正在进行安全检测...

发布时间:1714715450   来源:文档文库   
字号:
第27卷第7期 计算机辅助设计与图形学学报 V01.27NO.7 2015年7月 Journal of Computer-Aided Design&Computer Graphics Ju1.2Ol5 基于增强PyrLK光流法的三维树木骨架重建方法 张德嘉,梁 爽,张晨,贾金原木 同济大学软件学院上海201804) jYJia@tongjiedu.cn) 摘 要:针对树木骨架重建要求手工交互多、不精确的问题,提出了用增强PyrLK光流法对树木骨架进行重建,且 可以基于多幅图像完全自动化地进行树木建模.首先在传统PyrLK光流法的基础上加入了特征点的仿射变换和迭代 追踪,提出增强PyrLK光流法,解决了传统PyrLK光流法不支持特征点旋转和双向匹配验证的问题;其次利用邻域 的泛洪和局部点云的拟合进行高速、准确的树木骨架抽取,提出了三维体素泛洪和最小二乘拟合的方法.实验结果表 明,文中方法能够快速重建出极具真实感的三维树木骨架模型. 关键词:树木建模;增强PyrLK光流法;三维重建;三维体素泛洪 中图法分类号:TP391 3D Tree Skeleton Reconstruction Based on Enhanced PyrLK Optical Flow Algorithm Zhang Dejia,Liang Shuang,Zhang Chen,and Jia Jinyuan (SchoolofSoftwareEngineering,Tongji Universiy,Shanghai 201804) Abstract:The reconstruction of tree skeleton suffers from the problems of lOW accuracy and heavy user in- teraction.In this paper,we propose a new reconstrction method based on an enhanced PyrLK optical fow algorithm to alleviate such problems.First,affne transformation of feature points and interactive tracking are incorporated into traditional PyrLK to improve the robustness of feature matching.Second,we also pro- pose to use 3D voxel・based fooding and least square to extract the tree skeleton after point cloud recon・ strction with higher efciency and accuracy.Experiments show that our reconstruction method is effective and efcient in 3D tree skeletons. Key words:tree modeling;enhanced PyrLK optical fow;3D reconstruction;3D voxel fooding 树木建模在虚拟场景中的应用十分广泛,是场 费高,因此不适宜进行一般用途的建模.为了克服 景漫游、三维游戏、虚拟现实等研究领域不可或缺 这些缺陷,不少学者对树木的自动化建模进行了 的一部分.主流的手工建模方法虽然能够得到精 研究.但是,自然界中的树木形态多样,结构复杂, 确的树木模型,但是需要专业人员,并且耗时长、耗 使得树木建模在计算机图形领域成为了极具挑战 收稿日期:2014—04—13;修回日期:2014—09・27.基金项目:国家自然科学基金面上项目(61272276);国家自然科学基金青年项 目(61305091;国家“十二五”计划重大科技支撑项目(2012BAC11B00—04.O3);高等学校博士学科点专项科研基金项目(博导类) 2O13o072l1OO35);吉林省重点科技攻关课题(2O14O2O4O88Gx);上海市浦江人才计划(13PJ1408200);长春高新区“长白慧谷”英才 计划(3—2013006);中央高校基本科研业务费专项资金(2100219038).张德嘉(1991一),男,硕士研究生,主要研究方向为计算机图形 学、轻量化建模;梁爽(1983—),女,博士,讲师,主要研究方向为计算机图形学、模式识别;张展(987—',男,硕士研究生,主 要研究方向为计算机图形学、图像处理;贾金原(1963一),男,博士,博士生导师,论文通讯作者,主要研究方向为计算机图形学、虚拟 现实. 
计算机辅助设计与图形学学报 第27卷 的研究课题. 泛洪(3D voxe1.based ooding)的算法,它能够根据 树木形态自底向上的生长规律进行空间泛洪,并 且在同一级的节点上,该方法采用了并发泛洪,从 早期的基于规则的树木建模建立在L.Sysem【 的基础上,并利用树木生长规则对模型进行递归 式的生成[。】,但是少量的规则无法还原出真实感较 强的树木模型.而基于三维扫描仪的树木重建_ 】 而提高了算法的效率. 虽然能够得到较稠密的点云数据,但由于设备昂 贵,也不是一种适用度广的方法.温维亮等【用隐 技术路线概述 本文提出了一套完整的基于多幅图像树木骨 架重建的解决方法,它主要分为特征点匹配、三维 重建和骨架抽取3个阶段.该方法首先以树木图像 序列作为输入,提出了增强PyrLK光流法来进行特 征点匹配,以准确和稳定的匹配结果进行后续的 式曲面来构造三维树木枝条模型,以达到比较光 滑拼接的效果,但是这种方法的数据量比较大. 基于图像的树木建模由于其输入简单,并且 图像信息丰富,受到许多研究人员的关注.Neubert 等【根据树木在图像中的像素密度近似生成空间 体素,并进一步以三维粒子流和方向场等方法模 拟生成了树木骨架.但是对于树木轮廓内没有背 三维重建步骤,得到稳定的树木点云模型.在此基 础上,再通过三维体素泛洪和局部几何信息的拟 合,得到精确的树木骨架模型.图1所示为本文方法 的总体路线图.其中,本文方法的创新点如下: l1用增强PyrLK光流法进行树木图像间的特 征点匹配.该方法突破了传统PyrLK光流法不支 持特征点仿射变换的局限,并且用迭代追踪的方 法解决了传统PyrLK光流法未进行双向匹配而导 致过多错误匹配的问题,增强了匹配的鲁棒性.实 验表明,该方法的实验结果远远优于主流的SIFT 景像素的情况,该方法需要完全靠用户勾画骨架, 工作量大.Tan等[提出了依靠树木生长引擎来恢 复树木枝干,然后将其与叶片结合进行重建.该方 法由于使用单幅图像,信息不足,再加上可见枝干 较少,因此枝干的重建更多地带有猜测的成分. Tan等【 】和Quan等【还用Structure From Moton 的方法恢复树木的三维点云数据,从而进行重建. 但是由于树木的复杂性,使得主流的SIFT特征匹 配正确率很低,导致后续的三维重建步骤无法得 到准确的模型.对于从点云中抽取骨架,Linvy等 ¨]使用了迭代的方法来逐步优化骨架,并提出了 特征点匹配方法和传统的PyrLK光流法. 2)用三维体素泛洪的方法确定点云邻域范围, 并基于邻域内的点云分布拟合出树木的局部几何 种BSG的数据结构.She等[ ]使用了三维细化的 信息.其中三维体素泛洪方法不仅将泛洪时体素 问的相互影响降至最低,而且采用并发的方法来 加速泛洪.区别于主流的三维细化等方法,该方法 结合了树木自底向上的形态规律,能够更高速和 准确地获取树木骨架. 方法来从点云获取骨架,但是由于三维细化是一 种通用的骨架抽取算法,其并没有针对树木形态 进行特殊的优化,因此效率较低. 由于SIFT方法在树木匹配时出现过多错误, 因此本文提出了增强PyrLK光流法.该方法将特 征点的仿射变换和迭代追踪加入到传统PyrLK光 流法[ ]中,能够非常精确和鲁棒地进行特征点的 匹配;将其匹配结果导人到后续三维重建步骤,可 以得到高精度的点云.在骨架抽取步骤,为了克服 增强PyrLK光流法 不同于简单物体的重建,由于树木结构复杂、 过多遮挡和光照分布不均匀等因素,导致主流的 SIFT特征匹配算法的实际效果很不理想.本文 厂 、 三维细化效率不高的局限,本文提出了三维体素 厂 、 I基于仿射变l  ̄PLK I 三维体素泛洪 木骨架模型 输入图  迭代追踪 I 三维重建 几何参数拟合 \ / 图1 基于图像树木骨架重建总体路线图 
第7期 张德嘉,等:基于增强PyrLK光流法的三维树木骨架重建方法 引进了PyrLK光流法来进行多幅图像间的特征点 匹配,较SIFT算法,PyrLK光流法更能捕捉树木图 像中特征点的对应关系. 光流法将图像上的像素值作为一个三元的函 数I(x,Y, ,其中X和Y为像素点的坐标,t表示时 间.该方法用函数 的变化来刻画光流的变化,以 达到运动追踪的目的.而PyrLK光流法则采用 Lucas—Kanade的实现,并且用图像金字塔的方法 加以扩展,使得光流法有了很大的改进. 但是,传统的PyrLK光流法有比较大的局限 性,主要表现在2个方面:不支持特征点旋转,即 传统的PyrLK光流法只支持特征点的平移变换, 不能捕捉特征点的旋转变换;缺乏验证机制,即没 有给出一个对于匹配点是否合格的验证机制,导 致匹配对的可信度下降. 为了打破PyrLK光流法的局限性,本文将特 征点的仿射变换和迭代追踪加入到传统PyrLK光 流法中,提出了增强PyrLK光流法.该方法首先将 传统PyrLK光流法扩展为基于特征点仿射变换的 AffnePyrLK光流法,引入了待定的仿射变换矩阵, 并改造了传统的光流方程,从而增强了PyrLK光 流法的适用性.然后又对特征点的匹配进行迭代 的追踪,只有在迭代过程中表现稳定的特征点才 作为真正匹配的特征点,从而大大降低了匹配错 误率,提高了匹配算法的鲁棒性. 2.1 基于AffnePyrLK光流法的特征点匹配 对于传统的PyrLK光流法,只能解决平移特 征点的匹配;然而,这并不足以解决树木图像的匹 配问题.因为相邻2帧图像要求在空间形成一定的 夹角进行拍摄,这样在2帧图像上,也一定会产生 在空间旋转投影下的平面旋转;而特征点的这种 变换在传统PyrLK光流法里是无法捕捉的.所以, 有必要对PyrLK光流法进行由平移变换到仿射变 换的扩展.本文将待定的仿射变换矩阵加入到传 统的PyrLK光流法中,用图像中局部小窗口内的 像素数据来拟合待定矩阵,从而支持特征点的仿 射变换.具体方法如下: 设2个特征点的匹配满足仿射矩阵 ,即前1 帧图像上的特征点通过仿射变换 匹配到后1帧 的点.那么有  r f al a1 a1 1 f Ax   0/ =f口21口 02口2 0八1/3卜l   (1 其中 和△ 为放射变换下位移;而 和△y为 原始位移;al1,a12,a13,a21,a22,a23为仿射变 换待定参数.同时,原始光流方程为 + =一 (2) 其中, 为I(x,Y,t)的缩写,表示图像上的像素点  ,Y)在t时刻的像素值; 和 分别为光流速度 在 和Y方向上的分量;Ix,iy, 分别为函数, 对X,Y,t的偏导数. 将式(1)(2)综合得改进后光流方程 al口lala2口2a23)・  、T  L△ , , Ax,I y)=~厶. 在这个方程组中,有8个未知数 , ,al1,a12, a13,a2l,a22,a23.通过将PyrLK光流法中局部 邻域窗口内的像素数据代人该方程,即可得到一 个矛盾光流方程组(方程个数大于未知参数个数), 尺寸大于3×3的邻域窗口均可以通过最小二乘法 对这些待定系数和未知数进行拟合.通过基于仿 射变换的光流方程,得到的匹配对就是支持特征 点旋转的.因此,基于仿射变换的PyrLK光流法更 加适用于对于空间多角度拍摄的多幅树木图像的 重建. 2.2 迭代追踪 传统PyrLK光流法会根据前1帧图像中的特 征点在后1帧图像中寻找与其匹配的点.无论后1 帧图像中匹配点是否真正存在,PyrLK光流法都将 返回一个匹配度最高的点.传统PyrLK光流法的 这种单向性会导致过多的错误匹配,进而影响后 续的三维重建效果.因此,考虑到算法的正确性和 鲁棒性,本文通过迭代追踪对特征点匹配进行双 向验多次的稳验证 基于迭代追踪的特征点匹配具体步骤如下: 输人为前后2帧图像 和 对,上的特征点 go,运用AfnePyrLK光流法,可得到 中与之匹 配度最高的点 0.分别以 。和 0为起点,对它们运 用AfnePyrLK光流法,可以得到第1次正向迭代 从』到 的匹配)和反向迭代的匹配点'1和 1.更 般地,第k次正向迭代指的是对图像 上的点 运用AfnePyrLK光流法匹配图像 上对应点 的过程.第k次反向迭代指的是对图像 上的点 运用AffnePyrLK光流法匹配图像 上对应点 的过程.经过n次迭代以后,可以得到图像,上 的正向迭代点集A={g0, , 2,…,g }和图像 上的 反向迭代点集B={0,…, ).图2a所示为2 次迭代追踪的过程示意图. 
计算机辅助设计与图形学学报 第27卷 
图像 正向迭代点集 A={Uo,Ⅳ1,M2 图像- 反向迭代点集 -{ l } :主卜点 肪差   羽} 《 .  2 3 ■ 4 5 ‰ 初始匹配 迭代次数 b.点集方差随迭代次数变化情况 a.2次迭代追踪过程示意图 图2迭代追踪示意图 对于得到的迭代点集 和 ,本文通过计算它 们的方差 和 来衡量迭代点集的集中程度.方 差越小,表明点集越集中、匹配越稳定;反之,则 算法1.基于AfnePyrLK和迭代追踪的增强 PyrLK光流法 输入:图像 和 图像 中的点U,迭代点集方差 表明匹配越不稳定,超过方差阈值的匹配对将被 筛除掉. 阈值 ,迭代追踪次数n 输出:图像 中的匹配点' 初始化正向迭代起点:u0= 由于树木图像的差异,迭代追踪算法中的方 差阈值是不固定的;具体的方差阈值可以通过用 户引导获得.可以对原树木图像的局部或是降采 样得到的低分辨率层图像进行一个预匹配,由于 局部图像或低分辨率图像中的特征点数远远小于 原图像,因此用户可以轻松标记出正确匹配和错 误匹配.通过统计其中正确匹配和错误匹配的方 求得反向迭代起点:v0=AfnePyrLK(uo1 for i=1 to n do 第i次正向迭代: =AfnePyrLK(uf_1 第i次反向迭代:峨=AfnePyrLK(vf_1 end for 正向迭代点集A={H:…, },反向迭代点集 B={ 0,2,…,vn}. 分别计算点集A和点集 的方差 和 if < and < hen return V0 差,可以获得一个适合的方差阈值来作为原图像 的方差阈值输入. 图2b给出了在某迭代追踪过程中点集 和 的方差随迭代次数的变化情况.该图表示点集 else 没有匹配点:retur NULL endif 的方差在5次迭代中一直低于方差阈值,点集 的 方差在前3次迭代中小于阈值而第4,5次迭代超过 比起传统的PyrLK光流法,增强PyrLK光流 法能够适应特征点的仿射变换,并且只筛选迭代 稳定的特征点对作为真正的匹配点对.因此它在 了方差阈值,因此该迭代追踪前3次稳定而4次以 后不稳定.若该算法设定的迭代追踪次数不超过3 次,则会将该匹配对视作迭代稳定匹配对;反之, 则会视作迭代不稳定而筛除. 适应度和鲁棒性上都有了大大提高,更加适合对 树木这种形态结构复杂多样的物体进行特征点匹 通过特征点的反向匹配,本文解决了传统 PyrLK光流法缺乏双向验证的问题,使得只有正 2个方向都匹配的特征点才会被视作正确的匹 配.相较于前者,增强PyrLK光流法能够为后续三 维重建步骤提供更加准确和鲁棒的匹配结果. 配点.同时,通过多次迭代追踪并筛选迭代稳定的 匹配,从而剔除掉了偶然因素导致的仅满足少量 基于三维体素泛洪与拟合的骨架抽取 将增强PyrLK光流法的立体匹配结果用于后 续三维重建步骤,可以获取到精确的点云模型.在 迭代次数的双向匹配特征点,使得算法的鲁棒性 得到进一步的提升. 2.增强PyrLK光流法 本文将提出的AfnePyrLK和迭代追踪总称 为增强PyrLK光流法.算法1给出了增强PyrLK 光流法的伪代码. 获取了点云模型之后,本文首先将点云体素化,以 提高后续处理的效率.在骨架抽取步骤,本文没有 采用常用的三维细化法,而是针对树木的结构特 点,提出了效率更高、结果更精确的三维体素泛洪 




本文来源:https://www.2haoxitong.net/k/doc/40dd714b6e175f0e7cd184254b35eefdc8d315fa.html

《正在进行安全检测....doc》
将本文的Word文档下载到电脑,方便收藏和打印
推荐度:
点击下载文档

文档为doc格式

相关推荐