专利名称：根据2d图像序列进行3d场景重构的方法
技术领域：
本发明总体而言涉及计算才几重构，更具体而言涉及〗吏用2维(2D) 到3维(3D)转换的场景重构。
背景技术：
人类以三个空间维度来感知世界。遗憾的是，大多数当前创建的 图像和视频实质上是2D的。如果我们能够使这些图像和视频注入3D 信息，那么我们不仅将增强它们的功能，还可从中得到多很多的乐趣。 然而，使2D图像和视频注入3D信息常常需要根据描绘的原始2D 数据完全重构场景。可使用给定的图像集合来创建观察器的模型以及 场景中物体的才莫型(达到足够的细节水平)，使得能够产生场景的逼 真的更迭视角的图像。场景的模型因此包含场景中物体的几何和相关 联的图像数据以及用来捕捉那些图像的相机的几何。在重构这些场景时，常常需要提取2D图像中的特征(如物体的 边缘)并且确定它们相对于相机的位置。各种物体特征的3D位置的 差异与多个图像的不同相机位置相结合，导致了在2D图像中捕捉到 的特征的3D到2D投影的相对差异。通过确定2D图像中特征的位 置，并且比较从不同相机位置摄取的图像中这些特征的相对位置，可 确定特征的3D位置。到的多个2D、图像。然后可找到点对应的集合，这允^^计算几何属性，如每个图像的相机位置和取向。这确定了在2D图像中找到的特征的 3D坐标。4艮多当前的相机校准方法如机器人视觉和卫星成<象与全自 动相适应。荷兰Kluwer学术出版社的7 ^7iflftV fl/ CVwi/7"tef 的第59巻，第3号，207-232页，2004年9月的M. Pollefeys等人的"Visual Modeling with a Hand-Held Camera"描 述了使用手持式摄像机来重建3D场景的过程。在此过程中，摄像师 控制相机，并从多个视角收集物体的图像。然后处理视频序列中的图 像以获得适用于立体3D投影的物体的重构。然而，当前相机校准方法仍存在基本问题。例如，典型的动画将 具有非常大的且预定的图像集合，其(为了相机和场景重构的目的) 可能包含无关的或低亮度的图像、具有不足的视角变化、以及包含具 有变化的几何和图像数据的物体。公知的相机校准方法也不能利用其 它应用的处理器节省方面，所述其它应用诸如机器人导航应用，其尽 管不得不使用冗长的和低质量的图像实时地工作，却可将注意力限制 于感兴趣的特定区域并且不需^成分段物体的图像数据。另外，现有的相才几校准方法并非理想地适用于场景重构。其原因 包括过重计算负担、不足的场景细化工具、以及从图像中提取的点云 不充分表达特定于模型的几何(如线和平面)。由于这些方法单步地 将所有的用于重构的所有帧上的提取特似目关联，所以过重计算负担 常常出现。另夕卜，现有方法可能不提供与用户的足够交互性，而用户 可利用场景内容的用户知识来改进重构。现有技术也不很适用于诸如动画的事物的2D到3D转换。现有 技术通常不能虑及动态物体，它们通常使用点云作为模型，其不足以 进行再现，并且它们不适应非常大的输入图像集合。这些技术通常也 不适应场景几何的变化的细节水平，不允许对物体或相M型的附加 几何约束，不提供利用相异场景(例如相同布景，不同道具)之间的 共享几何的手段，并且不具有场景模型的交互细化。发明内容本发明涉及一种以如下方式进行交互和迭代重构的系统和方法 通过根据可得数据的子集产生模型然后使用附加数据细化该模型，来 帮助减小计算要求。涉及场景重构的示范实施例通过首先根据2D图像的子集产生3D场景的模型来根据该场景的多个2D图像重构3D 场景。然后可使用子集中的每个图像的特定特性来细化模型，所述特 定特性是使用子集中的其它图像来计算的。使用不在原始子集中的图 像来进一步细化模型。一个说明性实施例使用较小数目的关键2D帧内的减少数目的用 户所选关键点来对那些帧执行3D场景重构的初始计算。这样的本发 明实施例可帮助进行多方面的迭代改进，其可提高精确度并且减小重 构过程的计算要求。这些改进可包括重新考虑在初始重构中4吏用的关 键帧和关键顶点的选择的能力。这些改进还可包括通过后方交会 (resection)过程为中间帧计算的相机位置。在一个实施例中，后方 交会基于已知3D几何的观察投影。这些改进还可包括可通过三角测 量过程来添加的网格细节(mesh detail)。在一个实施例中，三角测 量基于根据更迭帧计算的相机几何以及那些帧中的该细节的观察投 影。本发明诸实施例亦可允许用户以粗略三角网格(或其中网格顶点 规定感兴趣特征的任何网格)的形式规定特征点，而不是让软件自动 产生所有特征点。尽管自动特征检测软件与用户相比可产生较多的特 征，但用户能够规定感兴趣特征的集合。这于是减小了计算负担。本 发明诸实施例亦可允许使用关鍵帧来进行初始场景估计，而不是使每 个帧具有均一的权重。例如，可从由于显著相机几何差异而彼此偏移 的帧的集合中选择关键帧。本发明诸实施例亦可允许用户控制如下选择:在重构中4吏用哪些 帧和重构物体中哪些细节，以及所用图像的顺序。此外，本发明诸实 施例可允许将图像分段为静态和动态区，其中可使用迭代计算进一步 改进分段。前面已颇为宽泛地略述了本发明的特征和技术优点，以便可以更 好地理解后面的本发明的详细描述。下文中将描述构成本发明权利要 求主题的本发明的附加特征和优点。本领域技术人员应该理解，所公发明目的的其它i构的基础。本领域技术义员还应该认识到，这样的 等价构造不脱离所附权利要求中阐述的本发明的精神和范围。根据以 下结合附图考虑的描述，将更好地理解被认为是本发明(关于其工作 方法和组织)的特性的新颖特征以及其它目的和优点。然而，应该清楚地理解，提供每个图仅是为了说明和描述，而并非旨在作为对本发 明范围的限定。
为了更全面地理解本发明，现在参考以下结合附图进行的描述，在附图中图1图示了从多个相机位置捕捉示范三维场景；图2图示了示范三维场景的多个二维图像；图3是图示了根据本发明一个实施例的场景重构的流程图；以及图4图示了根据本发明一个实施例设置的场景重构的系统。
具体实施方式
当开始于由移动相机或不同位置的多个相机捕捉到的2D图像序 列时，3D场景重构通常涉及组^^目*1^准与物体重构，这将产生场 景中物体和相机的几何。例如，如果相机从房间中不同位置捕捉了多 个图像，通常将需要确定表示相机移动的3D几何以及用于房间中特 征(如墙、家具和其它物体)的三角网格。图1示出了场景10，其中相机100处于由收集曲线110联接的多 个位置1001-1006。场景10包括物体101和102。物体101具有诸如 平表面1011和边缘1012的特征，其可分别以三角网裆^表示为平面和 线。物体102具有特征1021,在由相机100在位置1001-1006中的一 些位置捕捉到的2D图像中，特征1021可被物体101遮蔽。图2A-2F示出了相机100分别在位置1001-1006 (未示出)观察 而捕捉到的场景10的图像2001-2006。在每个图像2001-2006中，物 体101遮蔽了物体102的不同位置。特征1021在图4象2002、 2003和 2006中被部分遮蔽，在图像2004和2005中被完全遮蔽，而在图4象 2001中完全可见。图3示出了一个说明性实施例用来根据2D图像集合重构3D场 景的步骤。这些步骤可作为细化过程而迭代执行(其中可使得在单次 迭代中跳过任何数目的步骤)。为简单起见，图3中未明确给出每个步骤的条件性质。每个步骤的描述附有对该过程如何应用于使用图像
2001-2006重构场景10的图2A-2F的解释。
然而，在考虑各个步骤之前，以较高层位提供该过程的简要描述。 该过程的目的是产生表示每个输入图像的视角的相机模型以及场景 中每个有区别物体的模型。此过程允许通过根据对应相机模型再现物 体模型来虑及物体在每个输入图像中的外观。此过程为静态物体构造 模型。动态物体是其几何改变的物体。静态物体是这样的物体其在 场景内的几何在所有可得图像中不显著改变(忽略了动态物体的互补 类)。在一些实施例中，可稍后通过诸如标准建模和动画技术的单独 过程来合并动态物体的重构。
物体的相机模型说明性地概述了物体在场景内的几何、以及其在 每个可得图像中的投影外观。这种模型的一个说明性表达是参数面网 格，其中每个顶点具有以场景坐标表示的3D位置；以及包含对应 图4象特征的可见性指示和该特征的2D位置(如果该特征可见)的对 的序列(每个可得图像一个)。
为了讨论附图，将根据连接所有相机位置的最简单曲线对图像循 序编号，而无论图像是否以该顺序捕捉，且无论图像是否全部由单个 相机捕捉。例如，图1的收集曲线110是连接位置1001-1006的最简 单曲线，而无论相机100是否以收集曲线110所示的圆弧移动。将收 集曲线的端标记为起始或结束可以是任意的。即，起始图像可实际上 是收集的第一个图像或者是最后一个图像(如果颠倒视频序列)，或 者可在另 一时间收集。中间帧是从收集曲线上的落在关键帧所对应的 位置之间的相机位置捕捉到的那些图像。应该理解，本发明不局限于 任何特定的图像采集顺序或时序，也不局限于任何特定的用于采集机 制的路径。
再参考图3和有区别物体标识过程301，过程301确定场景中哪 些物体将通过对其显式建才莫来,皮区别。此外，过程301向每个有区别 物体分配一个以最小细节水平对其结构取近似的网格。在一个实施例 中，此分配的初始网格取自模板库。然而，也可使用其它方法，如使 用用户交互或自动技术为匹配观察到的物体特征而特别构造的网格。
应该注意，在过程301中不向网格顶点分配有意义的坐标值。此 外，不是所有的网格结构都需要立即规定。代替之，可分别使用迭代 来合并在特定帧集合内可见的结构。将过程301应用于图2A的图像，考虑帧2001,可将物体101和 102标识为有区别静态物体。在此帧，可规定物体101的三角网格包 含与物体的三个可见侧面和七个可见角对应的六个面和七个顶点。可 规定物体102的三角网格包含与物体的左侧面和四个可见角对应的 两个面和四个顶点。接着，考虑图2F中的帧2006，物体101的网格 可扩充有与现在可见的右侧面和右侧面的下后角对应的两个附加面 和一个附加顶点。类似地，物体102的网格可扩充有与前侧面、顶侧 面和右侧面以^"侧面的角对应的六个新面和四个新顶点。
在过程302,选择关键帧。为了在此讨论，关键帧是指为其计算 相机几何的那些可得图像，非关键帧是指中间帧。关键帧集合被优选 地选择为表示整个相机移动范围，使得每个关键帧展示显著不同的相 机视角并且每个关键帧与某个数目的其它关键帧共享足够的图像信 息(即特征对应)。应该注意，在选择关键帧时需要平衡。选择较多 关键帧通常产生较多共享信息，并因此得到较好结果。然而，这增大 了计算复杂性，并且可能4艮快变得难以处理。
本发明一些实施例在过程302使用自动选择过程来基于移动分 析从可得帧的集合中选择关键帧的子集。其它实施例通过用户输入 (通过图形用户接口或其它适当装置来获取)利用场景内容的用户知 识来指导关键帧的选择。
在一个实施例中，分别在图2A、 2D和2F中的图像2001、 2004 和2006被设计为关键帧，而分别在图2B、 2C和2E中的图像2002、 2003和2005可祐^殳计为中间帧。利用这些限定，图4象2002和2003 在关键帧2001和2004之间，而图4象2005在关键帧2004和2006之 间。注意，尽管这些限定允许当相机100沿着收集曲线110移动时图 像2001-2006来自 一视频序列，但这些限定不要求任何特定捕捉顺序， 也不要求单个相机捕捉了所有图像。为了简化附图的讨论，将假定图
像序列是由沿着收集曲线IIO移动的单个相机IOO收集的。
在过程303,规定关键顶点。为了在此讨论，关键顶点是指稍后 在过程304中为其计算场景坐标值的网格顶点。网格的关键顶点是以 最小细节水平表达基本网格结构(即重要特征)的现有顶点的子集。 然而，也可使用其它网格。
在每个关键帧(如帧2001、 2003和2006),每个关键帧顶点由于 物体遮蔽(由动态物体、其它静态物体或该物体自身所致)而被标记为可见或不可见。此外，在每个关键帧，可见关键顶点的图像坐标被 选择为匹配对应的图像特征。规定关键顶点的过程可根据算法来执 行、通过用户交互来执行、或者通过两者的组合来执行。将过程303应用于图2A-F的图像，分配给物体101和102的初 始网格的所有顶点可祐规定为关键顶点。在图2A中，在帧2001，物 体102左侧面的四个顶点2011、 2012、 2013、 2014 4皮标i5为可见， 并且将它们的图像坐标规定为匹配对应的图像特征(即角)，而物体 102的剩余四个顶点被标记为不可见。在同一帧，属于物体101的左 侧面、前側面和顶侧面的七个顶点2021-2027 ,皮标记为可见并且,皮分 配图像坐标，而剩余顶点2028 (对应于后下右角；此帧中未示出) 被标记为不可见。前进到图2D中的关键帧2004,物体101和102两 者的八个顶点中有七个被标记为可见(仅下后左角中的顶点2012和 2022不可见)。这些可见顶点被分配图像坐标。最后，前进到图2F 中的关键帧2006,物体101具有相同集合的七个可见顶点(图中未 标记)，它们被再次分配图像坐标，而物体102的两个后左顶点2011 和2012 (图中未标记)被标记为不可见，且剩余六个顶点2013-2018 (图2D中示出)净皮标记为可见，它们被分配图像坐标。在过程304,执行基^目^^准和场景重构算法。通过数值优化， 过程304为每个关键帧计算相机几何并且为每个关键顶点计算3D场 景坐标值，使得每个计算场景点穿过每个计算相机的投影尽可能精确 地匹配对应的图像坐标。此过程可由下面的等式来表示Cf (Pv) =1 (f，v) 等式(1)其中Cf是帧f的相机矩阵，Pv是可见顶点v的同一坐标值，I(f，v) 是顶点v的帧f的观察图像坐标值。在一些实施例中，在前一迭代中计算出的相机属性和顶点坐标值 可作为初始估计而用于过程304。根据图2A和2F的实施例，初始应用过程304,得到关键帧2001 、 2004和2006的计算相机几何以及两个物体101和102的七个关键顶 点的计算场景坐标值。在每个物体101和102中，后下左角顶点2012 和2022分别仅在关键帧2001中可见。在一些实施例中，这时，可通过添加关键帧2003或关键帧2002 来重复过程302和303。这确保了所有关键顶点在多于一个的关键帧中可见并且将由过程304分配场景坐标。在过程305，通过三角测量添加网格细节。过程305涉及向网格 (即顶点、边缘和面)添加结构、然后根据已经为其计算了相机几何 的帧(例如关键帧)的集合对每个新顶点的位置进行三角测量。在每 个所选帧，为新顶点分配图像坐标。然后通过三角测量计算基本3D 场景位置。在一些实施例中，可通过用户输入或通过应用自动特征检 测和跟踪算法来执行图像坐标的这种分配。应该注意，换^供顶点的观 察图像坐标的帧越多，三角测量场景坐标点的精确度就越高。参考图2，在一些实施例中，通过添加表示前面中的矩形凹进 1021的结构来细化物体102的网格。此附加4征主要由凹进1021的 前和后角所对应的八个顶点构成。通过选择帧2001和2003、在每个所选帧中适当定位那些所选顶 点、然后调用三角测量过程，可获得凹进1021的所选前左顶点的场 景坐标位置。类似地，通过帧2004和2006,可获得孔的前右顶点的 场景坐标。应该注意，四个后顶点在任何可得图像中都不可见，因此它们的 以场景坐标表示的位置独立于步骤304或305而选择。在一些实施例 中，此过程可通过用户知识而发生，或通过使用物体102的特定领域 知识而发生。然而，也可使用其它方法。在过程306，通过后方交会为中间帧计算相机几何。为了对所选 中间帧的相机几何进行后方交会，需要选择在已经为其计算了 3D场 景坐标的那个帧中可见的顶点(即关键顶点)的集合，然后调整这些 顶点的图像坐标以匹配那个帧中对应特征的观察投影。然后过程306调用后方交会算法来计算那个关键帧的相机W:。在一个实施例中，初始相才几几何估计可通过内插相邻关键帧的相 机参数来获得。此相机几何估计可用来对所选顶点的图像坐标取近 似。根据这些估算坐标，可通过用户交互或自动特征检测/跟踪进行 进一步细化。注意，涉及的顶点越多且它们展示的深度范围越大，后 方交会相机的精确度就越高。通过选择物体102的四个可见顶点以及物体101的七个可见顶 点，可计算中间帧2002的相机几何。然后，通过定位这些所选顶点 以匹配对应图像特征并调用后方交会过程，可计算相机几何。决定307确定是否该构造以足够的质量和细节水平完成或者是 否另一迭代应执行进一步细化。如果该过程没有完成则该过程返回到 步骤301。例如，场景可包含长桌和若干围绕它的椅子，而所有椅子 可能在任何一个图像中都不可见。过程304可选择少数初始关键帧供 过程305使用。在过程305中，用户在那些初始选择的关键帧中为某 些椅子规定粗略网格。仅包括该场景中某些椅子的所述网格在过程 306中被细化。然后，当返回到过程305时，用户已经有了表示椅子 的3D模型。而且，当返回到过程305时，用户可编辑现有网格。这 些可用于简化在后续添加的关鍵帧中对任何新的可见椅子的建模。另 外，当返回到过程306时，新添加的关键帧将具有与先前处理的关键 帧公共的点。由于这些公共点的3D位置是已知的，相积农准计算得 以简化。传统相机校准试图自动计算场景和相机几何，其中对所使用的每 个图像施加相等权重。然而，对于包括相机校准的很多类型的计算， 与随未知数数目线性增加相比，计算负担增加得更快。通过降低初始 模型的复杂性，可显著减小计算负担。然后，通过利用较低分辨率数 据结果，细化要求比不使用较低分辨率数据结果时要求更小的计算负 担。因此，简化初始计算的复杂性然后通过更高效的过程回添加细节 最终减少了总的计算时间。方法30与传统方法相比减小了计算负担、 提供了交互场景细化、并且允许用户限定的网格来表达特定于模型的 几何(如线和平面)。图4图示了适于通过存储和/或执行本发明诸实施例所关联的软 件来4吏用这些实施例的计算机系统400。中央处理单元(CPU) 401 耦合到系统总线402。 CPU 401可以是任何通用CPU。然而，只要 CPU 401支持这里描述的本发明操作，则本发明诸实施例不受CPU 401的架构的限制。总线402耦合到可以是SRAM 、 DRAM或SDRAM 的随;tM^I^储器(RAM )403。可以是PROM、EPROM或EEPROM 的只读存储器(ROM )404亦耦合到总线402。 RAM 403和ROM 404 保持用户和系统数据及程序，这在本领域中是众所周知的。总线402亦耦合到输入/输出(I/O)适配器卡405、通信适配器 卡411、用户接口卡408和显示适配器卡409。 I/O适配器卡405将存 储装置406 (如硬盘、CD盘、软盘或磁带中的一种或多种)连接到 计算机系统400。 I/O适配器卡405亦连接到打印机(未示出)，这允许系统打印诸如文档、照片、文章等的信息的纸拷贝。注意，该打印 机可以是打印机(例如点阵、激光等)、传真机、扫描仪或复印机。通信适配器卡411适于将计算机系统400耦合到网络412,网络412 可以是电话网、局域网(LAN)和/或广域网(\￥AN)、以太网和/或 因特网中的一种或多种。用户接口适配器卡408将诸如键盘413、点 击装置407等的用户输入装置耦合到计算机系统400。显示适配器卡 409由CPU 401驱动来控制显示装置410上的显示。尽管已详细描述了本发明及其优点，但应该理解，在不背离由所附权 利要求限定的本发明的精神和范围的情况下，可以在此作出各种变化、替 换和更改。而且，本申请的范围并非旨在局限于说明书中描述的工艺、机 器、制造、物质组成、装置、方法和步骤的特定实施例。本领域普通技术 人员应该从本发明的公开中容易理解，可以根据本发明来利用执行与在此 描述的对应实施例基本相同的功能或实现基本相同的结果的现有的或以 后将开发的工艺、机器、制造、物质组成、装置、方法或步骤。因此，所 附权利要求旨在将这样的工艺、机器、制造、物质组成、装置、方法或步 骤包括在所附权利要求的范围内。
权利要求
1.一种场景重构方法，包括获得表示场景的至少两个视角的所述场景的多个图像；使用所述图像的第一子集产生所述场景的模型；使用所述第一子集的所述图像计算所述第一子集中的每个所述图像的所述视角；并且使用所述图像的第二子集以及所述计算视角细化所述模型，其中，所述第二子集包括至少一个不在所述第一子集中的图像。
2. 如权利要求l的方法，还包括使用所述多个图像的所述第二子集细化所述模型；并且使用所述细化模型细化所述场景。
3. 如权利要求l的方法，其中，所迷第一子集包括 用第一相机视角捕捉到的第一图像；以及 用第二相机见角捕捉到的第二图像；以及其中，所述第二子集包括用第三相机视角捕捉到的第三图像，其中，所述笫三视角在所述 第一视角和所述第二视角之间。
4. 如权利要求l的方法，还包括向所述第二子集迭代地添加所述多个图像中的已经不在所述第 二子集中的一个或多个图像，并使用所述第二子集细化所述场景。
5. 如权利要求l的方法，其中，所述细化是迭代的。
6. 如权利要求5的方法，其中，所述第二子集因一次或多次迭 代而增强，所述增强包括向所述第二子集添加所述多个图^^中的已经不在所述第二子集 中的一个或多个图寸象。
7. 如权利要求l的方法，其中，使用用户输入来确定所述第一 和第二子集。
8. 如权利要求l的方法，其中，所述第二子集包含所述第一子集。
9. 一种用于重构3维(3D)场景的系统，所述系统包括 图像捕捉装置，其^L:没置成捕捉所述场景的多个2维(2D)图像；图#^择装置，其被设置成区分所述图像的第一子集和所述图像 的第二子集；以及处理装置，其,皮设置成才艮据所述第一图像子集产生所述3D场景 的模型，并且被进一步设置成使用所述第二子集细化所述模型。
10. 如权利要求9的系统，其中，所述捕捉装置是单个相机。
11. 如权利要求9的系统，其中，所述捕捉装置是两个或更多相机。
12. 如权利要求9的系统，其中，所述捕捉装置捕捉所述3D场 景的多个透视图。
13. 如权利要求9的系统，还包括 图形用户接口，其衫3更置成获取用户输入。
14. 一种重构3D场景的方法，所述方法包括使用所述3D场景的2D图像的第一子集，来为2D图像的所述 第一子集中的每个2D图像计算相机位置并计算描绘所述第一子集的 所述图像之间的相机位置变化的曲线；根据所述第一图像子集、所述计算的相机位置和所述计算的曲线 为所述3D场景产生至少一个点网格；并且使用所述3D场景的2D图像的第二子集来向所述网格添加至少 一个新特征。
15. 如权利要求14的方法 新特征的位置进行三角测量。
16. 如权利要求14的方法 辑所述至少一个网格。
17. 如权利要求14的方法 ^M^"测。，其中，所述添加新特征包括对所述 ,其中，所述添加新特征包括人工编 ,其中，所述添加新特征包括自动特
18. 如权利要求14的方法，其中，所述添加新特征包括内插相 机位置。
19. 如权利要求14的方法，其中，所述网格中的点关联于所述 第二子集中的一个或多个图〗象中的点。
20. 如权利要求19的方法，其中，所述关联是人工的。
21. 如权利要求19的方法，其中，所述关联包括自动特征匹配。
22. —种场景重构方法，所述方法包括以场景的第一图〗象子集的第一细节水平产生所述场景的近似；并且通过添加所述场景的第二图像子集中的细节以产生第二细节水 平来细化所述近似，其中，所述第二细节水平与所述第一细节水平相 比具有较多特征。
23. 如权利要求22的方法，其中，所述产生场景包括 接受用户输入以限定一个或多个特征。
24. 如权利要求22的方法，还包括 将图像分段为静态和动态区。
25. 如权利要求24的方法，其中，所述静态和动态区对应于静 态和动态几何。
26. 如权利要求25的方法，其中，所述分段包括转描 (rotoscoping )。
27. 如权利要求25的方法，其中，所述细化还包括轮廓跟踪。
28. 如权利要求22的方法，其中，所述第一图像子集和所述第 二图像子集是不同的。
全文摘要
本发明涉及一种以如下方式进行交互和迭代重构的系统和方法通过根据可得数据的子集产生模型然后使用附加数据细化该模型，来帮助减小计算要求。涉及场景重构的示范实施例通过首先根据2D图像的子集产生3D场景的模型来根据该场景的多个2D图像重构3D场景。然后可使用子集中的每个图像的特定特性来细化模型，所述特定特性是使用子集中的其它图像来计算的。使用不在原始子集中的图像来进一步细化模型。
文档编号G06T15/00GK101246599SQ20081000701
公开日2008年8月20日 申请日期2008年1月25日 优先权日2007年1月26日
发明者克里斯托弗·L·西蒙斯, 大卫·A·斯普纳, 桑尼·昌 申请人:转换器有限公司