像来源复杂或获取条件受限的情况下。更进一步,当面对从不同设备或不同视角获得的异源图像时,图像间的几何畸变成为一个显著的挑战。这些畸变往往源于拍摄角度、镜头特性或者场景深度的差异,导致图像之间的直接匹配变得困难,进而影响到三维模型的准确重建和真实感。因此,开发一种能够有效应对几何畸变,利用异源图像进行三维重建的方法,不仅可以大幅提升三维重建的灵活性和适用范围,还能够确保重建模型的准确性和视觉效果,满足三维重建技术中更广泛的应用需求。
发明内容
本发明的目的在于提出一种基于异源图像匹配的三维重建方法,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
本发明提供了一种基于异源图像匹配的三维重建方法,获取多张异源图像,对多张异源图像进行图像预处理,得到多张第一图像,对每张第一图像,分别进行特征点提取并标记,基于特征点,对多张第一图像分别进行相消处理,得到多张第二图像,基于多张第二图像,完成三维重建。所述方法能够提高三维重建后输出模型的精度,确保异源图像的视觉信息能够准确地反映在三维模型中,通过对像素进行相消处理,减少因异源图像之间不一致性而引起的重建模型质量下降,作为模型输入的异源图像,以优化异源图像的方式提高模型输出的精度,能够充分提升大规模或复杂三维模型的重建速度。
为了实现上述目的,根据本发明的一方面,提供一种基于异源图像匹配的三维重建方法,所述方法包括以下步骤:
S100,获取多张异源图像,对多张异源图像进行图像预处理,得到多张第一图像;
S200,对每张第一图像,分别进行特征点提取并标记;
S300,基于特征点,对多张第一图像分别进行相消处理,得到多张第二图像;
S400,基于多张第二图像,完成三维重建。
进一步地,S100中,所述多张异源图像,指来自于不同类型的摄影器材或在不同的拍摄条件下所获得的多张图像。
进一步地,S100,对多张异源图像进行图像预处理,得到多张第一图像的方法具体为:对多张异源图像依次进行去噪、色彩校正以及几何畸变校正,将预处理完成后的异源图像保存为第一图像(预处理完成后的异源图像,即指完成了去噪、色彩校正以及几何畸变校正的异源图像)。
可选地,S200,对每张第一图像,分别进行特征点提取并标记,其中,所用特征点提取的方法为SIFT算法。
进一步地,S300,基于特征点,对多张第一图像进行相消处理,得到多张第二图像的方法具体为:记多张第一图像的数量为M张,以img(j)表示这M张第一图像内的第j张,j为序号,从j=1开始,对img(j)进行相消处理,直到j=M,从而完成M张第一图像的相消处理,将完成相消处理后的M张第一图像保存为M张第二图像。
进一步地,对img(j)进行相消处理的方法具体为:
S301,记img(j)内含有N(j)个像素,每个像素对应有一个像素值,以p(i,j)表示这N(j)个像素中的第i个,以pv(i,j)表示p(i,j)所对应的像素值;i为序号,i=1,2,…,N(j);
记img(j)内含有R(j)个特征点;
获取第一像素,以P(A,j)表示第一像素,A为序号,A∈[1,N(j)],转至S302;
S302,在P(A,j)的1-圈层中,选取与pv(A,j)的值最为接近的像素并以P(B,j)表示该像素,转至S303;其中,pv(A,j)表示P(A,j)所对应的像素值,B为序号,B∈[1,N(j)];
S303,如果P(B,j)的1-圈层中未包含任意一个特征点,则将P(B,j)标记为分消像素,同时将P(A,j)更新为P(B,j)(即把当前的P(B,j)作为新的P(A,j)),并转至S302;
如果P(B,j)的1-圈层中包含了任意一个特征点,则在P(B,j)的1-圈层中选取像素值最小的像素并以P(M0,j)表示该像素,将pv(M0,j)标记为分消像素,同时将P(B,j)的1-圈层内的所有特征点标记为相消点,转至S304;pv(M0,j)表示P(M0,j)所对应的像素值;
S304,如果R(j)个特征点全部被标记为相消点,则转至S305;否则,将P(A,j)更新为P(M0,j) (即把当前的P(M0,j)作为新的P(A,j))并转至S302;
S305,对分消像素进行像素替换。
本步骤的有益效果为:在基于多图像的三维重建过程中,受拍摄时不同视角和光照条件的影响,多幅图像对于同一场景或物体的视觉信息总是不同,如果直接以多个异源图像进行三维重建,图像之间其亮度和色彩的不一致性会影响特征点匹配以及点云数据的生成精度,进而降低三维重建的模型质量,因此,本步骤的方法通过对第一图像进行相消处理,利用特征点周边的像素信息,对分消像素进行替换,筛选出分消像素的目的是为了减轻图像中不连续的像素信息,以每个特征点作为分区域处理的基准,综合特征点周边的像素信息对分消像素进行像素值修改,以平和异源图像中比较尖锐的像素,减少视觉断层,因为图像中像素信息往往是以分块形式呈现的,单个像素并不能呈现其特征,因此以圈层的方式对分消像素进行逐个筛选并标记,使得特征点周围的像素信息呈现更为一致,避免模型中出现异常物体交错或明显的视觉错误现象,充分提高基于异源图像的三维重建模型的质量和细节精度。
进一步地,对分消像素进行像素替换的方法具体为:记所有分消像素的数量为T个,以dp(k)表示T个分消像素中的第k个,k为序号,k=1,2,…,T;
定义替换算法为:在img(j)中,筛选出与dp(k)最接近的特征点并记该特征点为chp(C,j),记dp(k)与chp(C,j)之间的切比雪夫距离(棋盘距离,因为图像像素以垂直或水平的方式排列,因此以棋盘距离作为像素之间的距离基准)为P(k),将dp(k)的像素值修改为CirA(P(k));C为序号,C∈[1,R(j)];
其中,CirA(P(k))的值等于dp(k)的P(k)-圈层内所有像素的像素值的平均值;
在替换算法中,将k从k=1遍历至k=T,从而完成dp(1),dp(2),…,dp(T)的像素值修改。
进一步地,获取第一像素的方法具体为:在img(j)内的N个像素中,筛选出所有满足第一条件的像素,在这些满足第一条件的像素中任意选取一个像素作为第一像素;
如果img(j)内不存在满足第一条件的像素,则将img(j)内像素值最大的像素作为第一像素;
其中,满足第一条件的像素指:以p(X,j)表示img(j)内N个像素中的任意一个,如果p(X,j)与任意一个特征点之间的切比雪夫距离都大于R(j),则称p(X,j)为满足第一条件的像素。
进一步地,P(A,j)的1-圈层的定义方法为:以P(A,j)为圆心、以1个像素的边长为半径作圆U(A,j),将所有位于圆U(A,j)内部的像素以及所有与圆U(A,j)的圆周存在相交的像素作为P(A,j)的圈层像素,在P(A,j)的圈层像素剔除分消像素以及P(A,j),以剔除分消像素以及P(A,j)后所余下的圈层像素组成P(A,j)的1-圈层。
进一步地,P(B,j)的1-圈层的定义方法为,以P(B,j)为圆心、以1个像素的边长为半径作圆U(B,j),将所有位于圆U(B,j)内部的像素以及所有与圆U(B,j)的圆周存在相交的像素作为P(B,j)的圈层像素,在P(B,j)的圈层像素剔除分消像素以及P(B,j),以剔除分消像素以及P(B,j)后所余下的圈层像素组成P(B,j)的1-圈层。
进一步地,dp(k)的P(k)-圈层的定义方法为,以dp(k)为圆心、以P(k)个像素的边长为半径作圆U(k),将所有位于圆U(k)内部的像素以及所有与圆U(k)的圆周存在相交的像素作为dp(k)的圈层像素,在dp(k)的圈层像素剔除分消像素以及dp(k),以剔除分消像素以及dp(k)后所余下的圈层像素组成dp(k)的P(k)-圈层。
可选地,S400,基于多张第二图像,完成三维重建的方法为:基于多张第二图像,通过PMVS算法输出三维模型。
本发明的有益效果为:所述方法能够提高三维重建后输出模型的精度,确保异源图像的视觉信息能够准确地反映在三维模型中,通过对像素进行相消处理,减少因异源图像之间不一致性而引起的重建模型质量下降,作为模型输入的异源图像,以优化异源图像的方式提高模型输出的精度,能够充分提升大规模或复杂三维模型的重建速度。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本发明的上述以及其他特征将更加明显,本发明附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,在附图中:
图1所示为一种基于异源图像匹配的三维重建方法的流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
如图1所示为根据本发明的一种基于异源图像匹配的三维重建方法的流程图,下面结合图1来阐述根据本发明的实施方式的一种基于异源图像匹配的三维重建方法。
本发明提出一种基于异源图像匹配的三维重建方法,所述方法包括以下步骤:
S100,获取多张异源图像,对多张异源图像进行图像预处理,得到多张第一图像;
S200,对每张第一图像,分别进行特征点提取并标记;
S300,基于特征点,对多张第一图像分别进行相消处理,得到多张第二图像;
S400,基于多张第二图像,完成三维重建。
进一步地,S100中,所述多张异源图像,指来自于不同类型的摄影器材或在不同的拍摄条件下所获得的多张图像。
进一步地,S100,对多张异源图像进行图像预处理,得到多张第一图像的方法具体为:对多张异源图像依次进行去噪、色彩校正以及几何畸变校正,将预处理完成后的异源图像保存为第一图像(预处理完成后的异源图像,即指完成了去噪、色彩校正以及几何畸变校正的异源图像)。
具体地,几何畸变校正为透视变换修正。
具体地,通过SIFT算法对每张第一图像进行特征点(或称特征像素)提取的算法为:
//C++
Ptr<Feature2D>sift = xfeatures2d::SIFT::create();
std::vector<KeyPoint>keypoints;
sift->detect(HDImage_Gray, keypoints);//HDImage_Gray表示灰度化后的异源图像;
进一步地,S300,基于特征点,对多张第一图像进行相消处理,得到多张第二图像的方法具体为:记多张第一图像的数量为M张,以img(j)表示这M张第一图像内的第j张,j为序号,从j=1开始,对img(j)进行相消处理,直到j=M,从而完成M张第一图像的相消处理,将完成相消处理后的M张第一图像保存为M张第二图像。
进一步地,对img(j)进行相消处理的方法具体为:
S301,记img(j)内含有N(j)个像素,每个像素对应有一个像素值,以p(i,j)表示这N(j)个像素中的第i个,以pv(i,j)表示p(i,j)所对应的像素值;i为序号,i=1,2,…,N(j);
记img(j)内含有R(j)个特征点;
获取第一像素,以P(A,j)表示第一像素,A为序号,A∈[1,N(j)],转至S302;(因为第一像素属于N(j)个像素内的其中一个像素,因此存在唯一的序号能够标识其属于N(j)个像素内的具体哪一个像素,以P(A,j)中的A作为唯一的序号标识);
S302,在P(A,j)的1-圈层中,选取与pv(A,j)的值最为接近的像素并以P(B,j)表示该像素,转至S303;其中,pv(A,j)表示P(A,j)所对应的像素值,B为序号,B∈[1,N(j)];
S303,如果P(B,j)的1-圈层中未包含任意一个特征点,则将P(B,j)标记为分消像素,同时将P(A,j)更新为P(B,j)(即把当前的P(B,j)作为新的P(A,j)),并转至S302;
如果P(B,j)的1-圈层中包含了任意一个特征点,则在P(B,j)的1-圈层中选取像素值最小的像素并以P(M0,j)表示该像素,将pv(M0,j)标记为分消像素,同时将P(B,j)的1-圈层内的所有特征点标记为相消点,转至S304;pv(M0,j)表示P(M0,j)所对应的像素值;
S304,如果R(j)个特征点全部被标记为相消点,则转至S305;否则,将P(A,j)更新为P(M0,j) (即把当前的P(M0,j)作为新的P(A,j))并转至S302;
S305,对分消像素进行像素替换。
进一步地,对分消像素进行像素替换的方法具体为:记所有分消像素的数量为T个,以dp(k)表示T个分消像素中的第k个,k为序号,k=1,2,…,T;
定义替换算法为:在img(j)中,筛选出与dp(k)最接近的特征点并记该特征点为chp(C,j),记dp(k)与chp(C,j)之间的切比雪夫距离(棋盘距离,因为图像像素以垂直或水平的方式排列,因此以棋盘距离作为像素之间的距离基准)为P(k),将dp(k)的像素值修改为CirA(P(k));C为序号,C∈[1,R(j)];
其中,CirA(P(k))的值等于dp(k)的P(k)-圈层内所有像素的像素值的平均值;
在替换算法中,将k从k=1遍历至k=T,从而完成dp(1),dp(2),…,dp(T)的像素值修改。
进一步地,获取第一像素的方法具体为:在img(j)内的N个像素中,筛选出所有满足第一条件的像素,在这些满足第一条件的像素中任意选取一个像素作为第一像素;
如果img(j)内不存在满足第一条件的像素,则将img(j)内像素值最大的像素作为第一像素;
其中,满足第一条件的像素指:以p(X,j)表示img(j)内N个像素中的任意一个,如果p(X,j)与任意一个特征点之间的切比雪夫距离都大于R(j),则称p(X,j)为满足第一条件的像素。
进一步地,P(A,j)的1-圈层的定义方法为:以P(A,j)为圆心、以1个像素的边长为半径作圆U(A,j),将所有位于圆U(A,j)内部的像素以及所有与圆U(A,j)的圆周存在相交的像素作为P(A,j)的圈层像素,在P(A,j)的圈层像素剔除分消像素以及P(A,j),以剔除分消像素以及P(A,j)后所余下的圈层像素组成P(A,j)的1-圈层。
本发明提供了一种基于异源图像匹配的三维重建方法,获取多张异源图像,对多张异源图像进行图像预处理,得到多张第一图像,对每张第一图像,分别进行特征点提取并标记,基于特征点,对多张第一图像分别进行相消处理,得到多张第二图像,基于多张第二图像,完成三维重建。所述方法能够提高三维重建后输出模型的精度,确保异源图像的视觉信息能够准确地反映在三维模型中,通过对像素进行相消处理,减少因异源图像之间不一致性而引起的重建模型质量下降,作为模型输入的异源图像,以优化异源图像的方式提高模型输出的精度,能够充分提升大规模或复杂三维模型的重建速度。尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,从而有效地涵盖本发明的预定范围。此外,上文以发明人可预见的实施例对本发明进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
Claims (3)
1.一种基于异源图像匹配的三维重建方法,其特征在于,所述方法包括以下步骤:
S100,获取多张异源图像,对多张异源图像进行图像预处理,得到多张第一图像;
S200,对每张第一图像,分别进行特征点提取并标记;
S300,基于特征点,对多张第一图像分别进行相消处理,得到多张第二图像;
S400,基于多张第二图像,完成三维重建;
其中,S300,基于特征点,对多张第一图像进行相消处理,得到多张第二图像的方法具体为:记多张第一图像的数量为M张,以img(j)表示这M张第一图像内的第j张,j为序号,从j=1开始,对img(j)进行相消处理,直到j=M,从而完成M张第一图像的相消处理,将完成相消处理后的M张第一图像保存为M张第二图像;
对img(j)进行相消处理的方法具体为:
S301,记img(j)内含有N(j)个像素,每个像素对应有一个像素值,以p(i,j)表示这N(j)个像素中的第i个,以pv(i,j)表示p(i,j)所对应的像素值;记img(j)内含有R(j)个特征点;
获取第一像素,以P(A,j)表示第一像素,转至S302;
S302,在P(A,j)的1-圈层中,选取与pv(A,j)的值最为接近的像素并以P(B,j)表示该像素,转至S303;其中,pv(A,j)表示P(A,j)所对应的像素值;
S303,如果P(B,j)的1-圈层中未包含任意一个特征点,则将P(B,j)标记为分消像素,同时将P(A,j)更新为P(B,j),并转至S302;
如果P(B,j)的1-圈层中包含了任意一个特征点,则在P(B,j)的1-圈层中选取像素值最小的像素并以P(M0,j)表示该像素,将pv(M0,j)标记为分消像素,同时将P(B,j)的1-圈层内的所有特征点标记为相消点,转至S304;pv(M0,j)表示P(M0,j)所对应的像素值;
S304,如果R(j)个特征点全部被标记为相消点,则转至S305;否则,将P(A,j)更新为P(M0,j)并转至S302;
S305,对分消像素进行像素替换;
对分消像素进行像素替换的方法具体为:记所有分消像素的数量为T个,以dp(k)表示T个分消像素中的第k个;
定义替换算法为:在img(j)中,筛选出与dp(k)最接近的特征点并记该特征点为chp(C,j),记dp(k)与chp(C,j)之间的切比雪夫距离为P(k),将dp(k)的像素值修改为CirA(P(k));
其中,CirA(P(k))的值等于dp(k)的P(k)-圈层内所有像素的像素值的平均值;
在替换算法中,将k从k=1遍历至k=T,从而完成dp(1),dp(2),…,dp(T)的像素值修改;
获取第一像素的方法具体为:在img(j)内的N个像素中,筛选出所有满足第一条件的像素,在这些满足第一条件的像素中任意选取一个像素作为第一像素;
如果img(j)内不存在满足第一条件的像素,则将img(j)内像素值最大的像素作为第一像素;
其中,满足第一条件的像素指:以p(X,j)表示img(j)内N个像素中的任意一个,如果p(X,j)与任意一个特征点之间的切比雪夫距离都大于R(j),则称p(X,j)为满足第一条件的像素;
P(A,j)的1-圈层的定义方法为:以P(A,j)为圆心、以1个像素的边长为半径作圆U(A,j),将所有位于圆U(A,j)内部的像素以及所有与圆U(A,j)的圆周存在相交的像素作为P(A,j)的圈层像素,在P(A,j)的圈层像素剔除分消像素以及P(A,j),以剔除分消像素以及P(A,j)后所余下的圈层像素组成P(A,j)的1-圈层;
P(B,j)的1-圈层的定义方法为,以P(B,j)为圆心、以1个像素的边长为半径作圆U(B,j),将所有位于圆U(B,j)内部的像素以及所有与圆U(B,j)的圆周存在相交的像素作为P(B,j)的圈层像素,在P(B,j)的圈层像素剔除分消像素以及P(B,j),以剔除分消像素以及P(B,j)后所余下的圈层像素组成P(B,j)的1-圈层;
dp(k)的P(k)-圈层的定义方法为,以dp(k)为圆心、以P(k)个像素的边长为半径作圆U(k),将所有位于圆U(k)内部的像素以及所有与圆U(k)的圆周存在相交的像素作为dp(k)的圈层像素,在dp(k)的圈层像素剔除分消像素以及dp(k),以剔除分消像素以及dp(k)后所余下的圈层像素组成dp(k)的P(k)-圈层。
2.根据权利要求1所述的一种基于异源图像匹配的三维重建方法,其特征在于,步骤S100中,所述多张异源图像,指来自于不同类型的摄影器材或在不同的拍摄条件下所获得的多张图像。
3.根据权利要求1所述的一种基于异源图像匹配的三维重建方法,其特征在于,S100,对多张异源图像进行图像预处理,得到多张第一图像的方法具体为:对多张异源图像依次进行去噪、色彩校正以及几何畸变校正,将预处理完成后的异源图像保存为第一图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410308781.4A CN117911631B (zh) | 2024-03-19 | 2024-03-19 | 一种基于异源图像匹配的三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410308781.4A CN117911631B (zh) | 2024-03-19 | 2024-03-19 | 一种基于异源图像匹配的三维重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117911631A CN117911631A (zh) | 2024-04-19 |
CN117911631B true CN117911631B (zh) | 2024-05-28 |
Family
ID=90697488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410308781.4A Active CN117911631B (zh) | 2024-03-19 | 2024-03-19 | 一种基于异源图像匹配的三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117911631B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330929A (zh) * | 2022-03-30 | 2022-11-11 | 土豆数据科技集团有限公司 | 多视图三维重建方法及装置 |
WO2023078335A1 (zh) * | 2021-11-04 | 2023-05-11 | 索尼集团公司 | 用于三维重建的方法、***和存储介质 |
CN116310105A (zh) * | 2023-03-09 | 2023-06-23 | 广州沃佳科技有限公司 | 基于多视图的物体三维重建方法、装置、设备及存储介质 |
CN116704111A (zh) * | 2022-12-08 | 2023-09-05 | 荣耀终端有限公司 | 图像处理方法和设备 |
CN116912405A (zh) * | 2023-07-07 | 2023-10-20 | 上海大学 | 一种基于改进MVSNet的三维重建方法及*** |
CN116958434A (zh) * | 2023-07-25 | 2023-10-27 | 重庆大学 | 多视图三维重建方法、测量方法及*** |
CN117036737A (zh) * | 2023-08-17 | 2023-11-10 | 渤海大学 | 基于信息熵、gms与lc显著检测的特征提取与匹配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115053257A (zh) * | 2020-09-11 | 2022-09-13 | 京东方科技集团股份有限公司 | 图像的分割方法、装置和图像的三维重建方法、装置 |
-
2024
- 2024-03-19 CN CN202410308781.4A patent/CN117911631B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023078335A1 (zh) * | 2021-11-04 | 2023-05-11 | 索尼集团公司 | 用于三维重建的方法、***和存储介质 |
CN115330929A (zh) * | 2022-03-30 | 2022-11-11 | 土豆数据科技集团有限公司 | 多视图三维重建方法及装置 |
CN116704111A (zh) * | 2022-12-08 | 2023-09-05 | 荣耀终端有限公司 | 图像处理方法和设备 |
CN116310105A (zh) * | 2023-03-09 | 2023-06-23 | 广州沃佳科技有限公司 | 基于多视图的物体三维重建方法、装置、设备及存储介质 |
CN116912405A (zh) * | 2023-07-07 | 2023-10-20 | 上海大学 | 一种基于改进MVSNet的三维重建方法及*** |
CN116958434A (zh) * | 2023-07-25 | 2023-10-27 | 重庆大学 | 多视图三维重建方法、测量方法及*** |
CN117036737A (zh) * | 2023-08-17 | 2023-11-10 | 渤海大学 | 基于信息熵、gms与lc显著检测的特征提取与匹配方法 |
Non-Patent Citations (1)
Title |
---|
多视觉动画图像三维重建特征点匹配优化仿真;***;;计算机仿真;20170915(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117911631A (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165680B (zh) | 基于视觉slam的室内场景下单一目标物体字典模型改进方法 | |
CN111105452B (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
CN112929626B (zh) | 一种基于智能手机影像的三维信息提取方法 | |
CN110517348B (zh) | 基于图像前景分割的目标物体三维点云重建方法 | |
US20220327710A1 (en) | Image Segmentation Method and Apparatus and Image Three-Dimensional Reconstruction Method and Apparatus | |
CN113723317A (zh) | 3d人脸的重建方法、装置、电子设备和存储介质 | |
CN114549669B (zh) | 一种基于图像融合技术的彩色三维点云获取方法 | |
CN113706607B (zh) | 一种基于圆环阵列图的亚像素定位方法、计算机设备与装置 | |
CN114463521A (zh) | 一种面向空地影像数据融合的建筑目标点云快速生成方法 | |
CN112802186B (zh) | 基于二值化特征编码匹配的动态场景实时三维重建方法 | |
CN117911631B (zh) | 一种基于异源图像匹配的三维重建方法 | |
CN112465984A (zh) | 一种基于双层过滤的单目相机序列图像三维重构方法 | |
CN113902847B (zh) | 基于三维特征约束的单目深度图像位姿优化方法 | |
CN109377524B (zh) | 一种单幅图像深度恢复方法和*** | |
CN116704123A (zh) | 一种结合图像主体提取技术的三维重建方法 | |
CN116012449A (zh) | 一种基于深度信息的图像渲染方法及装置 | |
CN115880424A (zh) | 三维重建方法、装置、电子设备及机器可读存储介质 | |
CN115239559A (zh) | 一种融合视图合成的深度图超分辨率方法及*** | |
CN115293995A (zh) | 一种基于Transformer的点云逐点去噪方法 | |
CN117501313A (zh) | 基于深度神经网络的毛发渲染*** | |
CN113838188A (zh) | 基于单幅图像的树木建模方法、树木建模装置、设备 | |
CN112949504A (zh) | 立体匹配方法、装置、设备及存储介质 | |
CN112700504A (zh) | 一种多视角远心相机的视差测量方法 | |
CN112069923A (zh) | 3d人脸点云重建方法及*** | |
CN114511894A (zh) | 瞳孔中心坐标的获取***及获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |