昆山 网站建设,计算机网络技术培训,2010年青海省建设厅网站,网上做翻译兼职网站好基于视觉的三维重建#xff0c;指的是通过摄像机获取场景物体的数据图像#xff0c;并对此图像进行分析处理#xff0c;再结合计算机视觉知识推导出现实环境中物体的三维信息。 1. 相关概念 #xff08;1#xff09;彩色图像与深度图像 彩色图像也叫作RGB图像#xff0c;… 基于视觉的三维重建指的是通过摄像机获取场景物体的数据图像并对此图像进行分析处理再结合计算机视觉知识推导出现实环境中物体的三维信息。 1. 相关概念 1彩色图像与深度图像 彩色图像也叫作RGB图像R、G、B三个分量对应于红、绿、蓝三个通道的颜色它们的叠加组成了图像像素的不同灰度级。RGB颜色空间是构成多彩现实世界的基础。深度图像又被称为距离图像与灰度图像中像素点存储亮度值不同其像素点存储的是该点到相机的距离即深度值。图2-1表示深度图像与灰度图像之间的关系。 图2-1 深度图像与灰度图像 Fig.2-1 The depth image and gray image 深度值指的目标物体与测量器材之间的距离。由于深度值的大小只与距离有关而与环境、光线、方向等因素无关所以深度图像能够真实准确的体现景物的几何深度信息。通过建立物体的空间模型能够为深层次的计算机视觉应用提供更坚实的基础。 图2-2 人物的彩色图像与深度图像 Fig.2-2 Color image and depth image of the characters 2PCL PCLPoint Cloud Library点云库是由斯坦福大学的Dr.Radu等学者基于ROS(Robot Operating System机器人操作系统)下开发与维护的开源项目最初被用来辅助机器人传感、认知和驱动等领域的开发。2011年PCL正式向公众开放。随着对三维点云算法的加入与扩充PCL逐步发展为免费、开源、大规模、跨平台的C编程库。 PCL框架包括很多先进的算法和典型的数据结构如滤波、分割、配准、识别、追踪、可视化、模型拟合、表面重建等诸多功能。能够在各种操作系统和大部分嵌入式系统上运行具有较强的软件可移植性。鉴于PCL的应用范围非常广专家学者们对点云库的更新维护也非常及时。PCL的发展时至今日已经来到了1.7.0版本。相较于早期的版本加入了更多新鲜、实用、有趣的功能为点云数据的利用提供了模块化、标准化的解决方案。再通过诸如图形处理器、共享存储并行编程、统一计算设备架构等领先的高性能技术提升PCL相关进程的速率实现实时性的应用开发。 在算法方面PCL是一套包括数据滤波、点云配准、表面生成、图像分割和定位搜索等一系列处理点云数据的算法。基于不同类型区分每一套算法以此把整合所有三维重建流水线功能保证每套算法的紧凑性、可重用性与可执行性。例如PCL中实现管道运算的接口流程 ①创建处理对象例如滤波、特征估计、图像分割等 ②通过setInputCloud输入初始点云数据进入处理模块 ③设置算法相关参数 ④调用不同功能的函数实现运算并输出结果。 为了实现模块化的应用与开发PCL被细分成多组独立的代码集合。因此便可方便快捷的应用于嵌入式系统中实现可移植的单独编译。如下列举了部分常用的算法模块 libpcl I/O完成数据的输入、输出过程如点云数据的读写 libpcl filters完成数据采样、特征提取、参数拟合等过程 libpcl register完成深度图像的配准过程例如迭代最近点算法 libpcl surface完成三维模型的表面生成过程包括三角网格化、表面平滑等。 此类常用的算法模块均具有回归测试功能以确保使用过程中没有引进错误。测试一般由专门的机构负责编写用例库。检测到回归错误时会立即将消息反馈给相应的作者。因此能提升PCL和整个系统的安全稳定性。 3点云数据 如图2-3所示展示了典型的点云数据Point Cloud DataPCD模型。 图2-3 点云数据及其放大效果 点云数据通常出现在逆向工程中是由测距设备获取的物体表面的信息集合。其扫描资料以点的形式进行记录这些点既可以是三维坐标也可以是颜色或者光照强度等信息。通常所使用的点云数据一般包括点坐标精度、空间分辨率和表面法向量等内容。点云一般以PCD格式进行保存这种格式的点云数据可操作性较强同时能够提高点云配准融合的速度。本文研究的点云数据为非结构化的散乱点云属于三维重建特有的点云特点。 4坐标系 在三维空间中所有的点必须以坐标的形式来表示并且可以在不同的坐标系之间进行转换。首先介绍基本坐标系的概念、计算及相互关系。 ①图像坐标系 图像坐标系分为像素和物理两个坐标系种类。数字图像的信息以矩阵形式存储即一副像素的图像数据存储在维矩阵中。图像像素坐标系以为原点、以像素为基本单位U、V分别为水平、垂直方向轴。图像物理坐标系以摄像机光轴与图像平面的交点作为原点、以米或毫米为基本单位其X、Y轴分别与U、V轴平行。图2-4展示的是两种坐标系之间的位置关系 图2-4 图像像素坐标系与物理坐标系 Fig.2-4 Image pixel coordinate system and physical coordinate system 令U-V坐标系下的坐标点(u0v0)与代表像素点在X轴与Y轴上的物理尺寸。那么图像中的所有像素点在U-V坐标系与在X-Y坐标系下的坐标间有着如式2-1表示的关系 其中指的是图像坐标系的坐标轴倾斜相交而形成的倾斜因子Skew Factor。 ②摄像机坐标系 摄像机坐标系由摄像机的光心及三条、、轴所构成。它的、轴对应平行于图像物理坐标系中的、轴轴为摄像机的光轴并与由原点、、轴所组成的平面垂直。如图2-5所示 图2-5摄像机坐标系 令摄像机的焦距是f则图像物理坐标系中的点与摄像机坐标系中的点的关系为 ③世界坐标系 考虑到摄像机位置具有不确定性因此有必要采用世界坐标系来统一摄像机和物体的坐标关系。世界坐标系由原点及、、三条轴组成。世界坐标与摄像机坐标间有着2-3所表达的转换关系 ( 2
