收稿日期: 2010唱04唱28; 修 回 日 期: 2010唱06唱19 基 金 项 目: 国 家 自 然 科 学 基 金 资 助 项 目 ( 60873094 ) ; 国 家 “ 863 ” 计 划 资 助 项 目
(2008AA01Z301) ; 西北大学研究生自主创新基金资助项目(09YZZ65)
作者简介:呼艳(1984唱) ,女,陕西榆林人,硕士研究生,主要研究方向 为图 形图 像处 理、可视 化技 术( huyan1519 @163.com) ;耿国华 (1955唱) ,
女,教授,博导,主要研究方向为图形图像处理、可视化技术、人工智能;王小凤(1979唱),女,助教,主要研究方向为信息系统与人工智能、三维检索;
赵璐璐(1989唱) ,女,硕士研究生,主要研究方向图形图像处理、可视化技术.
一
种 用 于 未 标 定 图 像 三 维 重 建 的 立 体 匹 配 算 法
倡
呼 艳, 耿国
华, 王小凤, 赵璐璐
(西
北大学 信息科学与技术学院, 西安 710127)
摘 要: 提出了一种适用于未标定图像三维重建的立体匹配算法。 该算法首先引入限制因子来消除 Harris 角
点聚簇的现象,使用高斯曲面拟合内插使 Harris 角点达到亚像素级;接着采用特征点的 Sift 特征描述符进行初始
匹配,利用随机抽样算法估计基础矩阵的同时剔除误匹配点对;最后在估计的基础矩阵的引导下进行双向匹配。
实验证明,该算法能够很好地恢复物体的结构,是一种有效的用于未标定图像三维重建的立体匹配算法。
关键词: 立体匹配; 未标定图像; 三维重建; 限制因子; 亚像素; 双向匹配
中图分类号: TP391畅41 文献标志码: A 文章编号: 1001唱3695(2010)10唱3964唱04
doi:10.3969 /j.issn.1001唱3695.2010.10.098
S
tereo matching algorithm for 3D reconstruction based on uncalibrated images
H
U Yan, GENG Guo唱hua, WANG Xiao唱feng, ZHAO Lu唱lu
( S
chool of Information Science & Technology, Northwest University, Xi’ an 710127, China)
A
bstract: This paper proposed a stereo matching algorithm for 3D reconstruction based on uncalibrated images.Firstly, this
algorithm refered limiting factor to eliminate the clustering phenomenon of Harris corners, and used Gaussian quadrics fitting to
let Harris corners reach sub唱pixel level.Then,constructed the Sift feature descriptor around the feature point for initial match,
used RANSAC algorithm to estimate fundamental matrix,at the same time, excluded outlier points.Finally, proposed bidirec唱
tional matching to find unmatching points by using fundamental matrix.The experimental results show that object structure can
be well reconstructed by using this algorithm, and it is an effective stereo matching algorithm for 3D reconstruction based on
uncalibrated images.
Key words: stereo matching; uncalibrated images; 3D reconstruction; limiting factor; sub唱pixel; bidirectional matching
0 引言
立体匹
配是近年来计算机视觉领域备受关注的前沿方向
和研究热点,它是许多计算机视觉理论和应用的基础,如摄像
机标定、三维重建、目标检测、运动分析等;同时立体匹配也是
计算机视觉研究领域中的一个瓶颈,目前许多重要的计算机视
觉理论与应用都是在假设立体匹配问题已解决的前提下展开
的。 准确的立体匹配对利用立体视觉技术进行物体的三维重
建、目标识别和目标跟踪等具有重要意义。
基于图像的三维重建为了保证重建出的物体表面能正确
表达物体的几何结构,要求提取到的特征点在能够反映物体结
构的同时达到较高的匹配精度,否则重建出的物体几何外观可
能失真。 大多数立体匹配均针对已标定的图像,可以通过极线
约束
[1]
提高匹
配精度。 但是在一些没有标定或标定未知的情
况下,极线约束不可利用,这就需要根据前期的匹配对基础矩
阵进行估计才能利用极线约束,这对立体匹配的精度提出了更
高的要求,也进一步增加了立体匹配的难度。 本文中的立体匹
配算法就是针对未标定图像。
Schmid 等人
[2]
通
过对现有角点提取算法进行对比,指出
Harris 角点检测算法
[3]
是
目前效果相对较好的一种角点检测
算法,该算子以其较好的稳定性和方便性而得到广泛应用。
Harris 角点能够反映物体的结构特征,但有时局部会出现角点
聚簇的现象,这样在后期的匹配中容易出现误匹配现象,同时
会降低匹配效率,而且 Harris 角点是像素级的,会影响匹配的
精度。 Harris 角点匹配方法一般采用传统的灰度相关法
[4]
,因
此对图
像灰度非线性变换敏感,这些缺点在一定程度上限制了
它的应用。 Lowe
[5]
在 2
004 年提出了基于尺度空间的 Sift 算
法。 Sift 特征描述子利用特征点邻域图像窗口内梯度的方向
统计直方图来构造特征描述向量,提高了特征描述子对图像仿
射变换、3D 视点变换和非刚性变形的鲁棒性,匹配精度较高;
但 Sift 算法检测出的特征点很多不是描述物体轮廓特征的点,
既不是边缘点也不是角点,不一定能够反映物体的结构,导致
其在三维重建中也受到了一定的限制。
针对上述算法的优点和存在的不足,本文提出了一种适用
于未标定图像三维重建的立体匹配算法。 首先针对 Harris 角
点聚簇和像素精度不高的缺点对其进行改进,引入限制因子使
角点均匀分布,使用高斯曲面拟合内插的方法使角点达到亚像
素级;接着用 Sift 描述子对特征点进行描述,生成特征向量进
行匹配,以消除 Harris
特征点
对图像灰度非线性变换敏感的问
第 27 卷第 10 期
2010 年 10 月
计 算 机 应 用 研 究
Application Research of Computers
Vol畅27 No畅10
Oct畅2010