基于图像的三维重建解释

基于图像的三维重建，是一种通过拍摄一个场景的不同视角的图片，恢复出场景三维模型的方法，三维重建在逆向工程，文物保护，增强现实等领域有着广泛的应用。

本文只总结流程，不做算法的详细解释

主要流程有：

1. 图像特征点检测与匹配；
2. 通过对极几何恢复相机模型
3. SFM（Structure from motion）方法生成稀疏点云
4. MVS（Multi view Stereo）方法生成稠密点云
5. 将点云重建为网格模型
6. 添加纹理和贴图

图像特征点检测与匹配

特征点检测是三维重建的第一步，可以理解成检测出图像中与周围像素不同的点，然后储存进列表，特征点检测算子有很多，方法也都是现成的，比如harris，sift，surf，后两个最常用。

匹配原理是通过对两幅图像储存的特征点按一定算法进行匹配，从而判断不同图像上的点是不是同一个点。常用的两个概念：尺度不变性（同一个特征点能在不同尺度下被检测），旋转不变性（特征点旋转以后依旧能正确匹配）

相机模型与对极几何

1.相机模型

相机的表达是三维重建的基础，必须标定了相机参数，才能根据图像计算出像素点的位置和相机姿态。通常相机都是采用针孔相机模型，相机成像四个坐标系（像素坐标系，图像坐标系，摄像机坐标系，世界坐标系）。常见概念：本质矩阵（E），基础矩阵（F），径向畸变（k1，k2）。

姿态估计，6个外参（R，t）；R为3x3矩阵，t为向量；

相机标定，5个内参（fa=fb，k1，k2，u0，v0）；

2.对极约束：2D-2D

对极几何描述了同一个场景两幅图像之间的几何关系，我们已经通过特征匹配求得匹配点，根据极线约束，就能推导出基础矩阵（F）。

常用方法：

1.直接线性变换法（八点法，最小二乘法）

2.基于ransac的鲁棒方法

ransac算法流程：a.随机采样8对匹配点； b.8点法求解基础矩阵F； c.奇异值约束获取基础矩阵F； d.计算误差，并统计内点个数； e.重复上述过程，选择内点数最多的结果； f.对所有内点执行2,3，重新计算F。

SFM方法（Structure from motion）

SFM，又称为运动恢复结构，是一种常用的稀疏重建方法，通过收集到的无序图像，还原三维场景。

1.三角测量：相片中的每一个点，都对应着一个空间投影，不同相片中同一个点的空间投影的交点，就是该点在三维空间的坐标点。通过前两步，我们已经知道相机参数和匹配的特征点。因此，可以通过相机参数和匹配点用三角测量的方法，恢复匹配点在三维空间中的坐标。

2.PnP问题-直接线性变换法：已知三维点和对应的二维点求解相机内外参数，至少需要6对3D-2D对应点。

3.捆绑调整（Bundle Adjustment）：一种同时对三维点云位置和相机参数进行非线性优化的方法，（先计算几张图像的位置和相机姿态，再添加新图片，进行优化，直到所有图像都优化完毕）捆绑调整的优化方法主要有 a.最速下降法，b.牛顿法，c. LM（Levenberg-Marquardt）法（结合牛顿法与最速下降法），效果最好。

通过这些方法，可以构建出较为准确的稀疏的三维模型。

MVS方法（Multi view Stereo）

1.稠密点云的获取方式：

a. 激光，雷达扫描；

b. kinect相机；

c. 结构光；

d。基于图像的mvs方法。

激光雷达一般都是用于扫描精细结构，能得到精度高的点云，效率高，有效范围高达几百米，价格偏贵。 kinect相机是一种深度相机，范围在1-3米，速度快，能实时建模。这两种方法般都已经集成算法，不需要自己编写，直接就能得到稠密三维点云。结构光是用有编码的条纹光对物体进行扫描，方法性能稳定，测量精度高，通常用于人体，文物修复。基于图像的mvs方法，则是在sfm方法基础上进行三维点云重建。

2.基本原则：

a.光度一致性假设：同一空间点在不同视角的投影应当具有相同的光度，重建的核心就是恢复空间中具有光度一致性的点。

b.可视性约束：图像中出现的点不能被遮挡，重建的点前面不能有其他点，并且不能在物体内部。

c.极线搜索：图像中一点对应另一条图像中的线段。

3.主要方法：基于体素方法，基于空间patch方法（PMVS），基于深度图融合方法

从点云到网格

三维模型的表述方法主要有两种：边界表述法，空间划分法

1.边界表述法：将三维物体描述成一组表面

a. 多面体表述法，将物体表面表述成一组封闭物体空间的多边形，其中最常用的是三角形和四边形。

b. 曲面表述法：将边界表述成一组参数或者非参数化的曲面。

c. 参数曲面：z=f（x，y），用来表示场景中的规则物体。

b. 隐式曲面：通过函数f（x，y，z）的零水平集，可以用来描述比较复杂的物体

2.空间划分方法：将物体内部的空间划分成细小，不重叠的连续实体来描述物体的形状。

a.构造体素法：通过对一些元素进行加，减，并集和交集等组合运算生成新的物体

b.八叉树法：利用分层的树结构将要表述的物体构造一个树结构，树节点对用空间中一块特定区域。从根节点开始，包含物体的节点被均匀的划分成八个子节点，直到这种迭代满足终止条件。

c.二分空间法：和八叉树法差不多，都是对空间进行逐步划分，只不过二分法是将空间划分成两部分，可随时调整空间分布。

最常见的三维网络都是采用的三角网格，基本结构为 顶点，面片，边。

纹理映射

三维点云不具有拓扑结构，不能进行高质量的渲染，几何结构恢复重建点云的拓扑结构，是进行场景渲染的基础。图像纹理差距较大的原因，主要就是网络模型的优化上。

基本原理：找到三角网络的顶点坐标（x，y，z），然后找到对应的纹理坐标（u，v），按照一定的算法进行纹理映射，从而在拓扑网络上形成纹理图案。

基本流程大致就是这些，基于图像的三维重建，一般用于建筑，场景，地形等一些对精度要求不高，要求简单的大型场景的重建。要想重建高精度的器件，还是用激光雷达好。

过几天更新SLAM的方法