三维结构重建

2024-10-27

三维结构重建(精选9篇)

三维结构重建 篇1

基于光学三角测量法的结构光三维成像系统,以其结构简单、成本低和测量精度高等特点,成为近年来三维数据获取方法研究的重点[1]。在结构光成像过程中,需要不断改变结构光的位置来获取新的三维坐标点,通常用投影仪代替激光发射器,通过改变投影模板的位置来改变光路,只要在计算机中更换投影模板就可以实现表面成像[2]。这种方法加快了成像速度,而且避免了由于抖动对测量产生的影响。但是投影仪与激光器相比光强比较差,且投影光线的散射比激光大,在被测物表面上所形成的条纹相对于激光成像来说更粗一些。因此,为提高三维测量精度,图像中光条的亚像素提取成为三维成像中的关键。

光条的亚像素提取方法很多[3,4],像灰度阈值法、极值法和阈值法等常用方法非常简单,但是精度差,基于方向模板的方法采用几个方向模板来检测亚像素位置,具有最大法线方向增量的方向即为亚像素位置所在的方向。此方法具有很强的抗噪能力,但是计算复杂。图像中的光条可以认为是具有曲线结构特征的,大多数都采用Steger的曲线结构检测器[5]。该方法精确、鲁棒,但真实被测物往往有遮挡、阴影和表面的不连续性,导致了图像中有很多光条端点,Steger方法不能准确地检测光条端点的亚像素位置。为了解决这一问题,本文采用了Steger曲线结构检测器与过零点检测[6]相结合的方法提取结构光的亚像素位置,并采用连接算法按顺序连接每个光条上的亚像素点。

1 结构光成像系统

本文设计的双目结构光成像系统由一台LCD投影仪(SONY,CPJ-D500)、两台性能参数一致的摄像机构成,如图1所示。投影仪具有24位真彩色VGA/SVGA输出,输出信号分辨率可达800 X 600@60 Hz,并通过视频端口与PC机相连,由电脑控制投影仪投影编码结构光模板。在测量过程中,投影模板被投影到被测物上,被两台CCD摄像机(MINTRON,MTV-188IEX)采集到。摄像机采集图像的分辨率设为768×576像素。在PC机上采用大恒采集卡DH-CG410采集从摄像机获取图像,采集卡的S端子与摄像机的视频输出端相连,通过软件控制图像采集过程。

三维数据的获取如图2所示,摄像机与投影仪之间在xoz平面上构成三角关系。在提取了图像上的结构光光条上的点后,可根据摄像机与投影仪之间的几何关系计算相应的三维表面数据。从图像上一点(u,v)可以计算出直线op的方程。从在标定时求得的外部参数中可以获取摄像机与投影仪之间的距离l。在结构光标定时可以获得角度θ。直线op与结构光op′相交于点p。求解点p的函数可以简单表示如下:

由式(1)可知,改变亚像素点(u,v)就会改变重建的三维数据,因此为了实现三维数据的精确获取,结构光亚像素的精确提取是必不可少的。

2 结构光亚像素的提取

2.1 线结构光检测法

首先,采用线结构检测方法来检测亚像素值[4,5,6,7]。设一个像素点(x,y)的灰度值为f(x,y),光条的法向方向向量为n=[nx,ny]T,梯度为r=[rx,ry]T。在点(x,y),用Gaussian模板的偏微分与图像卷积就可以得到rx、ry、rxx、rxy和ryy;方向向量n可以通过计算Hessian矩阵的特征值和特征向量得到。亚像素坐标灰度的泰勒多项式可以表示为:

2.2 过零点检测法

过零点检测方法能够很好地解决端点处的结构光提取问题,其步骤如下:

构造如下函数:

如果亚像素点(x,y)在光条的脊上,(nx,ny)与(rx,ry)正交,也就是说Q(x,y)=0。如果在一个像素点上的Q值为正,在该像素点相邻的另一个像素点上的Q值为负,则在这两个像素点的连线上必有一个亚像素点在光条的脊上,即这两点之间必定存在一个亚像素点(x,y)使得Q(x,y)=0[4]。然而,(nx,ny)有两个相反方向正交于光条曲,因此必须考虑(nx,ny)的方向。设(x0,y0)为一个像素点的坐标,(xi,yi)为该像素点的八邻域中的一个点。可以构造另一个函数

如果E(x,y)<0,即在点(x0,y0)和点(xi,yi)处Q(x,y)异号,即在这两点之间必定有一脊点,该脊点即可作为结构光的端点。

图3所示为应用Steger方法检测亚像素的过程。图3(a)为原始图像,对图3(a)中求得每个像素点的(nx,ny),采用Steger方法得到满足式(4)的偏移量,再得到每一点偏离该像素点中心位置的偏移量(tnx,tny),每个像素点上所得到的亚像素位置必须在该像素点上,并且把具有满足要求的偏移量所对应的像素点标识如图3(b)所示。对图3(b)中每个标识点,如果满足式(6),就在图3(b)中标识该点。从图3(b)端点处可以看出,用Steger方法得到多个像素宽度的端点,由于曲线在端点处失去了方向,Steger方法不能提取光条端点的亚像素坐标。而在图3(c)中,采用了过零点检测算法后得到了最多两个像素宽度光条,与图3(b)相比,光条在端点处变细,便于亚像素级结构光光条的重建。因此,在结构光提取过程中,可采用Steger检测器与过零点检测相结合的方法,解决端点问题,以达到很好的检测效果,提高三维测量精度。

3 实验结果及分析

为了验证本文中结构光亚象素的提取方法是否可提高三维数据获取的准确性,文中采用一个平板作为被测物。分别用本文方法与三角测量法获取了大约300,000个三维坐标点,再把这些三维坐标点拟合成平面,计算每个点到这个平面的距离作为最小均方误差(LMS)。采用本文方法计算出来的LMS为0.1009 mm,而采用如图2所示的光学三角测量法得到的LMS为0.1257 mm。详细计算结果见图4(a)。与光学三角测量法相比,本文采用的方法具有更高的测量精度。PL与PR分别表示从左右摄像机获取的三维数据。

同时,从这些数据中取出一小块区域(大约1,500个点)显示如图4(b)所示,从图中可以看出,从左右摄像机所获取的三维数据点吻合度相当好。这从另外一个角度反映了本系统实现三维测量的稳定性与准确性。

此外,以石膏头像作为被测物,采用本文方法获取了石膏头像表面上大约200,000个点的坐标,这些点云显示如图5所示,可以更直观地看出本文方法的效果。

4 结论

在结构光测量系统中,影响三维测量精度的因素很多,如系统标定、投影点的提取等。本文着重分析了结构光光条亚像素提取的影响,并提出了Steger方法与过零点检测相结合的亚像素提取算法。这种方法较好地解决了结构光光条端点的亚像素提取问题。通过获取一平板表面的三维数据点,对比本文方法与三角测量法之间的误差,进而分析了数据点的精度,本文方法计算出来的LMS为0.1009 mm。对于有效视场深度在1 m的成像范围来说,本文提出的亚像素提取方法将大大提高三维数据重建精度。用石膏头像的三维重建实验更直观地说明了采用本文亚像素提取算法的效果。

摘要:将Steger曲线结构检测器与过零点检测相结合,提出一种新的亚像素提取算法,并通过实验验证了此方法的有效性。

关键词:图像处理,光学测量,亚像素提取,结构光,三维重建

参考文献

[1]Blais,F.Review of20years of range sensor development[J].Electron Imaging,2004,13(1):231-243.

[2]Zhang L,Curless B,Seitz S M.Rapid shape acquisition using color structured light and multi-pass dynamic programming[C].in:Proc.1st Int.Symp.on3D Data Processing,Visualization,and Transmission.2002,24-36.

[3]Amor,B.B.,Ardabilian,M.,and Chen,L.3D face modeling based on structured-light assisted stereo sensor[C].in:Proc.13th Int.Conf.on Image Analysis and Processing.2005,p.842-849.

[4]陶立,孙长库,何丽,等.基于结构光扫描的彩色三维信息测量技术[J].光电子-激光,2006,17(1):111-114.

[5]Steger,C.An unbiased detector of curvilinear structures[J].IEEE Trans.Pattern Anal.Mach.Intell,1998,20(2):113-125.

[6]郝丽俊,程胜,杨荣骞,等.投影结构光空间位置和形状的标定方法研究[J].光电子-激光,2007,7(18):816-819.

[7]刘枝梅,邓文怡,娄小平.结构光测量系统中光条中心的提取算法[J].北京机械工业学院学报,2009,124(1):42-45.

三维结构重建 篇2

深度探讨基于LIDAR数据的三维城市地物重建

本文基于笔者多年从事地理信息系统的`相关工作经验,以三维城市地物重建为研究对象,深度探讨了基于lJlDAR数据城市地物重建方式方法,论文详细探讨了建筑模型的模型驱动方法和数据驱动方法.全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行有着重要的借鉴意义.

作 者:徐威  作者单位:兰州军区第一测绘大队,甘肃兰州,730020 刊 名:科技资讯 英文刊名:SCIENCE & TECHNOLOGY INFORMATION 年,卷(期): “”(16) 分类号:P2 关键词:LIDAR数据   三维数字城市   地物   重建  

三维结构重建 篇3

Gu[1]提出的重建方法能够处理双曲线、抛物线等工程中常见的二次曲线,该方法较好的解决了空间曲线边的重建问题,但存在着几何计算量大、曲线拟合精度不高等问题;Fen[2]以二次曲面体的三维位姿和它的图像轮廓之间的闭式映射关系,从灰度图像鲁棒地提取的二次曲线参数直接确定二次曲面体的三维位姿;Simant[3]从多目图像中,以物体边缘轮廓为基元对物体进行三维重建,但过于依赖重建对象的形状和空间位置的摆放,限制了它的实际应用;孙[4]以二次样条曲线作为重建基元对空间曲线进行重建,并将之应用到空间物体的三维重建中,在重建精度和算法复杂度上有较大的改善。

本文利用空间二次曲线的投影不变性,提出一种从两个透视投影图对空间二次曲面体轮廓重建的方法。这种方法充分利用了图像的轮廓特征,以轮廓曲线上的点做重建基元,对空间二次曲面体进行结构重建,避免了解高次方程所遇到的困难,弥补了以往重建精度的不足和重建方法的局限性。

1 成像系统及坐标描述

本文采用平行对准配置的双目立体视觉系统,摄像机的几何关系如图1所示。设两摄像机焦距分别为f1和f2,摄像机的光心O与O’分别对应着坐标系C1和C2的原点,两个摄像机的投影中心间的距离(基线)为B。为了问题简化,取左摄像机的坐标系C1为世界坐标系,左图像坐标系为O1-X1Y1,右图像坐标系为O2-X2Y2。空间景物上一点P,在世界坐标系C1中的坐标P(xw,yw,zw),P1(X1,Y1,f1)和P2(X2,Y2,f2)分别为其在左右图像平面I1和I2中的投影坐标。那么P点与P1点有关系如下:

设右坐标系C2的原点为O’,令其在世界左坐标系下坐标值为O2(xd,yd,zd)。那么P点在右坐标系C2中的坐标可表示为P(x’w,y’w z’w),且有如下关系[5]:

其中λ是两个参考坐标系之间比例因子,不失一般性,可设为1。由公式(2),空间点P(xw,yw,zw)与P2(X2,Y2,f2)有如下关系:

方程(1)和(3)是一对任意透视投影图的共线方程。

2 边缘特征的提取与匹配

2.1 轮廓边缘特征提取

图像中景物的形状轮廓信息通常采用边缘检测的方法获得。由于实际图像(图2)中边缘类型的复杂,并且存在着不同程度的噪声,对算法的适应性和有效性有着较大的考验。

Canny边缘检测算法[5]利用高斯函数的一阶微分,用非极大值抑制和“磁滞”阈值法来定位导数最大值,在噪声抑制和边缘检测之间取得了较好的平衡,是公认比较好的边缘检测算子。但对实际图像来说,直接canny算子提取的边缘仍不理想。从图2(a)中可看出,提取的边缘既琐碎凌乱,也不连续。这种边缘不但难以体现模型的轮廓信息,而且也很难进行后续边缘匹配。

为了得到单像素轮廓边缘,该文采用改进的canny算子[6]来提取轮廓边缘信息。改进后的canny算子采用非极大值抑制和双阈值控制的方法,能够有效的避免噪声的干扰,对原图像中具有一定像素宽度的区域边界进行细化。图2(b)是采用上述方法所获得的模型轮廓边缘,与Canny算子边缘相比,改进canny算子检测的边缘具有更好的连续性和完整性,能够较好地体现景物的轮廓信息。

2.2 轮廓边缘匹配

轮廓边缘匹配基元通常是以分段线段为单位,按线段分组匹配各边缘点。然而,不同视点的成像差异,造成左右图像中各边缘线段通常并不严格对应,从而使得匹配出现较大误差。

苏[7]提出边缘模板匹配法,计算基于边缘点之间的平均最近距离的匹配代价和基于边缘点梯度方向直方图的匹配代价作为相似性测度,实现模板匹配。该方法在模板匹配过程中充分利用边缘特征的梯度强度信息和梯度方向信息,使得匹配有更好的准确性和鲁棒性。该文采用该方法对轮廓边缘进行匹配。在边缘特征提取的基础上,选取一幅边缘图为基准模板,采用模板匹配方法对边缘图进行匹配。考虑到拍摄视角的转换会引起轮廓的扭曲变形,对第一幅图像中的每个轮廓点,遍历另一幅图像中的所有轮廓点,比较两个点间的差异,如果两个特征量差值均在一定范围内,则认为是正确的匹配对,匹配结果如如图4所示。

3 重建过程

由二次曲线的性质可以知道:空间二次曲线在图像上的投影仍然是二次曲线。设投影二次曲线Γj(j=1,2)在各自对应的图像平面I1和I2方程为:

设(X2,Y2)是曲线Γ2的任意一点,将其代入方程(4)后,应用针孔模型得:

设f2=1,其中(x’w,y’w,z’w)是空间景物上P点相对于右坐标系C2的坐标。现换算成相对于左坐标系C1,即将方程(2)与方程(5)联立:

由方程(1)可知:

不失一般性可设定f1=1,方程(6)改写成:

上面的公式(8)可以改写为:

那么,

在曲线Γ1上选择一系列点Pi1(Xi,Yi),利用方程(10)可以得到两组坐标值(xi1,yi1,zi1)和(xi2,yi2,zi2)。由先验知识和实际相机的几何约束可知:r为正,则z的值只能为正且为实数。在确定唯一解之后,对坐标(xi,yi,zi)进行拟合,重建空间二次曲线的三维结构。

4 实验

采用图5所示实物仿真平台进行实验,以检验上述三维重建算法。因实验平台只有一个CCD相机,实验时通过固定拍摄模型而平行移动相机获取双目视觉图像。

在标定摄像机内外参数之后,对模型进行拍摄,获取立体图像对。按第3节所述方法对左右两幅图像进行图像预处理,提取模型的边缘轮廓;然后以边缘模板匹配法得到同名轮廓曲线,并选取同名曲线的关键点,建立起两幅图像间同名目标曲线上各像素点的对应关系。在建立起基于图像点的对应关系后,就可以按第4节重建方法,计算出同名匹配点的空间坐标。最后用最小二乘法在matlab2011软件环境下,将空间点拟合成完整的二次曲线段。

5 结论

本文根据空间二次曲线投影不变性,提出一种从两个透视投影图像对重建空间二次曲面体轮廓的方法。此方法的主要优点在于:

1)能够从两个透视投影图像对重建空间二次曲线,不受重建对象空间位置的限制;

2)充分利用点的不变性和二次曲线的投影不变性,在点的基础上重建空间二次曲线,保证了重建的精度;

3)避免了解高次方程,算法具有较快的计算速度。

虽然本文提出的方法可以应用空间二次曲面体结构重建,但是对具有复杂结构的自然曲面体仍有较多不适,笔者正在研究将此法推广到其他复杂自由曲面体的重建。

摘要:该文利用空间二次曲线的投影不变性,提出一种从两个透视投影图对空间二次曲面体轮廓重建的方法。根据双目立体视觉的成像模型计算匹配边缘点的三维坐标,最后使用非线性最小二乘法曲线拟合实现轮廓的三维重建。实验结果表明,该方法能够有效地重建出空间中任意摆放的二次曲面体的轮廓边缘,较之以往的重建方法具有较高的重建精度。

关键词:双目视觉,二次曲面体,轮廓,三维结构重建

参考文献

[1]Gu Kaining.Reconstruction of 3D Objects from Orthographic Projections[J].Comput-er Graphics Forum,2007,5(4):317-323.

[2]Fen Fang,Yong Tsui LEE.3D reconstruct-tion of polyhedral objects from single perspective projections using cubic corner[C].Inter national Conference on Software Engineering,Knowledge Engineering and Information Engineering,2012,pp:51-57

[3]Simant Prakoonwit,Ralph Benjamin.3D surface reconstruction from multiview photographic images using 2D edge conto-urs[C].12th European Conference on Co-mputer Vision,Florence,Italy,October 7-13,2012,Proceedings,Part IV:245-259.

[4]孙向军.场景三维重建的若干关键技术研究[D].南京:南京理工大学,2004.

[5]Canny.A computational approach to edge detection[J].IEEE Trans.on Pattern Analysis and Machine Intelligence,1986,8:679-714.

[6]Wojciech.Canny Edge Detection Algorit-hm Modification[J].Computer Vision and Graphics Lecture Notes in Computer Science Vol ume 7594,2012,533-540.

三维结构重建 篇4

(画册内容与展览脉落尽可能一致)

一、编委会

二、前言(综述)

三、目录

第一章考验篇

主题:以人为本、执政为民、经受严峻考验的四川依然美丽

本篇章考虑四个单元图片内容:

(一)巨创(以若干典型灾难图片展现特大地震灾害的惨烈情景,并附以受灾数字统计)

(二)关怀(1、中央9位常委来川视察指导救灾重建工作的图片,其中突出锦涛、家宝。

2、中纪委领导贺国强、何勇、马馼来川指导检查工作照片。

3、刘奇葆、蒋巨峰、欧泽高检查灾后重建资金物资监管工作的图片)

(三)救灾·重建(省委、省政府按照党中央、国务院的统一部署,加强对救灾重建工作的领导,特别是注重发挥各级纪检监察机关在救灾重建中对资金物资监管的主导作用,确保了救灾重建有序有效地进行)

(四)崛起(科学规划、严格管理、有效监督、倾力协作,1

确保各项重建工程优质、廉洁、高效完成。三年重建任务两年基本完成,灾后四川依然美丽)

第二章阳光篇

主题:廉洁救灾,阳光重建,向党和人民交一本放心账、明白账。

本篇章考虑以下两方面内容:

(一)“两个落实”到位

1、资金物资监督检查落实到位

2、安置政策监督检查落实到位

(以上内容着重围绕“两个落实”选择图片,包括会议照、工作照、灾区群众生活照等等)

(二)“五大监督举措”确保阳光重建

1、组织篇——领导小组指挥、职级部门监督、纪检监察机关监督、社会监督;

2、制度篇——规范资金物资项目运转程序,建立监督检查工作流程,规范招标投标行为、防控腐败易发多发风险点。

3、监督篇——一线监督、动态监督、专项督查、效能监察、协同监督。

4、公开篇——公告天下、取信于民、群众知晓民生事项、群众参与重要决策,社会关注热点积极回应。

5、惩戒篇——设置法纪红线,拓展信访举报渠道,快速严办查处违纪违规行为。

(本篇除强调面上的工作,也要适当选择点上的新鲜经验)

第三章 援建篇

主题:倾情援建,合力监督,监督检查工作的大交流、新探索。

本章主要内容:

1、对口援建史无前例,20个对口援建省(含内蒙古、海南省)共同书写大爱篇章。

2、监督检查面临的新特点,采取的新办法。港澳援建监督检查工作的措施,合力监督检查形成新成果。

第四章拓展篇

主题:科学规范、拓展延伸、围绕重大决策部署加强监督检查。

本章着重考虑以下两方面内容:

(一)围绕重大决策部署强化监督检查。开创了我省纪检监察工作的新局面。

(二)围绕党中央国务院、省委省政府扩大内需、促进经济增长等重大决策部署监督检查,形成了我省纪检监察工作的新格局。

1、藏区(彝区)发展稳定政策落实情况监督检查(藏区“三大民生工程”,彝区“三房改造”等)

2、民生工程实施情况的监督检查。

3、扶贫开发资金管理使用和项目建设监督检查。

4、交通、水利等重大基础设施建设监督检查。

四、抗震救灾及灾后重建大事记

三维结构重建 篇5

1 原理

De Bruijn序列也称之为M序列, 是一种伪随机序列。其周期最长而且具有有非周期移位特性。在通信, 密码学, 建筑学方面都有很重要的运用。

1.1 条纹产生过程

De Bruijn序列产生的条纹与三相位法产生的条纹光不同, 三相位法产生的条纹是人为变换光的相位 (通常是每2/3个单位变换一次) , 这样我们通常能够获取两种不同的条纹光一种是黑白条纹如图1所示, 在相邻条纹之间有可能产生相似或者相同的序列这样就会产生二义性。利用DeBruijn产生序列的目的在于消除条纹光的二义性, 假设, 给定一个十六进制的编码序列, 设定一个窗口的大小为m, 我们能够找出一个序列长度为16m的编码序列。这样得到的序列能够保证每m个序列均不一样。

彩色点通常是由, R, G, B三种基色构成, 我们利用二进制的方式能够准确识别8中颜色, 即, 将RGB三位分别有0或者1来表示, 则颜色可以表示为若投影的序列有n+1条即:, 形成的序列{000, 001, …, 111}, 由于要保持相邻序列之间具有二义性, 上述序列要与颜色集合{001, 010, …, 111}做相应的异或处理则能够构成不同的颜色序列。在实际运用当中, 为了要剔除与黑色部分相混淆的阴影部分我们要将其剔除, 红色通道 (110) 和黄色通道 (111) 容易同时发生跳变因此我们也要将其剔除。这样构成Debrujin的序列就是5项。与此同时, 条纹的粗细也是影响成像好坏的一个重要因素, 如果, 条纹粗会导致像素点数量稀疏, 成像不清晰, 条纹过细, 可能会使图像点易受光噪声干扰。以下图表是我们实际操作过程中的一些参数:

De Briijn产生的序列是随机序列, 因此产生序列的顺序并不是唯一的。图2是产生条纹的图像:

1.2 图像滤波

光学测量中由于外部环境的因素 (如:环境的震动, 温度的变化等) 和内部设备的误差 (图像显卡的电子噪声, 设备散热的热噪声等) 都会对所形成的图像形成一定的干扰。因此, 在三维图像的形成之前要对图像进行滤波处理。

首先, 使用一个低通滤波器去除高频部分的噪声, 其次对于颜色分量较低的部分 (包括干扰光, 反射光等) 我们也要将其剔除出去。通常情况下我们所选取的低通滤波器是3*3的即可。

具体的公式为:

此门限的具体算法是通过自适应门限算法:先将三种颜色的求和并归一化其算计算方法为:

其中, abs是取绝对值, 即:将相邻点的三基色做差然后再相加。

1.3 边缘检测

对图像的处理方式一般有两种:第一种是将彩色的图像全部转化成灰度图像, 这样的方式有可能弱化检测边缘;第二种是在彩色图像之间进行检测, 此方法有利于边缘提取。Canny边缘检测方法是通过边缘检测算法的算子计算图像像素的梯度, 判断计算结果是否是局部极大值或者极小值的方法来获得图像边缘点信息。

1.4 条纹的判定与匹配

得到了条纹的边缘之后首先对条纹的颜色进行判定然后与原始的颜色序列进行对比, 对于每一条颜色带的匹配可使用RGB颜色平均数的办法:

为判定颜色将每个颜色的分量相对比:

其判定方法是:判定上述向量中最大的两个颜色比率。假设r/g、r/b远大于1则判定为1, 如果这几个比率均接近1则说明颜色接近全部为1.同理其他颜色的情况也如此。在这里我们使用多变动态规划算法来对相应的条纹进行匹配, 条纹的全局评价递归函数如下公式:

其中,

是三种颜色全部相同的颜色匹配函数。

是两组条纹的全局评价函数。

能够获取评价函数的最大值[9]。

其意义在于:对于条纹序列i和j, 如有im-1=jn-1, 则进一步解决一个子问题, 找“i0, i1, …, im-2”和“j0, j1, …, jm-2”的一个最长公共条纹序列;如果im-1!=jn-1, 则要解决两个子问题, 找出“i0, i1, …, im-2”和“j0, j1, …, jn-1”的一个最长公共子序列和找出“i0, i1, …, im-1”和“j0, j1, …, jn-2”的一个最长公共条纹序列, 再取两者中较长者作为i和j的最长公共条纹序列。

2 实验数据分析

本文通过石膏人模型来说明三维形态重建情况。使用DeBruijn序列条纹进行三维重建。

通过计算机处理, 得到的三维点阵信息[10]进行运算, 获得的石膏人三维形态。

利用Debruijn彩色条纹编码可以通过系统较好的还原物体三维形态, 在减少图片张数的同时很好的保证了三维形态的精确度。显示的实验结果能够很好的反应物体的形态。

3 结语

(1) 整个系统中包含了比较完整的算法如边缘检测, RGB颜色匹配, 三维形态重建等。

(2) 在提升算法精度和设备准确度的情况下, 此种算法能够很好的利用在高动态的环境下, 例如, 路面检测, 桥梁变形检测等领域。

(3) De Bruijn序列产生的彩色条纹还原物体三维形态的方法是一种空间编码的方法, 只要靠单张图片还原物体三维形态的方法, 相比较时间编码的方式中靠三张图片还原物体三维形态, 在精确度上还是确有不足的, 但在实时检测中提供了很大的便利。

参考文献

[1]曲学军, 张璐.基于双目视觉的三维测量方法[J].计算机仿真, 2011, 28 (2)

[2]Frankowski, G., Chen, M., Huth, T.Real-time 3D Shape Measurement with Digital Stripe Projection by Texas Instruments Micromirror Devices DMDTM[J].Proc.Of SPIE, 3958 (2000) , pp.90-106

[3]李永怀, 冯其波.光学三维轮廓测量技术进展[J].激光与红外.2005, 35 (3) :143-147

[4]Zhengyou Zhang.A Flexible New Technique for Camera Calibration[J].Teehnieal Report MSR-TR-98-71, 1998

三维结构重建 篇6

1 材料与方法

1.1 临床资料

选择2013年9月至2014年6月在第三军医大学西南医院妇产科确诊为子宫脱垂Ⅱ期及以上的患者30例(脱垂组),其中Ⅱ、Ⅲ期患者20例,Ⅳ期患者10例,合并不同程度的阴道前后壁脱垂。所有入选者既往无盆腔手术史,且经过临床问卷调查、尿动力学检查、POP诊断采用POP-Q定量分度法进行分期。选择健康无POP女性志愿者20例为对照组。两组均无MRI检查禁忌证且基本情况比较,差异无统计学意义(P>0.05),见表1。

1.2 MRI图像数据采集

MRI检查前0.5小时嘱受检者排空膀胱,采用Siemens 3.0磁共振成像仪,四通道体表线圈。取仰卧位,双手抱头,双下肢稍外展,正中矢状面与床面垂直。扫描范围:矢状位由耻骨联合外侧至骶骨后突外侧,横断位上至骶岬水平下至肛门口下2 cm。静息位和Valsalva动作时分别扫描。

扫描参数:矢状位采用快速MRI HASTE成像:TR1000 ms,TE 91 ms,层厚4 mm,层间距1.2 mm,视野300 mm×300 mm,矩阵300×256,带宽781 Hz/PX;横断位采用TSE T2WI序列,视野280 mm×280 mm,矩阵512×512,层厚2 mm,层间距0.4 mm,扫描像素大小为0.55 mm×0.55 mm,激励次数1次,TR 8610 ms,TE 9.8 ms,带宽315 Hz/PX,采集时间约20分钟。

1.3 三维建模、参数测量及比较

1.3.1 将MRI横断位薄层扫描图像导入Amira5. 2. 2 商业软件中,分别创建子宫、膀胱、阴道、尿道、直肠、尾骨、骶骨、骨盆、耻骨联合、肛提肌等标签。调整灰度,从各结构最清楚的平面开始到消失的平面结束仔细辨别各结构的边界,手动分割,选择不同的颜色标识,选定合适参数,完成三维重建。

1.3.2将矢状位图像导入Amira 5.2.2商业软件,选择最佳平面,利用3D测量器分别测量PCL、H线、M线、G1角、G2角、宫颈长度、C线、B线,然后在三维重建模型上任意角度旋转检验测量标志线是否准确,选取最佳位置测得最佳值。MRI影像学图像在正中矢状位上评估脱垂程度最准确,以PCL为基准线,PCL即耻骨联合下缘与骶尾关节之间的连接线,H线是耻骨联合下缘到肛门直肠交界水平处直肠后壁的距离,提示肛提肌裂孔的长度;M线是H线直肠末端到PCL的垂直距离,可间接反映盆底缺陷的程度;G1角为提肌板角,是提肌板和水平线形成的角度,G2角为肛直肠角,是肛管长轴与直肠后壁形成的向后开放的夹角,G1和G2角提示肛提肌的收缩功能;宫颈长度是宫颈内口到宫颈最低点的距离,C线是宫颈最低点到PCL的垂直距离,B线是膀胱颈到PCL的垂直距离,PCL以上为正值,以下为负值。

1.4 统计学分析

数据处理采用SPSS 19.0统计分析软件,计量资料用均数±标准差表示,两组(脱垂组和对照组)基本资料及两相位(静息位和Valsalva动作时)各参数测量值均为正态分布数据,两组间同相位比较采用配对t检验,同组间两相位差值采用独立样本t检验。P<0.05为差异有统计学意义。

2 结果

2.1 MRI影像学观察情况

对照组盆腔脏器包括宫颈、膀胱底、阴道穹隆、肠管在静息位和Valsalva动作时均在PCL以上(见图1A);脱垂组静息位可以在PCL以上,Valsalva动作时出现不同程度地位于PCL以下(见图2A);脱垂组Valsalva动作时G1、G2角与对照组相比明显增大(见图2B);横断位MRI在尾骨尖平面很好显示肛提肌形态,对照组肛提肌呈倒“八”字形,两翼对称,光滑,完整,包绕直肠(见图1C);脱垂组可见肛提肌两侧不对称,右侧明显薄弱,平直,有缺损(见图2C)。

2.2 三维重建

我们获得了所有患者和志愿者基于MRI的三维重建图像,能够直观地观察盆腔器官如膀胱、子宫、直肠之间的关系。正常组见图3,脱垂组患者膀胱、子宫阴道壁明显膨出,直肠前突(见图4)。以PCL为指示线,正常女性子宫位于PCL线上(见图3A),脱垂组患者子宫位于其下方(见图4A)。正常女性肛提肌饱满,左右对称,裂孔宽度较窄,长度较浅,形态呈“V”字(见图3C);脱垂组患者肛提肌有缺损,裂孔增宽,长度变深,形态呈“U”或“O”字(见图4C)。

(B:膀胱;U:子宫;R:直肠;V:阴道;C:宫颈;PS:耻骨联合;Co:尾骨;S:骶骨;LAM:肛提肌)

(B:膀胱;U:子宫;R:直肠;V:阴道;C:宫颈;PS:耻骨联合;Co:尾骨;S:骶骨;LAM:肛提肌)

2.3 两组几何参数的测量及比较

见表2。

差值为各组间Valsalva动作减去静息位的值;B线和C线中的正值表示最低点位于PCL以上,负值表示最低点位于PCL以下

脱垂组与对照组组间比较:静息位和Valsalva动作时的PCL、H线、G1角、G2角、宫颈长度差异均无统计学意义(P>0.05),M线、C线差异有统计学意义(P<0.05),B线静息位时差异无统计学意义(P>0.05),而在Valsalva动作时差异有统计学意义(P<0.05)。静息位与Valsalva动作的差值经独立样本t检验结果示:两组的PCL长度差值均无统计学意义(P>0.05);M线、G1角、G2角、B线、C线差值均有统计学意义(P<0.05);H线对照组差值有统计学意义(P<0.05),脱垂组差值无统计学意义(P>0.05)。

3 讨论

POP是一种随人口老龄化发病率不断升高的疾病,虽不致死,却影响患者的生活质量。临床上POP的诊断多采用POP-Q脱垂定量分度法,然而该评分系统仍然存在一些缺陷,如对阴道膨出程度及内容物不能判断[4],因此需要更科学客观的评判方法来评估POP。MRI是一种非侵入无辐射的检查工具,具有对软组织分辨率高、质量高等优势。随着MRI在临床上的广泛应用,可很好地观察盆底的解剖结构[5]。计算机三维成像技术是将二维医学图像转换为3D模型的方法,已有学者将此技术用于女性盆底的研究[6],但尚未广泛应用于临床。本研究采用基于MRI的女性盆底三维重建模型对POP进行研究,以便进一步指导临床治疗。

PCL作为衡量POP程度的基准线广为使用,有文献对该线的起止点进行研究,认为PCL起于耻骨联合下缘中点,止于骶尾关节,而并非尾骨尖,以避免尾骨因盆腔运动产生位移所致的误差[7]。我们的研究证实了此观点,静息位时脱垂组与对照组的PCL长度进行比较,差异无统计学意义(P=0.776),且两组PCL长度在静息位与Valsalva位时的差值也无统计学意义(P=0.386;P=0.303)。H线反映肛提肌裂孔的长度,M线间接反映盆底缺陷的程度,文献报道盆底正常者H线<6 cm,M线<2 cm[8],我们的研究中对照组的H线和M线静息位时和Valsalva动作时均在正常范围内,而脱垂组的H线和M线静息位时在正常范围内,Valsalva动作位时H线(67.57±9.12 mm)和M线(36.84±10.15 mm)均超过正常范围,说明POP患者肛提肌和盆底结构本身存在缺陷;静息位和Valsalva动作时两相位差值情况:脱垂组M线差值有统计学意义(P=0.000),H线差值无统计学意义(P=0.129),对照组M线和H线的差值均有统计学意义(P=0.000;P=0.000),说明对照组肛提肌功能良好,脱垂组肛提肌功能受损,因此M、H线可以作为衡量肛提肌功能的指标。肛提肌板角(即G1角)是由肛提肌的肌纤维在尾部融合而成,正常人在力排时向尾部增大不超过10°,否则提示盆底支持结构薄弱[9],本研究中在静息位和Valsalva动作时两组间G1角的角度比较,差异均无统计学意义(P=0.061;P=0.917),虽然两组的G1角和G2角两相位变化的差值均有统计学意义(P=0.000;P=0.000),但脱垂组的G1角两相位差值12.26°±7.52°,超过了10°,说明盆腔在用力时盆底会向下移位,且脱垂组移位更明显。肛直肠角(即G2角)在静息时约90°~105°,排便时约120°~180°,反映盆底功能[10],本研究两组的G2值情况与报道的基本一致,但两组两相位的变化差值均有统计学意义(P=0.000;P=0.000),可间接反映耻骨直肠肌功能,说明在盆腔用力时该肌肉处于松弛状态。宫颈长度>4 cm诊断为宫颈延长,两组的宫颈长度比较,差异无统计学意义(P=0.233)。B线提示膀胱位置,C线提示宫颈位置,分别反映前、中盆腔脱垂情况,研究发现两组不同相位的差值均有统计学意义(P=0.000;P=0.000),说明盆底用力时前、中盆腔均会向下运动。脱垂组C线在Valsalva动作时为负值,说明在PCL以下,提示为子宫脱垂;B线在静息位两组比较无差异(P=0.451),Valsalva动作时两组比较差异有统计学意义(P=0.027),提示中盆腔缺陷的患者易合并前盆腔缺陷。因此,在PCL恒定的前提下,各几何参数均可衡量POP和盆底缺陷的程度,但是M线和H线的敏感性还需进一步研究。

本研究由图3、图4可见,3D模型中可直观地看到对照组盆腔器官均在PCL以上;而重度脱垂患者阴道外翻,膀胱、子宫位于外翻的阴道内,均在PCL以下,膀胱受压变形,形态不规则,直肠前突,肛提肌裂孔变深变宽,呈“U”形甚至“O”,对照组呈“V”形。单独显示各器官可获得更为细致准确的信息,以重度脱垂患者3D模型为例,发现膀胱不仅为哑铃状,其右侧膨出比左侧明显,结合MRI图像发现此部位肛提肌薄弱,有缺失,阴道旁组织存在缺陷,因此在行重建术时右侧是修补缝合的重点,对临床治疗有指导意义。利用3D模型也可对各参考线进行测量,且不断旋转角度选择最佳测量平面;而二维平面固定,无法避免因检查时患者体位摆放不准确或骨盆畸形导致的误差。有学者进行了3D模型上的测量[11],认为三维测量更直观准确。因此,基于MRI的盆底结构3D模型为我们理解和研究正常女性及POP患者盆底结构毗邻关系提供了新的学习途径;利用该模型可全面了解盆底缺陷部位及形态,以制定更合理的手术方案和评判手术效果;盆底手术因各解剖结构位置深在而学习困难,利用该模型可模拟各种盆底手术,缩短学习曲线,且为进一步力学分析提供模型。

该研究存在一定局限性,在Valsalva动作时患者用力会不同,可能会产生结果的偏倚,MRI检查费用较高,检查时间长,且后续的三维重建耗时较长,在临床上应用会受到一定限制。但是对于存在多部位或盆底隐性缺陷的POP患者,基于MRI的三维重建模型能够提供准确诊断及分析,指导制定合适的手术方案,并为盆底手术教学和力学研究奠定良好基础。

摘要:目的:利用女性盆底磁共振成像(MRI)图像,建立子宫脱垂患者盆底结构三维重建模型,探讨子宫脱垂患者盆底MRI三维影像特征及临床意义。方法:选取2013年9月至2014年6月子宫脱垂患者30例为研究组(脱垂组),选取健康女性20例为对照组,于静息位和Valsalva动作时行盆底MRI扫描。利用Amira商业软件,对MRI图像进行分析及3D建模。结果:建立了两组盆底结构的3D模型。脱垂组与对照组比较:静息位和Valsalva动作时的PCL、H线、G1角、G2角、宫颈长度差异均无统计学意义(P>0.05);M线、C线差异均有统计学意义(P<0.05);B线静息位时差异无统计学意义(P>0.05),Valsalva动作时差异有统计学意义(P<0.05)。两组静息位和Valsalva动作时差值比较:两组的PCL长度差值均无统计学意义(P>0.05);M线、G1角、G2角、B线、C线的差值有统计学意义(P<0.05);H线对照组的差值有统计学意义(P<0.05),脱垂组的差值无统计学意义(P>0.05)。结论:MRI能清楚显示盆底结构,H线、M线、G1角、G2角可衡量盆腔器官脱垂的程度;其构建的3D模型能直观显示各结构的空间毗邻关系,可评价复杂的盆底缺陷,有利于制定个体化手术方案,进行盆底解剖教学及生物力学研究。

关键词:磁共振成像,盆腔器官脱垂,肛提肌,三维重建

参考文献

[1]Alas AN,Anger JT.Role of apical support defect:correction in women undergoing vaginal prolapse surgery[J].Curr Opin Obstet Gynecol,2014,26(5):386-392.

[2]Richter LA,Carter C,Gutman RE.Current role of mesh in vaginal prolapse surgery[J].Curr Opin Obstet Gynecol,2014,26(5):409-414.

[3]Luo J,Betschart C,Chen L,et al.Using stress MRI to analyze the 3Dchanges in apical ligament geometry from rest to maximal Valsalva:a pilot study[J].International Urogynecology Journal,2014,25(2):197-203.

[4]Swift S,Morris S,Mc Kinnie V,et al.Validation of a simplified technique for using the POPQ pelvic organ prolapse classification system[J].International Urogynecology Journal and Pelvic Floor Dysfunction,2006,17(6):615-620.

[5]Lalwani N,Moshiri M,Lee JH,et al.Magnetic resonance imaging of pelvic floor dysfunction[J].Radiol Clin North Am,2013,51(6):1127-1139.

[6]Chen L,Hsu Y,Ashton-Miller JA,et al.Measurement of the pubic portion of the levator ani muscle in women with unilateral defects in 3-D models from MR images[J].International Journal of Gynaecology and Obstetrics,2006,92(3):234-241.

[7]Madill S,Tang A,Pontbriand-Drolet S,et al.Comparison of two methods for measuring the pubococcygeal line from sagittal-plane magnetic resonance imaging[J].Neurourology and Urodynamics,2011,30(8):1613-1619.

[8]Hsu Y,Summers A,Hussain HK,et al.Levator plate angle in women with pelvic organ prolapse compared to women with normal support using dynamic MR imaging[J].American Journal of Obstetrics and Gynecology,2006,194(5):1427-1433.

[9]Chi TW,Chen SH.Dynamic magnetic resonance imaging used in evaluation of female pelvic prolapse:experience from nine cases[J].The Kaohsiung Journal of Medical Sciences,2007,23(6):302-308.

[10]孙小兵,李殿国,孙小刚,等.肛门直肠畸形术后排粪失禁患儿盆腔磁共振成像表现及其临床意义[J].中华胃肠外科杂志,2013,16(5):439-442.

浅析三维重建算法 篇7

三维重建的过程是一个比较复杂的过程,属于技术上的主要难点之一。目前的算法大都处于比较初级的阶段。在实际应用中,复杂产品的实体造型对工程技术人员来说较难掌握。目前各种各样的CAD系统层出不穷,但是直接从二维视图构造三维实体模型的技术还处于研究之中,离实用还有相当的距离。传统的二维图纸最大的缺点是阅读困难,不够直观,而且图纸中的错误难以发现,不仅浪费材料,而且在时间上造成很大损失。[1,2,3,4,5,6,7]

为了在计算机中将二维图纸自动转换成三维模型,首先要从Auto CAD图纸的DWG文件中读入所有线条、标注等信息,将这些信息以合适的数据结构进行组织,然后根据这些数据识别相应的几何元素及其位置、尺寸等信息,即进行三维重建。对识别出的三维模型要用合适的方法进行表示,包括存储和显示。三维模型的表示方法主要分为实体模型和表面模型两种。为了进行交互式的三维重建,要使用实体建模,同时还要能够将其转化为表面模型以进行显示或输出。[1,2,3,4,5,6,7]

2 三维重建算法

目前从二维到三维的转换算法包括自底向上和自顶向下两大类。这两类方法各有优缺点,适合于不同的情况。在识别过程中必须吸取目前国际上的最新研究成果,综合利用,才能实现高度自动化的识别。[8,9,10]

目前已经提出的三维重建算法包括自底向上的重构、模型匹配算法、基于体切削的重构、利用语义信息辅助的重构、基于专家系统的重构等,分别简述如下:[8,9,10]

2.1 自底向上的重构

这是当前的主流算法。基本思想是从三视图中的顶点开始分析,自底向上逐步构造三维模型中的顶点、边、面,算法的特点是适应性比较好,能识别平面、圆柱面、圆锥面、球面和圆环面,但是搜索空间比较大,算法时间和空间复杂度较大。

2.2 模型匹配算法

一个复杂的三维模型可以看作是由各种简单的三维部件所组成,模型匹配算法的基本思想是:在目标三视图中用三维简单组件的三视图进行匹配,然后将各个简单部件组装成为目标三维模型。这种算法比较适用于平扫体和旋转体,且要求轴线平行于坐标轴,对简单模型的识别速度很快,且易于开发成为用户交互较多的软件。但是算法对复杂模型的识别比较困难。

2.3 基于体切削的重构

首先根据三个视图构造一个包围盒,然后根据三视图对包围盒不断进行切削,直到得到的模型的三视图与待识别的三视图完全一致。这种算法实际操作上与模型匹配算法非常类似。只是这种算法先从最大的模型开始,而模型匹配算法先从最小模型开始。

2.4 利用语义信息辅助的重构

首先识别图中的标注信息,然后利用标注信息指导子物体的识别。这种方法属于辅助方法,对孔、螺栓等识别很快,但是主要的三维重构必须依靠其它方法。

2.5 基于专家系统的重构

从二维到三维的重建是三维模型进行机械制图,即转化成正交二维三视图的逆过程。而机械制图是在一系列规则的指导下进行的,因此首先必须对所有的这些规则进行识别和数学描述,同时必须完全熟悉机械识图的规则和方法。只有程序员能够很好地识别图纸,才能指导程序进行识别。基于专家系统的重构算法是利用规则建立专家系统,即规则库,把三视图中的顶点、边、环作为输入,利用推理规则输出三维模型。

3 重建过程的检验

重建过程中为了检验所建立的模型的正确性,必须将得到的三维模型的三视图与输入的三视图进行对比。程序中必须有专门的模块将三维模型转化为二维图纸。这部分目前有比较成熟的技术,我们只需要使用相关算法进行实现。[1,2,3,4]

4 模型的存储和输出[8,9,10]

三维模型的表示方法分为实体模型和表面模型两种方式。

表面模型是将模型用其边界来进行刻画,优点是便于计算机显示,目前大部分的商用模型都是用表面模型来进行存储的。但是,表面模型的缺点是存储量大,不精确,不方便进行类似机械加工的操作,如倒角、切削、钻孔等。此外,对表面模型进行数据分析也比较困难,因为存储的只是大量离散的点线面的信息。

实体模型是利用一些简单的图元作为基本的构造单位,对这些图元进行多层次的交、并、差操作得到各种复杂的模型。实体模型所需要的存储量小,易于进行操作,而且可以对模型进行精确存储,即不管放大多少倍,需要何种精度,都可以通过计算得到并显示。实体模型实际上属于概念模型,与设计者的思维过程相符合,要将其在计算机上进行显示必须转化为表面模型。

实体模型的基本操作对对象是图元,包括长方体、球体、圆柱体、圆锥体和环体。对这些图元的描述包括位置信息和尺寸信息。

实体模型的操作一般来说是建立在集合运算的基础上的,但是与通常的集合运算有很大的区别。因为实体模型如果用集合来表示是一个无穷集合,但是计算机只能表示有限集合。集合中元素的维数是不同的,有一维的点,二维的线,三维的空间曲线、曲面和体,简单集合操作的结果有时是不适合的,需要重新定义正规化的新的集合运算。

对复杂三维实体模型的输出格式目前还没有统一的国际标准,必须自定义合适的格式进行输出。最简单的输出格式是图元+CSG树,用这种格式输出可以完备地描述三维模型,所占用的存储容量最小,但是要求模型浏览软件必须具备计算实体模型的边界的能力,这是一个比较苛刻的条件。另一种输出格式是利用已有的3ds、dxf、wrl等常用格式输出模型的表面,这种方式可以很方便的使用一些常用甚至免费软件进行浏览。但是最大的缺点是不方便对模型进行操作,而且表面模型通常是近似模型,为了提高精度,往往需要很大的存储容量。

还有一种三维实体模型的输出方式,即所谓的半边表示(halfedge representation),对多面体这是一种非常方便的输出方式,可以综合以上两种方式的优点,但是对于含有二次或高次曲面的模型,需要进行一些变换才能输出。

核心的内部数据结构可以描述如下:

5 结束语

三维重建算法的主要技术难点包括:DWG文件读入和信息理解;二维到三维的转换;三维实体建模:模型的实体表示和计算边界,实体表示与边界表示的一致性保持;程序健壮性。

目前已有的多种算法各有其优点和缺点,我们需要综合利用多种算法实现三维重建。

参考文献

[1]李晋芳,何汉武.从二维视图到三维几何模型转换的研究与实现[J].机械与电子2006,(1):16-18.

[2]李士才,席平,王亚平.从已有二维图样实例重建三维参数化特征模型的应用研究[J].工程图学学报,2000(1):36-40.

[3]Ghosh S K.Generating solid models from two dimensional representations[J].Journal of Materials Processing Technology,1995,54(1-4):211-217.

[4]朱仁芝,赵健.基于AuToCAD2000平台的平面立体三维重建的算法与实现[J].计算机应用研究,2002,19(6):75-81.

[5]吴战国,李启炎.面向三维重建的三视图数据结构[J].工程图学学报,2001(2):129-132.

[6]刘世霞,胡事民,汪国平.基于三视图的三维形体重建技术[J].计算机学报,2000,23(2):141-146.

[7]陆国栋,彭群生.三维重建新方法及新技术研究[J].高技术通讯,2001,(3):58-61.

[8]罗敏雪,朱仁芝.基于二维正投影图三维重建的递归算法[J].中国科学技术大学学报,2004(4):464-472.

[9]谭建荣,岳小莉,陆国栋.图形相似原理、方法及其在结构模式识别中的应用[J].计算机学报,2002,25(9):959-967.

三维重建算法及分析比较 篇8

1 三维重建算法概述

三维重建属于一种技术难点[2], 但其应用价值高、应用广泛, 因而受到广泛重视。在实际应用中, 越是结构复杂的实体造型, 其对于工程技术人员的素质和技能要求越为严格, 因而, 更加深入的二、三维转换算法还在进一步探索和研究之中, 而建立这一算法的应用软件较常用的为AutoCAD。

目前三维重建算法主要包含自顶而下和自底而上两种, 它们各有优劣, 主要根据不同应用情况选用。而在具体识别时, 必须吸取国际最先进的研究成果, 并取众家所长, 综合利用, 以实现高度自动化的数据识别[3]。概述部分笔者分别简述自底而上、利用语义信息辅助、基于体切削、基于专家系统等几种重构方法。

自底而上重构是目前较为主流的一种算法模式。其主要基于从三视图的顶点进行初始化分析的思想, 自底部向上方逐次完成三维模型的构建, 步骤为先顶点、再边线、而后立面……该算法的优势在于适应性较强, 能够较准确的识别出平面、圆柱圆锥面、圆环面、球面等;劣势在于搜索空间相对较宽泛, 运算的时间较长, 空间的复杂程度也比较大, 难以操作和保证工时。

利用语义信息辅助重构算法, 是从识别图形当中标注信息入手, 利用标注信息的相关内容指导对子物体的准确识别;该方法仅为辅助性操作, 其对螺栓、螺孔等的运算和识别较为迅速, 但在重构时主要的三维部件仍需依靠其它方法进行。

基于专家系统重构是指通过三维模型进行机械制图, 也就是通过二维图片转换成为正交二维三视图的逆过程。机械制图必须经过一系列具有规范性的指导标准才能准确完成, 因而在操作过程中必须首先识别所有相关规则, 并进行对应的数学描述;其次, 要全面熟悉和深入掌握机械识图的方法与规律。与重构相关的程序人员只有准确的识别图形, 才能够进一步指导整个程序进行有序化识别。所谓基于专家系统, 就是利用这些规则来建立起规则库, 将三视图中的点、线、面等要素作为资料输入到数据库中, 从而达到利用推理方法输出准确三维模型的目的。

基于体切削重构, 要根据三维视图构建起适当大小的包围盒, 并参照三视图对该包围盒进行持续性的切削, 一直到切削后的三视图与原始模型达到完全一致为止。实际上该算法与模型匹配算法极其相似, 只不过该算法是从最大的模型开始, 但模型匹配算法则是从最小的模型开始。

2 重建模型的检验、存储与输出

三维模型的建立过程相对复杂, 需要保障每一个数据和点、线、面的准确性, 因而在重建过程中最好进行重建检验, 而判断检验结果的准确性, 就是通过三维模型三视图和原本输和的三视图样例进行比较[4]。在设计程序中, 必须具有将三维模型转换成二维图像的模块工具, 来完成对比和检验。当然, 这一方面的技术目前已经较为成熟, 可以直接通过有关算法来完成。而三维模型的表达则相对稍显复杂。

三维模型的表达主要有两种方式, 一为实体模型式, 二为表面模型式。顾名思义, 表面模型即仅用模型边界来进行轮廓性的刻画, 该方法优点在于计算机能够以最快的速度响应和显示, 因而目前多数商用模型都采用此类方法进行存储;而其缺点就在于存储量过大、精确度不够, 对一相应工程机械类加工来说较为困难, 比如较难进行表面模型的数字分析, 而整个存储信息仅由大量的点、线、面组成。实体模型是指将部分简单的图元作为基本构造单位来进行多层次的操作, 同时获得结构相对复杂的模型形式, 相对于表面模型而言, 实体模型的存储量较锁上, 操作更加快捷简便。以后无论模型放大多少倍, 需求哪类精度, 系统都能够根据要求调用出相关指数。实体模型多数情况下仅作为一种概念性模型应用, 其与设计者的理念相适应, 如果想通过电视播放实体模型, 则需于将其转换成表面模型。

目前对于较为复杂的三维实体模型输出尚未形成统一的国际标准规范, 用户可自定义与自己需求相适应的格式进行输出操作。通常情况下较为简便的输出格式为图元, 该类格式化一方面能够较为完整的描绘出三维模型的整体, 另一方面又节省存储空间, 缩短操作时间;但这对计算机的相关浏览软件又提出了相对苛刻的要求, 必须能够对该实体模型的边界能力具有识别性。

3 复杂模型表面重建算法举例与分析比较

多数情况下, 三维重建需要运算的模型表面复杂, 比如岩石、形象物、人物等, 这里举一个重建人体五观的三维操作, 仅供参考。首先要对遇重建人物面部二维表面进行分割, 获取有效的点数据, 并集合在一起[5]。通常情况下, 用户需要根据个人经验来指定数据库相关参数。根据人体面部表情及需进行切割的器官, 首先寻找原始数据进行剪裁, 把最小体数据单独列出, 以减少数据处理的时间和数据量[6]。已经裁剪完成的图像, 使用分割平台提供的各种分割算法来完成预分割操作, 然后再利用数字形态学的相关内容进行结果中小噪声点的运算, 再进行人面部各器官的平滑操作, 使人物表面看起来更生动真实。

利用类似的半自动手工分割方法所获得的数字模型中, 可以较快较准确的获得模型人物的单个器官表面相应点位置信息坐标以及其对应的颜色值。将这些数据统一并形成集合, 存储入表面点集合文件夹中。各个表面点的法向量是通过对表面各点位置信息的相应运算而获得, 而这种法向量的运算将成为整个设计过程中的一个难点, 需要工程技术人员有耐心、有信心。在以上基础上, 就可以通过显卡3D加速功能进行整个人体面部器官三维重建的实 (上接第187页) 时浏览了。

三维重建工作复杂而繁琐, 不仅需要工程技术人员具有足够的耐心与恒心, 还必须具有较强的钻研精神, 要在不断的学习与实践中总结经验, 汲取国内外先进的思想和操作方法, 取众家之长, 从而获得更加准确有效、且简便易懂的运算方法, 来实现二维与三维的快速转换。

摘要:三维模型被广泛应用于机械加工、建筑设计、动画制作等多种领域, 并对据设计图形进行加工建造的工程项目具有十分重要的意义, 这就要求工程技术人员在由二维转换成三维的计算机算法应用时具有熟练性和钻研性。本文简单介绍了三维重建算法的基本情况, 并就复杂物件表面的算法做以举例和分析比较。

关键词:三维重建算法,分析研究,算法比较

参考文献

[1]孔凡树, 王蓓蓓, 贾超.基于等值面拓扑简化的三维重建算法[J].燕山大学学报, 2009, 33 (2) :120-123.

[2]诸葛斌.基于数字人彩色图像的三维重建算法研究[J].计算机工程与应用, 2008, 44 (2) :109-110.

[3]荆海龙, 苏显渝, 刘元坤, 伍凡.基于条纹反射的镜面测量及三维重建算法分析[J].光电工程, 2008, 35 (10) :37-39.

[4]李晓, 朱鹏飞.浅析三维重建算法[J].计算机工程应用技术, 2009, 5 (16) :4299-5301.

[5]谷月霞, 张维忠, 王晓燕, 油世明, 王静.基于未标定图像的三维重建算法, 2010, 36 (8) :214-217.

基于多视角图像的三维人脸重建 篇9

计算机视觉技术是基于图像处理、信号处理、计算机图形学等学科的一门综合性技术。目前计算机视觉技术已经应用于图像分析、物体识别、工业检测等领域、而且随着计算机性能的提高和视觉理论研究的不断深入, 计算机视觉技术必将会应用在更多领域。

基于计算机视觉技术发展而来的双目立体视觉技术, 已经成为了现在的研究热点。双目立体视觉技术通常用来获取人或物体的三维信息, 可以应用在虚拟现实、全景监控、人体测量、事故现场三维重现、三维重建等领域。与传统的测量方式相比具有无损、高效、准确、快速、非接触性等特点, 可以同步获取物体的纹理信息,已经在三维重建中被广泛应用。

以往获取人脸三维模型的方式通常是在不同视角下获取多个三维模型, 然后再对这些模型进行手动拼接。这样不仅数据精度无法保证, 还极大的增加了工作量。随后出现了基于旋转平台的圆周全景重建, 利用旋转平台得到精确的旋转角度, 通过空间坐标变换将多视角三维模型统一到同一个坐标系下, 从而实现三维重建[1]。但该方法操作繁琐, 对外部环境要求较高, 并不适用于现场操作。本文基于计算机视觉技术和三维重建技术,利用多张不同角度的人脸照片, 即可恢复出人脸的三维模型, 实现人脸三维重建。

2 双目立体视觉测量原理

双目立体视觉测量的原理类似于生物的双目视觉系统, 理论上只要获取了同一物体不同视角至少两张图像,即可从二维图像中恢复出物体的三维信息[2]。双目立体视觉测量过程包括摄像机标定、图像获取、二维点匹配、三维点坐标重建等步骤[3]。通过摄像机的坐标点和图像坐标,就可以确定一条唯一的射线, 如果通过同一个摄像机拍摄同一个物体, 那么两条射线就会在空间中交汇在一起, 我们就可以计算出物体在当前空间坐标系下的坐标。

双目立体视觉原理模型如图1 所示。图中两部相机的光轴平行且像平面重合, 相机的参数相同, 焦距为f, 相机光轴与像平面的交点为O1和O2, 基线距离B为相机投影中心的距离。在获取图像时, 图像中的某一点P(xc,yc,zc) 在两部相机像平面上分别形成点Pl(xl,yl)和Pr(xr,yr)。根据投影几何相关知识可得, 点P和像点Pl、Pr之间存在的数学关系可描述如下:

由式(1) 可知,2 个像点的Y坐标相等, 只在X坐标上有所差异。定义视差为:

根据三角测量原理可以得出物点P的三维坐标[4],如式(3) 所示:

由双目立体视觉原理可知, 在保证了2 台摄像机内外参数相同的情况下, 如果在两台摄像机的像平面上找到一对对应点, 那么就可以通过计算得到该点的三维坐标。

3 基于立体视觉的三维重建技术

一般双目立体视觉三维重建技术分为摄像机标定、图像获取、图像校正、立体匹配和深度值计算5 部分[5],如图2 所示。

(1) 摄像机标定: 摄像机标定的目的是获取摄像机的内部参数, 确立被拍摄对象物点和摄像机内部成像像点之间的数学模型, 二维图像和三维点云就是通过该数学模型联系在一起的[6]。

(2) 获取图像: 图像获取是三维重建的重要步骤,使用2 台相同的摄像机获取物体图像, 理想的情况是两台摄像机高度一致、与物体距离相同、而且外部光线均匀, 不会形成阴影。

(3) 图像校正: 通过空间变换, 将图像的共轭极线调整到同一水平线上, 将二维空间匹配转化到一维空间进行求解。此步骤可以将摄像机调整到理想状态, 对后期匹配成功率和匹配鲁棒性有着重要的作用。

(4) 立体匹配: 立体匹配环节是整个三维重建的关键核心步骤, 立体匹配的质量决定了三维重建的结果。立体匹配的思想是在两幅图像中找到一幅图像中像素点与另一幅图像的对应像素点,并保存为视差值的形式[7]。最后或得到一个视差图, 其分辨率与原图相同。立体匹配算法会占用大量的运算资源, 因此图像校正的重要性就体现出来。

(5) 深度值计算: 深度值计算是三维重建的最后一步。深度值的计算方法是根据三角测量原理得来的, 如图1 所示。利用摄像机模型和视差图重构出场景的三维点云信息。重建的精度与视差精度和摄像机基线长度均有关系[8], 视差精度过低时会出现片状点云的问题。

4 多视角三维拼接技术

一台摄像机一次只能获取被测物体的部分二维图像信息, 因此就要对同一物体进行多次多角度拍摄, 如图3 所示。通过多次拍摄获取物体的全部二维图像信息,进而采用三维重建的方式获得三维点云数据。但是通过这种方式获得的三维点云数据是处在局部坐标系下的,该坐标系在不同视角下不具备一致性, 并不能直接进行拼接。为了得到物体的全部三维信息, 就需要将各个局部坐标系下的点云数据进行旋转平移和缩放, 再调整到同一世界坐标系下进行拼接。

常用的方法是旋转角度标记或参考点标定。旋转角度标记方法是将被测物体放置于旋转平台上, 该平台能够在计算机的控制下精确旋转, 如图4 所示。旋转轴位置在双目立体视觉视场中固定不变, 并可以精确标定[9]。旋转平台按照规定角度旋转, 摄像机逐次采集物体表面数据。最后利用旋转角度来精确恢复被测物体表面点云数据。

参考点标定方法是在待测物体周围布置大量的辅助测量点, 如图5 所示。系统可以根据这些测量点,通过优化算法精确的计算出虚拟测量网, 从而将不同摄像机采集到的数据变换到同一坐标系下, 以此实现三维数据拼接。

本文提出了一种基于SIFT特征的三维拼接方法,可以实现非标定拼接。尺度不变特征变换(Scale-invar iant feature transform,SIFT) 是用于图像处理领域的一种尺度不变性描述, 不受光照和拍摄角度的影响, 可准确的在图像中检测关键点。

对于给定的二维图像, 提取图像边缘SIFT特征。首先进行尺度空间极限检测和精确极值点操作, 然后分配主方向, 最后生成特征描述符, 即得到一组n×128维(n为特征点数目) 的特征描述符, 流程如图6 所示。

在获取了图像特征描述符后, 通过计算各个特征向量之间的欧氏距离进行匹配[10]。首先将所有点的特征描述符集合起来构建数据库, 然后求取每个点特征向量与数据库中特征向量的欧式距离, 并记录距离最小的两个值, 如果最小距离与次小距离之比在阈值k范围内, 那么认定特征点匹配成功, 否则认定匹配失败。k值的选取直接影响到匹配结果, 通常k值选取在0.5~0.6 之间。

5 实验结果

本文以石膏模特作为被采集对象, 通过旋转拍照的方式获取了5 张不同位置的照片, 并调整至同一尺寸。首先对二维图像进行三维重建, 然后利用SIFT特征对三维点云数据进行特征提取和拼接, 最后成功得到模特头部的三维点云数据, 实物图与三维点云数据图如图7 所示。

6 结束语

本文提出基于SIFT特征的三维拼接方法, 可以实现非标定拼接。通过Matlab计算结果可知, 本算法可由二维图像恢复对应的三维点云数据, 能够在一定程度上描述物体的真实轮廓, 但受照片数量和拍照角度的影响, 三维点云数据精度仍有待提高。

参考文献

[1]仲思东,熊军,刘勇.基于全周多视角的三维重建技术[J].机器人,2004,(6):558-562.

[2]张广军.视觉测量[M].北京:科学出版社,2008:1-22,134-158.

[3]梁丽.基于HALCON的多目视觉测量方法研究[D].沈阳航空航天大学,2014.

[4]王欣,袁坤,于晓等.基于运动恢复的双目视觉三维重建系统设计[J].光学精密工程,2014,22(5):1379-1387.

[5]梁伟涛.基于双目立体视觉三维重建方法的研究[D].哈尔滨理工大学,2014.

[6]ZHANG Z.A Flexible New Technique for Camera Calibration[J].IEEE Transactions on Pattern Analysis&Machine Intelligence,2000,22(11):1330-1334.

[7]CHUA C S,JARVIS R.Point Signatures:A New Representation for 3D Object Recognition[J].International Journal of Computer Vision,1997,25(1):63-85.

[8]于勇,张晖,林茂松.基于双目立体视觉三维重建系统的研究与设计[J].计算机技术与发展,2009,19(6):127-130.

[9]李怀泽.基于旋转平台的多视角三维重建[D].浙江大学,2013.

上一篇:县域经济评价论文下一篇:货币政策调整