基于雙目視覺的三維全景圖像生成技術研究

趙陽 謝馳港

摘要：設計開發(fā)了一套基于雙目視覺的三維全景圖像生成系統(tǒng)。首先對利用雙目視覺平臺獲取的一對圖像進行三維重獲取了點云數(shù)據(jù)。然后將雙目視覺平臺旋轉(zhuǎn)過一定角度，采集第二對圖像再次生成點云數(shù)據(jù)，針對相鄰兩個時刻獲取到的點云數(shù)據(jù)進行拼接，最后生成了具有較寬視角的三維全景圖像。實驗結(jié)果表明基于雙目視覺生成三圍全景圖像僅僅利用兩臺工業(yè)相機便可生成具有較寬視角的三維全景圖像，具有很好的性價比。

關鍵詞：雙目視覺 三維重建 點云預處理 點云匹配 點云拼接

中圖分類號：TP18 文獻標識碼：A 文章編號：1007-9416（2016）07-0074-01

1 引言

在我們的日常生活，學習和工作中，我們通常會需要拍攝具有較寬視角的三維全景圖像，當我們使用普通相機來拍攝這些視野較寬的全景圖像時會遇到不能拍攝完整場景的情況，更不可能得到三維全景圖像[1]。本文研究了一種基于雙目視覺的三維全景圖像生成技術。

2 獲取點云數(shù)據(jù)

為了獲取點云數(shù)據(jù)在進行圖像采集之前需要進行相機標定，進行相機標定后在t1時刻采集具有部分重疊區(qū)域的圖像left1與right1，再對雙目視覺平臺進行旋轉(zhuǎn)一定的角度，在t2時刻采集具有部分重疊區(qū)域的圖像left2與right2，然后對采集得到的每對圖像分別進行稀疏匹配，圖像校正，稠密匹配，三維重建生成點云文件cloud1，cloud2。在相機標定模塊本文采用傳統(tǒng)的相機標定法來實現(xiàn)相機標定，稀疏匹配采用Harris來找出特征點，RANSAC進行匹配。在對圖像進行校正時采用的是Hartley方法，在進行稠密匹配時采用的是基于圖像的最小切割立體匹配算法，三維重建采用的是最小二乘的歐氏空間三維重建方法，并用Open GL對生成的點云文件進行了顯示。

3 點云拼接

具體拼接過程如下：

設雙目視覺獲取點云文件1中的所有點云所在的坐標系是O1X1Y1Z1，點云文件2中所有點云所在坐標系為O2X2Y2Z2。將坐標系O1X1Y1Z1中所有點云與坐標系O2X2Y2Z2中所有點云進行拼接，其實就是通過重疊區(qū)域的點云的坐標變換來將坐標系O2X2Y2Z2中所有點云變換到坐標系O1X1Y1Z1中。如公式（1）。在

公式（1）中R是比例和旋轉(zhuǎn)因子，T為平移變換因子，如果求出了最佳的旋轉(zhuǎn)矩陣R和平移矩陣T就可以把坐標系O2X2Y2Z2中所有點集轉(zhuǎn)換到坐標系O1X1Y1Z1中就可以實現(xiàn)相鄰點云文件的拼接[2]。

（1）

4 結(jié)語

拼接生成具有較寬視角的三維全景圖像如圖1所示。通過圖1可以看出本文研究的基于雙目視覺平臺來獲得三維全景圖像的方案可以生獲得具有較寬視角的三維全景圖像。

參考文獻

[1]耿曉玲.大視場視頻全景圖拼接方法研究[D].[碩士學位論文].青島：中國海洋大學，2009.

[2]Besl P M，Kay N. A method for Registration of 3-D Shapes[J].IEEE Transactions on Pattern Analysis and Machine Intelligence （PAMI），1992，14（2）：239-256.