一种激光散斑结构光及深度信息的三维重建方法
【专利摘要】一种激光散斑结构光及深度信息的三维重建方法。三维重建技术是机器视觉研究的重要课题之一，是指其通过三维物体的图像来恢复三维物体的三维空间几何形状。一般三维重建的方式有通过双摄像机的双目视差原理通过三角测量法，或者通过结构光来获得空间编码，通过三角测量法来获得深度信息。本发明意在用一种激光散斑结构光来获得深度信息，类似的发明如微软的kinect亦是通过此种方法来获得物体的深度信息(通过激光散斑的互相关函数来匹配不同深度)，不同的在于通过散斑后再获得深度信息的算法，本发明提出通过细化窗口对逐个像素块通过多支持向量机并行分类编码来获得每个像素窗口的深度，通过深度信息反解摄像机模型来获得物体在世界坐标系下的坐标，如此可以获得更高精度的深度信息。
【专利说明】一种激光散斑结构光及深度信息的三维重建方法
【技术领域】
[0001]本发明属于机器视觉研究领域，是一种基于激光散斑结构光的三维重建。
【背景技术】
[0002]三维重建技术是机器视觉研究的重要课题之一，是指其通过三维物体的图像来恢复三维物体的三维空间几何形状。一般三维重建的方式有通过双摄像机的双目视差原理通过三角测量法，或者通过结构光来获得空间编码，通过三角测量法来获得深度信息。
[0003]本发明意在用一种激光散斑结构光来获得深度信息，类似的发明如微软的kinect亦是通过此种方法来获得物体的深度信息(通过激光散斑的互相关函数来匹配不同深度)，不同的在于通过散斑后再获得深度信息的算法，本发明提出通过细化窗口对逐个像素块通过多支持向量 机并行分类编码来获得每个像素窗口的深度，通过深度信息反解摄像机模型来获得物体在世界坐标系下的坐标。
[0004]三维重建一般是根据已经标定好的摄像机通过已知的标定内、外部参数来求解物点的世界坐标，而求解过程因为摄像机模型和求解方程组的限定决定了求解的结果只能是一条射线方程，而无法通过其方程直接得到物点的3个世界坐标。本发明意在提出一种新的方式来获取物点的深度坐标，进而通过线性摄像机模型与径向畸变的方程来直接求解物点的三维世界坐标系下的3个坐标。
[0005]当激光通过粗糙透明表面(如毛玻璃)并投射在物体表面时，在物体表面可以观察到无规则分布的明暗斑点，即激光散斑。这种激光散斑的产生是当激光照射在粗糙表面上时，表面上每一点都要散射光，而空间个点都接收这些相干散射光的照射就形成了激光散斑，散斑场按光路分为两种，一种散斑场是在自由空间中传播而形成的(也称作客观散斑)，另一种是由透镜成像形成的(也称作主观散斑)，本发明使用的是后者。
[0006]而对于空间各点形成的规则散斑，其中包含了空间每点的深度信息，通过红外摄像机来捕获所形成的散斑，通过特征的提取，分类器(SVM)的训练，最终可以获得关于空间每点所形成的散斑中所包含的深度信息。
[0007]由所获得的深度信息，通过公式
【权利要求】
1.基于激光散斑结构光通过支持向量机获取深度信息的三维重建方法，其特征在于，包含 以下关键步骤: 步骤一:相机标定； 步骤二:选取合适坐标系； 步骤三:激光散斑结构光投影； 步骤四:获取标定散斑图像与散斑测试图像； 步骤五:特征提取； 步骤六:SVM批量训练； 步骤七:将步骤四获得的测试图进行窗口化； 步骤八:特征提取； 步骤九:SVM分类； 步骤十:根据分类结果计算深度。
2.根据权利要求1所述的，基于激光散斑结构光通过支持向量机获取深度信息的三维重建方法其特征在于:在步骤一中，所标定的相机为红外相机和普通CXD摄像机，标定方法可以使用但不限于以下方法:两步法，三步法，最小二乘法等。
3.根据权利要求1所述的，基于激光散斑结构光通过支持向量机获取深度信息的三维重建方法其特征在于:在步骤二中，在选取世界坐标系时，一般选取红外摄像机所在的摄像机坐标系，使得一旦摄像机有可控的移动时能够快速计算出旋转矩阵与平移矩阵。
4.根据权利要求1所述的，基于激光散斑结构光通过支持向量机获取深度信息的三维重建方法其特征在于:在步骤三中，激光散斑投影要通过特殊设计的衍射光学部件组，具体到从激光生成器射出的激光要至少通过三部分的衍射光学部件(DOE)，通过第一部件为了将激光散射一定角度，同时衍射出特定形状的散斑图样；第二 DOE所在位置能够基本涵盖第一部件所衍射出的图样，通过第二 DOE的衍射对散斑做光学卷积形成特定图案，对这两块DOE的要求是光斑大小在投射出后，通过目标区域散射回来后捕捉的光斑大小至少要大于或基本都大于一个像素的大小，第三光学部件选择与第二 DOE具有相同空间周期的几何尺寸，但要设计DOE传递函数，使得通过其的零级能量小于0.lmw。
5.根据权利要求1所述的，基于激光散斑结构光通过支持向量机获取深度信息的三维重建方法其特征在于:在步骤四中，对于标定散斑图像，要取dist为间隔的采样图像，每幅图像要覆盖全部标定平面，使得采样图像散斑能够充分表征一定距离的散斑特征，根据权利要求I所述的，基于激光散斑结构光通过支持向量机获取深度信息的三维重建方法其特征在于:在步骤五中，对于采集到的图样，进行如下特征提取但不限于这些:PCA主成分、光斑大小，亮度，灰度等级，以及他们之间的自相关系数和Hurst指数。
6.根据权利要求1所述的，基于激光散斑结构光通过支持向量机获取深度信息的三维重建方法其特征在于:在步骤六中，将dist距离下的每一幅图的特征作为训练集送入如下SVM组中:每一 SVM的参数都是一致，且使用RBF核函数，通过SVM交叉验证使得其核函数参数σ和正则化参数c最优，最优的标准是其训练结果在90%以上。
7.根据权利要求1所述的，基于激光散斑结构光通过支持向量机获取深度信息的三维重建方法其特征在于:在步骤七中，所述的窗口化方法可以随意选取，也可以通过窗口化函数实现自适应窗口化，但不论何种窗口化方法都是基于计算时间与精度的考虑，后期处理速度至少达到60ms/f。
8.根据权利要求1所述的，基于激光散斑结构光通过支持向量机获取深度信息的三维重建方法其特征在于:在步骤八中，所涉及的特征提取与权力要求6所述的特征提取相一致，可以但不限于以下特征:光斑大小，亮度，灰度等级，以及他们之间的自相关系数和Hurst指数。
9.根据权利要求1所述的，基于激光散斑结构光通过支持向量机获取深度信息的三维重建方法其特征在于:在步骤九中，将测试集送入SVM组中，对于每个窗口样本在某个SVM中的分类时间不超过0.015ms。
10.根据权利要求1所述的，基于激光散斑结构光通过支持向量机获取深度信息的三维重建方法其特征在于:在步骤十中，根据SVM组得到的二级制数据，通过公式D =Ls+B*dist计算每个窗口所代表的深度信息，然后根据所选窗口在窗口像素内进行插值，得到每个像素的深度 信息。
【文档编号】G06T17/00GK103971405SQ201410190263
【公开日】2014年8月6日 申请日期:2014年5月6日 优先权日:2014年5月6日
【发明者】魏善碧, 柴毅, 唐建, 邓萍, 王诗年, 陈淳 申请人:重庆大学