改进ASIFT算法的PMVS三维重建

1、改进ASIFT算法的PMVS三维重建PMVS 3D reconstruction with improved Asift algorithmPu Yangguang(College of Computer and Information Engineering，Henan University ， Kaifeng ， Henan 475000 ， China )： The feature point detection and matching ability of multi-view-based three-dimensional reconstruction are poor ， and

2、 the commonly used Harris and SIFT algorithms can detect and match fewer feature points ， and the number of incorrectly matched feature points is large. Combining the adaptive scaling optimization algorithm based on Bicular algorithm with Harris algorithm to improve the Asift algorithm is proposed.

3、The improved algorithm BH-Asift ( Bicular Harris-Asift) is applied to the multi-view 3Dreconstruction system based on PMVS. The improved algorithm has stronger ability of feature points detection and matching ， and the final 3D model generated is more realistic.0 引言 近年?砘?于多视图的三维重建技术逐渐走向成熟。LM Shi等人 1

4、 提出了一种通过对三维重建过程中场景几何信息正常性估计和多分辨率扩展的改进算法，提高了基于PMVS三维重建场景模型的真实性；赵璐璐等人 2 提出一种适用于未标定图像的 准稠密立体匹配算法， 该方法能更精确地进行三维重建； 魏梨君 等人3 提出了结合 Harris 和 SIFT 算子的三维重建方法，该方 法使用重构的匹配点能达到高的精确性， 重建的目标物体更加真 实；Y Wang等人4提出了一种用非标定摄像机捕获的视频序列 来提高场景自动三维重建性能的方法；戴琼海等人 5 提出一种 基于多视图的改进 SIFT 算法的三维重建方法，该方法对相邻视 角的特征点进行匹配运算， 利用极值约束来验证匹配特

5、征点对的 有效性，并校正匹配的条件； JM Morel 等人6 提出一种完全仿 射不变的 ASIFT 特征点检测与匹配算法。 本文以开封城古建筑为 目标重建物体， 提出了用 Bicular 算法并设定阈值函数， 对输入 视图进行自适应的尺度优化，并将 ASIFT 算法在多尺度下使用 SIFT 算法检测特征点改用 Harris 算法检测特征点，改进后的算 法在时间效率和关键点匹配能力上效果明显。1 自适应尺度优化的 ASIFT1.1 Bicubic 算法Bicubic 算法又称为双立方插值算法，该算法对图像进行插 值的目的是获取缩小或者放大后的图片， 核心原理是计算插值图 中处像素的值， 首先计

6、算它映射到原图中的坐标， 也就是卷积计 算时，P00点对应（i，j ）坐标，最终插值后的图中坐标点对应 的值是原图中（ i ， j ）处邻近 16个像素点的权重卷积之和。 i ， j 的范围是，。算法卷积公式：算法采样公式：1.2 自适应尺度优化在Bicubic算法实现过程中，输入原始视图宽度为 wO,高 度为hO,缩放比例常量（T 0,设尺度优化后的视图宽度为 w高 度h，那么（T O=W/WO, （T 0取值为（T 00。本文将常量（T 0变量 化,创新地提出以下阈值函数：上式-中变量T为视图尺度缩放比例，视图优化后的宽 度为w,高度为h，如果原始视图中w0高斯尺度空间思想在上一章中已经介

7、绍,值得注意的是改进的算法,先进行 ASIFT 算法的经纬度位置模拟,再进行高斯尺度空间计算,尺度空间计 算是用不同尺度的高斯核对视图进行卷积而得到的, 视图的高斯 尺度空间表示如下：运用高斯尺度空间的概念原理,设定一组尺度：, Harris算子在多尺度空间的二阶矩阵表示如下：Harris角点检测算法的角点响应函数 CRF为：其中的gx、gy为x、y方向上的梯度，入1、入2是矩阵M 的特征值， k 为常数，通常取 0.04 ， 0.06 之间的任意值。但在 实际应用中， k 值的任意取值通常会使结果产生偏差，影响后续 的三维重建效果。为了避免 k 值的选取，并且考虑到多尺度特征， 使用新的角点

8、响应函数，其表示如下：其中为极小值，可忽略不计，主要是为了使分母不为0。3 实验结果与分析3.1 实验环境设置本章实验环境与配置： Window7 64位，内存 4.00GB，CPU 为 Intel Core i5-4590，主频 3.30 GHz，GPL为 NVIDIA QuadroK2000,开发坏境为：Matlab2016b。3.2 特征点检测与匹配的实验结果与分析使用航拍安？h门图像集作为输入，测试算法特征点检测数 量、特征点匹配数量、时间复杂度和三维重建效果。图1、表1的实验结果表明，BH-ASIFT算法比SIFT算法在 时间复杂度上要高一点，但 BH-ASIFT算法特征点检测能力是 SIFT算法的两倍以上，其特征点匹配能力也要高于后者； BH-ASIFT算法对比原ASIFT算法在特征点检测与匹配能力上要 弱于后者，但是改进算法比原算法在时间复杂度上要低于后者 10倍左右，运行效率显著提升。经过了以上步骤，再进行点云 生成、几何重建、纹理重建、输出结果，继续做以下实验：从图2的实验结果对比可以看出，BH-ASIFT算法改进的PMVS 三维重建方法特征点检测匹配能力大幅提升， 直接影响后续的稠 密点云生成、几何重建、纹理重建，改进后的三维重建方法重建 效果要远优于原三维重建方法。4 总结本文详细介绍了改进 ASIFT的