劉三毛，朱文球，孫文靜,王業(yè)祥

　?。ê瞎I(yè)大學 計算機學院，湖南 株洲 412007）

        摘要：針對室內(nèi)環(huán)境單目視覺的室內(nèi)場景三維重建速度慢的問題，采用華碩Xtion單目視覺傳感器獲取的室內(nèi)場景彩色圖像和深度圖像進行快速三維重建。在圖像特征提取上使用ORB特征檢測算法，并對比了幾種經(jīng)典特征檢測算法在圖像匹配中的效率，在圖像匹配融合中采用Ransac算法和ICP算法進行點云融合。實現(xiàn)了一種室內(nèi)簡單、小規(guī)模的靜態(tài)環(huán)境快速三維重建方法，通過實驗驗證了該方法有較好的精確性、魯棒性、實時性和靈活性。

　　關(guān)鍵詞：單目視覺；點云；三維重建

　　中圖分類號：TP391文獻標識碼：ADOI： 10.19358/j.issn.1674-7720.2017.01.014

　　引用格式：劉三毛，朱文球，孫文靜,等．基于RGBD單目視覺的室內(nèi)場景三維重建［J］.微型機與應用，2017,36（1）：44-47.

0引言

　　三維重建（3D Reconstruction）是指利用計算機、傳感器，通過對場景的紋理、深度等數(shù)據(jù)進行分析和處理后構(gòu)建適合計算機表示和處理的數(shù)學模型。隨著工業(yè)信息技術(shù)的發(fā)展三維重建得到了廣泛應用，如在移動機器人自主導航、SLAM、虛擬現(xiàn)實和3D打印等諸多方面都發(fā)揮著十分重要的作用［1］。

　　1965年ROBERT L提出了使用計算機視覺方法從二維圖像獲取物體三維信息的可能性。FAUGRAS M A和Hartley［23］于1992年開創(chuàng)性地提出了基于圖像系列的三維重建理論，在他們的論文中，把三維重建總結(jié)為3個步驟：基礎(chǔ)矩陣的估計、攝像機的標定以及計算投影矩陣和相應的三維空間坐標。即輸入二維圖像，通過求解對應攝像機運動參數(shù)及幾何結(jié)構(gòu)，生成圖像場景的三維模型。隨著RGBD相機的成熟，它可提供彩色深度圖像和稠密深度圖像視頻流，這使得結(jié)合三維深度感測的視覺功能優(yōu)勢來快速、準確地創(chuàng)建大場景的三維場景信息［45］成為現(xiàn)實。

　　采用RGBD相機獲取彩色圖像和深度圖像，使用深度圖像信息結(jié)合稀疏特征點創(chuàng)建三維場景模型。首先提取每幀圖像的特征點，通過特征匹配找到兩幀圖像之間的對應特征點，由深度圖像信息計算出對應點對的空間坐標（Xw,Yw,Zw）。針對圖像特征點誤匹配導致位姿估計的精度低的問題，采用隨機采樣一致性算法(Random Sample Consensus,RANSAC)［6］剔除誤匹配點，其次在點云融合上，結(jié)合迭代最近算法(Iterative Closest Point，ICP)［7］ 進行點云配準以進一步改善位姿精度，減少相機位姿漂移造成的誤差。

12D到3D坐標轉(zhuǎn)換

　　設三維空間中任意一點P的坐標為（Xw,Yw,Zw），該點對應的相機坐標系坐標為（Yc，Zc），（x,y）、（u,v）分別是二維圖像中的物理坐標和像素坐標。根據(jù)針孔相機模型，相機坐標系與世界坐標系關(guān)系如圖1所示。

　　對空間任意一點P（Xw，Yw，Zw）進行剛體變換，映射到相機坐標系中點P(Xc，Yc，Zc)，如式（1）：

　　其中T是三維空間平移向量，R是3×3的正交旋轉(zhuǎn)矩陣。得到相機坐標系坐標后通過透射投影得到物理系坐標P（x,y），考慮到相機畸變因子，得到P(x,y)為:

　　其中k1、k2、p1、p2為畸變系數(shù)，是相機外部參數(shù)矩陣M2，由物理坐標轉(zhuǎn)換為像素坐標P(u，v)關(guān)系如下：

　　其中，fx、fy指相機在x、y軸上的焦距，cx、cy指相機的光圈中心點坐標，fx、fy、cx、cy這4個參數(shù)為相機的內(nèi)參矩陣M1，給定相機內(nèi)參之后，每個點的空間位置與像素坐標就可以用矩陣模型表示:

　　其中，R和T是相機的姿態(tài)。R代表旋轉(zhuǎn)矩陣，T代表位移矢量，s是深度距離與實際距離的比例因子。由上述結(jié)果進行齊次變換后得到三維空間點P與二維圖像像素坐標的映射關(guān)系：

　　s·p=M1M2P(5)

　　其中，M1、M2為相機的內(nèi)參和外參，由標定結(jié)果得到。P=（X，Y，Z）為空間點齊次坐標，p=(u，v，l)為二維圖像像素齊次坐標。

2點云融合

　　2.1特征檢測

　　圖像的特征提取與匹配是實現(xiàn)三維重建的基礎(chǔ)，現(xiàn)在常用的特征檢測算法為1999年David Lowe提出的SIFT（Scale Invariant Feature Transform）算法，并于2004年進行了深入的發(fā)展和完善［8］。SIFT算法最大的優(yōu)點是具有尺度不變性，圖像之間發(fā)生了平移、旋轉(zhuǎn)、仿射變換的情況下仍可以進行特性匹配。SIFT算法提取到的特征點豐富，適合圖像精準匹配，但時間復雜度高，實時性差。BAY H等人于2006年改進了SIFT算法，提出了SURF［9］（Speeded Up Robust Features）算法，SURF算法繼承了SIFT算法尺度不變的優(yōu)點，且大大提高了執(zhí)行效率。ROSTEN E和DRUMMOND T于2006年提出了FAST［10］算法，該算法通過檢查圖像塊中是否存在角點來判斷特征點，算法簡單，避免了求解二階導數(shù)，因此運算速度上快于SURF和SIFT算法。

　　RUBLEE E等人于2011年提出了ORB［11］算法，該算法采用視覺信息特征點檢測與描述方法，結(jié)合了FAST算法特征點檢測速度快的優(yōu)勢，加入FAST特征的方向信息，改進了FAST算法不具備檢測特征點方向性的問題。特征點描述部分則是利用基于像素點二進制位比較的BRIEF［12］特征描述子，并改進了 BRIEF描述子對圖像噪聲敏感和不具備旋轉(zhuǎn)不變性的缺點。準確、快速的特征提取與匹配算法是實時三維重建的重要前提，本文在特征匹配中比較了這幾種常用的特征檢測算法。

　　2.2基于ORB的特征匹配

　　由于同一場景的RGB圖像和深度圖像數(shù)據(jù)一一對應關(guān)系，通過二維圖像坐標與三維坐標的映射關(guān)系可以得到場景的三維點云圖像。相機的廣度不能獲取室內(nèi)場景的全局圖像，所以需要對連續(xù)幀進行融合獲取大場景的圖像。假設相機水平旋轉(zhuǎn)獲取的兩幀相鄰場景圖像為K1、K2，使用ORB特征點匹配得到結(jié)果如圖2所示。

　　可以看出兩幀圖像的特征匹配存在誤匹配特征點，對匹配特征點進行篩選可以提高匹配的準確性和效率。由于相機是水平旋轉(zhuǎn)的，首先剔除水平距離過大的匹配點，然后采用RANSAC(隨機采樣一致性)算法［6］剔除誤匹配，進一步提高匹配的準確性。通過特征匹配得到兩幅圖像的特征點均為800個，匹配特征點為788個，篩選后得到的匹配個數(shù)為72個，結(jié)果如圖3。

　　本文實驗環(huán)境為Liunx平臺下基于Opencv采用C++語言實現(xiàn)，運行硬件環(huán)境為Intel Pentium 3.0 GHz CPU，運行內(nèi)存4 GB。

　　SIFT、SURF、FAST、ORB 4種角點檢測算法在特征提取和幀間匹配中的比較結(jié)果如表1。

　　2.3點云拼接

　　相機緩慢移動獲得連續(xù)的圖像幀序列，要進行圖像的匹配融合首先要知道連續(xù)圖像的運動關(guān)系，設相機運動如圖4所示，其旋轉(zhuǎn)矩陣為R、位移矩陣為T。

　　提取相鄰幀K1、K2間的特征點匹配對，描述為K1={p1,p2,…,pN}，K2={q1,q2,…,qN}，其中p、q都是三維坐標的點，于是有：

　　i,pi=Rqi+T+Ni(6)

　　其中Ni代表噪聲。根據(jù)最優(yōu)化理論，求解旋轉(zhuǎn)矩陣R和平移矩陣T，需要滿足下式最?。?/p>

　　通過求解最小誤差可求得R和T，采用經(jīng)典的ICP［7］算法求解。該算法是一種非線性迭代方法，通過不斷迭代最近的匹配點求解變換矩陣，實現(xiàn)局部點云到整體點云的融合。

3基于ICP算法的三維重建框架

　　3.1算法框架

　　實驗采用華碩公司的Xtion深度相機緩慢轉(zhuǎn)動獲取連續(xù)的數(shù)據(jù)幀，先將起始幀圖像集合（RGB圖像和深度圖像）轉(zhuǎn)換成點云，實現(xiàn)局部圖像的二維到三維的轉(zhuǎn)換，當相機采集到下一幀圖像集合時，通過提取兩幀圖像的特征進行匹配，并計算相機的平移和旋轉(zhuǎn)向量進行點云融合。通過相機移動形成完整的三維模型。算法流程如圖5所示。

　　主要步驟有：

　?。?）相機標定，獲取RGB圖像和深度圖像；

　?。?）對彩色圖像進行特征提取，結(jié)合特征點的深度信息實現(xiàn)2D到3D的轉(zhuǎn)換，生成局部點云圖；

　?。?）相機跟蹤，將當前幀3D 點云和由現(xiàn)有模型生成的預測的3D 點云進行ICP 匹配，計算得到當前幀相機的位姿；

　　（4）點云融合，根據(jù)所計算出的當前相機位姿，將當前幀的3D 點云融合到現(xiàn)有模型中。

　　3.2相機標定

　　相機標定的目的是建立有效的成像模型，并確定相機內(nèi)外部屬性參數(shù)，以便建立空間與平面像素點之間的對應關(guān)系。相機是物體空間（三維空間）到2D圖像之間的一種映射，而這種映射由相機成像的幾何模型決定，幾何模型的參數(shù)就是相機的參數(shù)，由這些參數(shù)可以推導三維空間坐標與二維圖像坐標之間的變換關(guān)系。

　　實驗使用張正友棋盤標定算法［13］，通過MATLAB工具箱（Camera Calibration Toolbox）中提供的方法進行相機標定。使用A4紙自制7×9方格標定模板，正方形小方格邊長為27.8 mm，選取相機不同位姿拍攝的20幅標定模板圖像對相機進行標定。

　　通過華碩Xtion深度相機獲取同一場景的RGB圖像和中值濾波后的深度圖像如圖6所示，圖（a）為RGB圖像，圖（b)為深度圖像。

　　3.3實驗結(jié)果

　　華碩（Xtion pro live）深度相機的深度有效距離約0.2~5 m，彩色圖像和深度圖像的分辨率都為640×480。由于相機的廣度有限不能獲取室內(nèi)場景的全局圖像，需要對獲取的連續(xù)幀進行點云融合來獲取大場景的圖像。實驗通過手持Xtion相機掃描室內(nèi)場景，獲取連續(xù)的數(shù)據(jù)幀，實現(xiàn)室內(nèi)場景的實時三維重建，相機移動軌跡如圖7所示。

　　相機在室內(nèi)移動采集數(shù)據(jù)幀，相鄰幀之間可進行特征匹配，計算出相機運動的R和T矩陣，結(jié)合特征點的深度信息得到三維匹配關(guān)系， 基于ICP算法迭代相鄰點云圖像，不斷融合新信息形成由局部三維點云場景到整個室內(nèi)場景的三維重建。如圖8所示，圖（a）為局部三維場景點云圖，圖（b）為整體三維場景點云圖。

4結(jié)論

　　本文實現(xiàn)了基于RGB-D相機的室內(nèi)場景三維重建方法，通過華碩(Xtion pro live)深度相機在室內(nèi)環(huán)境中能夠得到準確、稠密的三維模型，在特征提取上采用了ORB算法，特征匹配和點云拼接采用RANSAC和ICP算法。該方法在室內(nèi)靜態(tài)環(huán)境中有很強的實時性、準確性和魯棒性，且大大提高了三維重建的效率。隨著深度相機的價格不斷下降，尤其是室內(nèi)機器人自主導航的研究和發(fā)展，基于RGB-D的三維重建系統(tǒng)將會對人們的日常生活產(chǎn)生巨大的影響。

參考文獻

　　［1］ THOMAS D, SUGIMOTO A. A flexible scene representation for 3D reconstruction using an RGBD camera［C］. IEEE International Conference on Computer Vision, IEEE Computer Society, 2013:2800-2807.

　?。?］ HARTLEY  R I. Estimation of relative camera positions for uncalibrated cameras［C］. European Conference on Computer Vision, SpringerVerlag, 1992:579-587.

　?。?］ FISCHLER M A, BOLLES R C. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography［M］. Readings in Computer Vision: Issues, Problems, Principles, and Paradigms. Morgan Kaufmann Publishers Inc. 1987:726-740.

　?。?］ LEE K R, NGUYEN T. Realistic surface geometry reconstruction using a handheld RGBD camera［J］. Machine Vision & Applications, 2016,27(3):377-385.

　?。?］ KERL C, STURM J, CREMERS D. Dense visual SLAM for RGBD cameras［C］. Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems, 2013:2100-2106.

　　［6］ SCHNABEL R, WAHL R, KLEIN R. Efficient RANSAC for pointcloud shape detection［J］. Computer Graphics Forum, 2007, 26(2):214-226.

　?。?］ BESL P J, MCKAY N D. Method for registration of 3D shapes［J］. IEEE Transactions on Pattern Analysis & Machine Intelligence, 1992, 14(3):239-256.

　?。?］ LOWE D G. Distinctive image features from scaleinvariant keypoints［J］. International Journal of Computer Vision, 2004, 60(60):91-110.

　　［9］ BAY H, TUYTELAARS T, GOOL L V. SURF: speeded up robust features［J］. Computer Vision & Image Understanding, 2006, 110(3):404-417.

　?。?0］ ROSTEN E, DRUMMOND T. Machine learning for highspeed corner detection［C］. European Conference on Computer Vision, SpringerVerlag, 2006:430-443.

　　［11］ RUBLEE E, RABAUD  V, KONOLIGE K, et al. ORB: an efficient alternative to SIFT or SURF［C］. In International Conference of Computer Vision(ICCV),2011: 2564-2571.

　?。?2］ CALONDER′ M, LEPETIT V, STRECHA C, et al. Brief: binary robust independent elementary features［C］. In European Conference on Computer Vision,2010:778-792.

　　［13］ Zhang Zhengyou. A flexible new technique for camera calibration［J］. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2000,22(11):1330-1334.