发布时间 : 星期一 文章三D重建更新完毕开始阅读a3be393d6f1aff00bfd51e97
这种关系是非线性的，且自由度非常大， 因此需要多张图像才能进行重建 具体方法又可以分为聚焦法( shape from focus) 和离焦法( shape from defo-cus) 运动法：即基于运动的建模( structure from motion， SFM)，是通过在多幅未标定图像中检测匹配特征点集，使用数值方法恢复摄像机参数与三维信息的一种方法.
1.2双目视觉法：
又称立体视觉法( stereopsis），是一种将双目视差( binocular disparity) 信息转换为深度信息的方法。这种方法使用两台摄像机从两个视点观测同一物体，获取在物体不同视角下的感知图像，通过三角测量的方法将匹配点的视差信息转换为深度.
一般的双目视觉方法都是利用对极几何将问题变换到欧式几何条件下， 然后再使用三角测量的方法估计深度信息,这种方法可以大致分为图像获取、摄像机标定、特征提取与匹配、摄像机校正、立体匹配和三维建模六个步骤。
1.3三目视觉法：
双目视觉方法在重建过程中存在的主要问题是: a) 图像中重复或者相似特征的存在易引起假目标的产生; b) 使用外极线约束时，平行于外极线的边缘容易产生模糊; c) 如果基线距离增大， 使得遮挡严重， 能重建的空间点减少， 同时由于视差范围的增大，导致在较大搜索空间内产生错误匹配的可能性也增大，针对这些问题，又提出了三目视觉方法( trinocular vi-sion）其基本思想是通过增加一台摄像机提供额外约束， 以此来避免上面提到的双目视觉方法的几个问题 根据摄像机的位置关系，三目视觉可分为直角三角形结构和共线结构两种。
2、利用矩阵分解实现3D重构：
利用矩阵分解实现 3D 重构的算法是由 Tomasi 等于1992 年首先提出的，该算法是在正交投影摄象机模型基础上实现的，后来又被 Poelman等[5]扩展到弱透视和准透视投影，这些算法的显著特点是可以在仿射意义下，将由二维图象点坐标构建的测量矩阵分解为表示摄象机运动和空间物体 3D 几何形状的两个矩阵，称为仿射分解（affine factorization） 。因为弱透视和准透视投影模型不符合通常意义下的摄象机模型（透视模型） ，因此该算法只能在特殊情况下使用。近年来，出现了一些基于透视摄象机模型的矩阵分解算法，称为透视分解（perspective factorization） ，透视分解和仿射分解的本质区别在于每个
图象点的射影深度未知，故测量矩阵也未知，这就意味着不能直接利用仿射分解算法来获取数据。因此在透视分解算法中，最关键的问题是如何估计射影深度。1996 年 Christy 等提出了一种由透视投影图象恢复物体欧氏形状的算法，该算法从准透视摄象机模型开始，通过测量矩阵的迭代分解来估计射影深度。1996年Sturm等对于非标定透视投影图象提出了一个非迭代算法，通过基础矩阵和极点来计算射影深度，但该算法对图象之间对应点的定位误差相当敏感， 必须特别注意才能获得可靠的结果。
五、3D重建系统举例：
三维重建——结构光扫描系统
结构光扫描相机：
结构光扫描系统：
对于3D主动光成像，目前技术相对较成熟，美国3dMD公司带来的全球领先的高端快速三维扫描仪。其产品具有大量医用背景，特点是快速（1.5ms）、高精度（0.2mm），能有效抑制目标抖动对图像质量带来的影响，可用于一些动态目标采集或需快速实时重建的场合。通过不同数量立体扫描相机的组合，可分别构成一下几种常用系统：
(1)3D面部扫描系统——覆盖范围：180度面部采集； 采集速度：≤1.5ms； 几何精度：≤0.2mm RMS； (2)3D全身扫描系统——覆盖范围：360度全身采集； 采集速度：≤1.5ms；
主动光3D重建：
一般采用结构光或标志点对目标物表面进行标记，并通过求取这些标记的三维位置信息，最终来重建目标的三维轮廓或三维运动。
主动光重建一般由多台相机和结构光源组成，包含扫描和成像两部分，分别完成对目标物的建模和纹理采集后，最后通过软件合成来求取物体的三维轮廓和模型。当要360度重建物体全3D模型时，还需要多组扫描仪从各个角度对目标进行扫描，进而拼接成360度3D模型。
被动光3D重建：
被动光三维重建是利用多幅图像相关信息来进行目标重建的方式，目前常常利用的多视点图像信息来完成。一下是两种常见的立体求取方式。其中立体匹配方式可以获得较精确的3D模型，而基于轮廓的3D重建则多用于一些实际应用中。