采用彩色分割立体匹配与简化点云的三维目标快速重建

本文将彩色分割立体匹配和简化点云技术用于三维目标的快速重建。对于采集的左右两幅三维目标图像，首先采用均值漂移算法进行彩色图像分割，然后按区域匹配算法进行快速立体匹配，获得初始视差，再应用置信传播法进行全局视差优化，从而得到精确的视差图与空间点云。应用空间表面曲率准则对获取的密集点云进行简化，并采用Delaunay三角剖分算法进行三维重建。实验结果表明：采用彩色图像分割与置信传播相结合，能够改善立体匹配效率并保证了匹配质量；基于曲率的点云简化，既提高了三维重建速度也得到了满意的重建效果。

在无标识的双目立体视觉系统中，立体匹配是最重要也是最困难的一部分，其目的是为了得到3D物体的空间坐标；一般立体匹配算法可分为局部和全局匹配算法，局部匹配算法匹配速度相对快，实时性好，但对光照强度和对比度的变化很敏感，同时匹配窗口的选取也是一个难点，当图像存在纹理特征重复、平滑区和遮挡现象比较严重的情况下，会引起匹配混淆，错误匹配概率较高。全局的匹配算法， 如图割算法[1] [2]、置信传播[3] [4]和动态规划[5]等算法能够对整个图像进行有效的约束，匹配结果也较局部匹配算法精确，但是实时性不好，匹配时间过长。另外，立体视觉中对得到的空间点云如何精简以便能够准确描述物体空间形状特征也是加快3D 物体三维重建速度的关键技术点。

文中针对局部匹配算法和全局匹配算法的缺点和不足，采用一种区域匹配与全局匹配相结合的算法进行立体匹配。首先，利用均值漂移算法[6]对左右两幅图像进行彩色图像分割，再使用相似度测量计算相关度，得到初始匹配视差图；其次，采用置信传播算法，针对大的遮挡区域和低纹理区域中置信度低的区域，取邻域相关系数最大的视差值；此外，对边缘像素进行修正，并对整个视差图进行滤波，从而得到效果精确的视差图。最后，采用边界特征点提取获得简化的三维点云，采用Delaunay 算法进行3D目标的三维立体快速重建。

2. 基于均值漂移算法的彩色图像分割 均值漂移算法是根据图像像素点的颜色信息和周围空间的分布特性之间的关系，沿着平均梯度方向找出每个像素点的相似颜色收敛点，根据收敛点的不同而划分不同的区域，从而实现图像分割。对于一幅彩色图像统一考虑图像的空间信息和彩色信息， 特征空间可由2维的位置空间s和3维色度空间组成r， 图像像素转换成5 维空间的采样点{}{}, , , , , srx xx y L u v==，则均值漂移向量可以表达为： ( )() ()()() ()11nsriiiihnsriiiGxx w xxxMxGxx w x==−−=−∑∑ (1)