(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210669547.5 (22)申请日 2022.06.14 (71)申请人 西北工业大 学 地址 710072 陕西省西安市友谊西路127号 (72)发明人 樊养余　刘洋　曹海清　吕国云　 郭哲　齐敏　 (74)专利代理 机构 西安嘉思特知识产权代理事 务所(普通 合伙) 6123 0 专利代理师 李薇 (51)Int.Cl. G06V 10/46(2022.01) G06F 17/16(2006.01) G06V 10/75(2022.01) G06V 10/762(2022.01) (54)发明名称 一种优化图像添加次序的增量式运动恢复 结构方法 (57)摘要 本发明公开了一种优化图像添加次序的增 量式运动恢复结构方法， 包括： 获取多视点图像； 该多视点图像包括多张图像； 利用SIFT 算法检测 每张图像的特征点， 并以每两张图像为图像对， 基于特征点确定每个图像对间的匹配点； 针对每 个图像对， 基于其匹配点利用RANSA C算法求取最 优基础矩阵； 在该图像对间的各对匹配点中， 满 足该最优基础矩阵约束的匹配点对数C最多； 将 图像对的匹配点对数C与图像对的匹配点总对数 的比值， 作为图像对的匹配分数； 执行增量式运 动恢复结构SFM方法； 其中， 选用匹配分数最高的 图像对作为初始图像对， 并基于图像对的匹配分 数确定新增图像。 本发明具有较高三维重构精 度， 可恢复出被拍摄对象的更多细节。 权利要求书2页 说明书14页 附图6页 CN 115147619 A 2022.10.04 CN 115147619 A 1.一种优化图像添加次序的增量式运动恢复结构方法， 其特 征在于， 包括： 获取相机拍摄的多视点图像； 所述多视点图像包括多张图像； 利用SIFT算法检测每张图像的特征点， 并以每两张图像为图像对， 基于所检测的特征 点确定每 个图像对间的匹配点； 针对每个图像对， 基于其匹配点利用RANSAC算法求取最优基础矩阵； 其中， 在该图像对 间的各对匹配点中， 满足该最优基础矩阵约束的匹配点对数C最多； 将图像对的所述匹配点对数C与图像对的匹配点总对数的比值， 作为图像对的匹配分 数； 执行增量式运动恢复结构SFM方法； 其中， 选用匹配分数最高的图像对作为初始图像 对， 并基于图像对的匹配分数确定新增图像。 2.根据权利要求1所述的方法， 其特征在于， 基于所检测的特征点确定每个图像对 间的 匹配点， 包括： 计算该图像对间的每2个特 征点的欧式距离， 得到计算结果； 针对每个特征点， 若所述计算结果中与 该特征点相关的最小欧式距离和次小欧式距离 的比值小于预设的第一阈值， 则将与所述最小欧式距离相关的另一特征点确定为所针对特 征点的初始匹配点； 将该图像对中互为初始匹配点的各对特 征点作为该图像对间的匹配点。 3.根据权利要求1所述的方法， 其特征在于， 针对每个图像对， 基于其匹配点利用 RANSAC算法求取最优基础矩阵， 包括： A、 初始化迭代次数并设置迭代次数 上限； B、 随机选取该图像对的8对匹配点作为随机样本， 基于该随机样本计算该图像对的一 个基础矩阵； C、 基于所计算的基础矩阵， 计算该图像对的每对匹配点到对应极线的距离； D、 将计算出的每个距离与预设的第二阈值进行比较， 若小于所述第二阈值， 将具有该 距离的一对匹配点记为内点， 否则不记为内点； 统计本次迭代中的内点个数， 然后结束本次 迭代并将迭代次数加1； E、 判断当前迭代次数是否达到所述迭代次数上限； 若未达到， 返回步骤B； 若已达到， 将 内点个数最大的一次迭代中所计算的基础矩阵作为该图像对的最优基础矩阵。 4.根据权利要求3所述的方法， 其特征在于， 所述迭代次数上限是通过下述公式估算得 到的： 其中， w8表示期望步骤B中选 取的8对匹配点在步骤D中被记为内点的概率， p 表示期望 经 过k次迭代能够求得最优基础矩阵的概 率。 5.根据权利要求1所述的方法， 其特征在于， 所述执行增量式运动恢复结构SFM方法， 包 括： 对所述多视点图像进行排序， 形成图像序列； 所述图像序列中， 所述初始图像对为前两 张图像， 与第i张图像相邻的新增图像为与第i张图像具有最高匹配 分数的图像； 2≤i≤X， X权　利　要　求　书 1/2 页 2 CN 115147619 A 2为所述多视点图像包括的多张图像的总数； 依次对所述图像序列中每2张相邻的图像构 成的图像对进行处理， 包括： 根据该图像对 的最优基础矩阵、 匹配点的齐次坐标， 以及所述相机的内参矩阵， 计算所述相机所拍摄对象 的三维空间坐标； 在计算出三维空间坐标后， 若处 理对象不是初始图像对， 进行集束调整。 6.根据权利要求5所述的方法， 其特 征在于， 所述方法还 包括： 在处理完所述图像序列中最后一个图像对之后， 从最终得到的三维空间坐标中， 删去 重投影误差超过 预设的第三阈值的异常点。 7.根据权利要求6所述的方法， 其特征在于， 在删去重投影误差超过预设的第 三阈值的 异常点之后， 所述方法还 包括： 以三维空间坐标已知的匹配点为初始种子点， 并以图像的零均值归一化互相关系数和 图像连续性约束为匹配标准， 在所述拍摄对 象所在的空间区域内进行匹配点扩散， 得到扩 散结果； 基于所述扩散结果， 再次执行所述增量式运动恢复结构SFM方法， 以恢 复所述拍摄对象 的稠密点 点云。 8.根据权利要求7所述的方法， 其特征在于， 在恢复出所述稠密点点云之后， 所述方法 还包括: 根据统计滤波的原理删除所述稠密点 点云中的离群点。 9.根据权利要求 4所述的方法， 其特 征在于， w ＝0.9， p＝0.97。 10.根据权利要求2所述的方法， 其特 征在于， 所述第一阈值 为0.7±0.1。权　利　要　求　书 2/2 页 3 CN 115147619 A 3