基于区域生长的稠密三维点云重建方法

目前存在的稀疏方法重建出的三维点云不够充足,导致无法重建出有效三维模型,为此提出一种基于区域生长的方法实现稠密三维点云的重建。以图像特征点匹配作为初始种子,以零均值归一化互相关系数和双视几何约束作为生长过程中图像对应点的匹配标准,在整幅图像上进行匹配生长,采取视差梯度约束和置信度约束进行匹配优化,获得稠密的图像对应点匹配;采用一种基于平面的相机标定方法计算相机的内部参数;利用稠密匹配和相机的内部参数计算图像间的相机运动参数,以投票策略确定相机运动参数;建立双视几何模型重建点云。实验结果表明,该方法能重建出准确的稠密三维点云。

面向文物稠密点云模型的压缩复原框架

针对激光扫描仪获取的三维文物稠密点云模型在数据存储、远程传输与处理等环节导致的资源过度消耗问题,提出了一种基于贪婪算法的快速压缩与恢复框架。首先,将点云模型视为三维离散几何信号,用基于哈希函数的八叉树方法构建稠密点云的邻域约束关系。然后,计算点云邻接矩阵并构建离散拉普拉斯基对原信号进行稀疏表示,通过随机高斯矩阵对原信号进行随机采样,以完成信号压缩。最后,引入L_(0)正则化算子,采用四种经典的贪婪算法进行快速求解。用兵马俑头部点云模型和唐三彩胡人俑三维文物点云模型进行仿真测试,结果表明,本框架能完成对稠密点云模型的有效压缩和模型的快速重建。