本發(fā)明涉及圖像處理領域，尤其涉及一種三維重建方法及系統(tǒng)。

背景技術：
三維模型是物體的三維多邊形表示，隨著三維技術的發(fā)展，三維模型逐步被應用到各個領域中。三維重建作為獲取三維信息的有效手段已經(jīng)成為計算機圖形學和計算機視覺領域的一個研究熱點。基于立體視覺的被動式獲取三維信息技術只需要簡單的設備，如兩個攝像頭，其相對于昂貴的激光掃描儀和CT等主動式設備更能被大眾接受。雖然被動式技術適合很多應用場合，但是較低的三維重建精度仍然是被動式三維重建技術的主要難題。基于相位相關的立體匹配技術由于其抗噪性、健壯性和高精度的特性，相對于常見的基于區(qū)域匹配技術如誤差絕對值求和(SumofAbsoluteDifferences，SAD)算法、平方差求和(SumofSquaredDifferences，SSD)算法、正交化互相關(NormalizedCrossCorrelation，NCC)算法等，在匹配精度上有了很大的提高。常規(guī)的基于相位相關的立體匹配技術是基于二維圖像進行的二維相位相關運算，運算量較大，其基本原理如下：設兩幅N1×N2大小的圖像f(n1，n2)和g(n1，n2)，其二維離散傅里葉變換(2DDFT)分別為：式中n1＝-M1，…，M1，n2＝-M2，…，M2，且N1＝2M1+1，N2＝2M2+1；AF(k1，k2)和AG(k1，k2)為幅度部分，和為相位部分，則歸一化后的相位差為式中代表G(k1，k2)的復數(shù)共扼，θ(k1，k2)＝θF(k1，k2)-θG(k1，k2)；而的2DIDFT為：當兩幅圖像相似時，將出現(xiàn)一個明顯的峰值α，峰值的位置δ＝(δ1，δ2)即為兩幅圖像f(n1，n2)，g(n1，n2)的相對偏移。而一維相位相關運算的運算量極大的減少，其基本原理如下：設兩個長為N的序列f(n)，g(n)，其一維離散傅里葉變換(1DDFT)分別為：式中n＝-M，…，M且N＝2M+1；AF(k)和AG(k)為幅度部分，和為相位部分，則歸一化后的相位差為式中代表G(k)的復數(shù)共扼，θ(k)＝θF(k)-θG(k)；而的1DIDFT為：當兩個序列相似時，將出現(xiàn)一個明顯的峰值α，峰值的位置δ即為兩個序列f(n)，g(n)間的相對偏移。常規(guī)的基于二維相位相關算法計算量大，限制了它在手機等移動設備上的實現(xiàn)。利用一維相位相關較少的計算量，將其應用到立體匹配中可以在得到高精度模型的同時極大地減少運算時間。在文獻S.Nagashima，K.Ito，T.Aoki，H.IshiiandK.Kobayashi，″High-accuracyestimationofimagerotationusing1Dphase-onlycorrelation，″IEICETransactionsonFundamentalsofElectronics，CommunicationsandComputerSciences，vo1.E92-A，no.1，pp.235-243，2009中提出利用極線限制采用一維相位相關技術，并采用了均值技術提高了匹配精度，雖然這種方法提高了匹配速度，在作者的實驗條件下也有較好的結果，但是該均值技術并不能適應圖像的多分辨率結構，容易造成邊緣的誤匹配；而且同等地處理每條序列在一定程度上會影響匹配的精度和速度。

技術實現(xiàn)要素：
有鑒于此，本發(fā)明的主要目的在于提供一種三維重建方法及系統(tǒng)，能夠快速實現(xiàn)三維模型的重建。為達到上述目的，本發(fā)明的技術方案是這樣實現(xiàn)的：一種三維重建方法，所述方法包括：在各個分辨率下對獲取的圖像采用動態(tài)均值技術進行基于一維相位相關的立體匹配；根據(jù)立體匹配結果和預存的雙目攝像機的內(nèi)外參數(shù)得到三維模型各點的三維坐標，進行處理上色并輸出。進一步地，所述在各個分辨率下對獲取的圖像采用動態(tài)均值技術進行基于一維相位相關的立體匹配之前，所述方法還包括：對雙目攝像機獲取的圖像進行校正和紋理增強的前處理。其中，所述在各個分辨率下對獲取的圖像采用動態(tài)均值技術進行基于一維相位相關的立體匹配為：在各個分辨率下對圖像進行加窗處理；利用各個分辨率之間的關系限制搜索范圍，利用依據(jù)當前分辨率確定的動態(tài)均值進行峰值搜索，完成基于一維相位相關的立體匹配。進一步地，在對獲取的圖像采用動態(tài)均值技術進行基于一維相位相關的立體匹配之前，所述方法還包括：在原始分辨率下利用匹配度選擇性對所述圖像進行處理。其中，所述對獲取的圖像采用動態(tài)均值技術進行基于一維相位相關的立體匹配為：在原始分辨率下對所述確定的動態(tài)均值進行加權處理，利用處理得到的均值結合一維相位相關算法進行立體匹配。一種三維重建系統(tǒng)，包括圖像獲取模塊，所述系統(tǒng)還包括：立體匹配模塊、三維模型輸出模塊；其中，所述立體匹配模塊，用于在各個分辨率下對獲取的圖像采用動態(tài)均值技術進行基于一維相位相關的立體匹配；所述三維模型輸出模塊，用于根據(jù)立體匹配結果和預存的構成圖像獲取模塊的雙目攝像機的內(nèi)外參數(shù)得到三維模型各點的三維坐標，進行處理上色并輸出。進一步地，所述系統(tǒng)還包括：圖像校正模塊，用于對雙目攝像機獲取的圖像進行校正和紋理增強的前處理。其中，所述立體匹配模塊，具體用于在各個分辨率下對圖像進行加窗處理；利用各個分辨率之間的關系限制搜索范圍，利用依據(jù)當前分辨率確定的動態(tài)均值進行峰值搜索，完成基于一維相位相關的立體匹配。進一步地，所述立體匹配模塊，還用于在原始分辨率下利用匹配度選擇性對所述圖像進行處理。其中，所述立體匹配模塊，具體用于在原始分辨率下對所述確定的動態(tài)均值進行加權處理，利用處理得到的均值結合一維相位相關算法進行立體匹配。本發(fā)明通過在不同分辨率下結合動態(tài)均值技術使用一維相位相關算法進行立體匹配，以較少的計算量提供了匹配的精度，并進一步在原始分辨率下的圖片進行匹配前利用匹配度選擇性進行匹配，進行匹配時對動態(tài)均值技術采用加權處理，使輸出高精度三維模型的運算時間極大地減少，提高了匹配的效率，能夠快速實現(xiàn)三維模型的重建。附圖說明圖1為本發(fā)明三維重建方法的實現(xiàn)流程示意圖；圖2為本發(fā)明三維重建方法具體實施例的實現(xiàn)流程示意圖；圖3為本發(fā)明三維重建系統(tǒng)的結構示意圖。具體實施方式本發(fā)明的基本思想為：在各個分辨率下對獲取的圖像采用動態(tài)均值技術進行基于一維相位相關的立體匹配；根據(jù)立體匹配結果和預存的雙目攝像機的內(nèi)外參數(shù)得到三維模型各點的三維坐標，進行處理上色并輸出。為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚明白，以下舉實施例并參照附圖，對本發(fā)明進一步詳細說明。圖1示出了本發(fā)明三維重建方法的實現(xiàn)流程，如圖1所示，所述方法包括下述步驟：步驟101，在各個分辨率下對獲取的圖像采用動態(tài)均值技術進行基于一維相位相關的立體匹配；這里，在本步驟之前，所述方法還包括：對雙目攝像機獲取的圖像進行校正和紋理增強的前處理。具體地，所述在各個分辨率下對獲取的圖像采用動態(tài)均值技術進行基于一維相位相關的立體匹配為：在各個分辨率下對圖像進行加窗處理；利用各個分辨率之間的關系限制搜索范圍，利用依據(jù)當前分辨率確定的動態(tài)均值進行峰值搜索，完成基于一維相位相關的立體匹配。進一步地，在對獲取的圖像采用動態(tài)均值技術進行基于一維相位相關的立體匹配之前，所述方法還可以包括：在原始分辨率下利用匹配度選擇性對所述圖像進行處理。相應地，所述對獲取的圖像采用動態(tài)均值技術進行基于一維相位相關的立體匹配為：在原始分辨率下對所述確定的動態(tài)均值進行加權處理，利用處理得到的均值結合一維相位相關算法進行立體匹配。步驟102，根據(jù)立體匹配結果和預存的雙目攝像機的內(nèi)外參數(shù)得到三維模型各點的三維坐標，進行處理上色并輸出。相應地，所述根據(jù)立體匹配結果和預設的雙目攝像機的內(nèi)外參數(shù)得到三維模型各點的三維坐標，進行處理上色并輸出具體可以為：根據(jù)動態(tài)均值技術結合一維相位相關算法立體匹配的結果，以及所述雙目攝像機的內(nèi)外參數(shù)，得到各點的三維坐標，根據(jù)原圖像中點的顏色值進行上色，得到最終的三維模型并輸出。圖2示出了本發(fā)明三維重建方法具體實施例的實現(xiàn)流程，如圖2所示，所述實施例包括下述步驟：步驟201，組成雙目攝像機的兩個攝像機同步獲取圖像；具體地，利用兩個攝像機搭建起橫向平行的雙目攝像機系統(tǒng)進行圖像的獲取，同時還保存雙目攝像機的內(nèi)外參數(shù)，具體包括中心點坐標、焦距、基線長度等。步驟202，對獲取的圖像進行校正和紋理增強的前處理；具體地，可以通過利用Matlab攝像機標定工具箱(CameraCalibrationToolboxforMatlab)及雙目攝像機的內(nèi)外參數(shù)對雙目攝像機拍攝的圖片用立體圖像對校正(rectifystereopair)指令進行校正，并得到校正后內(nèi)外參數(shù)；然后進行線性高通濾波。并根據(jù)預先設置的條件對由雙目攝像機獲得的左右兩副圖像匹配時，對每個分辨率下的圖像采用由粗到精的方法，分lmax個等級進行逐級匹配，圖像在lmax級的分辨率與匹配窗口的大小接近，這里每一等級的圖像可以通過如下公式得到：其中，fl(x，y)為第l級的圖像，第l0級的圖像為原始分辨率的圖像。步驟203，在各個分辨率下逐點采用動態(tài)均值技術進行基于一維相位相關的立體匹配；首先對左圖參考點為中心的塊和右圖以相應點為中心的塊加窗技術降低邊緣效應，這里，由于獲取的圖像與真實世界不符，具有邊界，可以用一維漢寧(1DHanning)窗來減少邊界效應；其次采用動態(tài)均值技術進行一維相位相關(POC)運算；這里，POC運算如下：設兩個長為N的序列f(n)，g(n)，其一維離散傅里葉變換(1DDFT)分別為：式中n＝-M，…，M且N＝2M+1；AF(k)和AG(k)為幅度部分，和為相位部分，歸一化后的相位差為：式中代表G(k)的復數(shù)共扼，θ(k)＝θF(k)-θG(k)；而的一維離散傅立葉反變換(1DIDFT)為：當兩個序列相似時，將出現(xiàn)一個明顯的峰值α，峰值的位置δ即為兩個序列f(n)，g(n)間的相對偏移δ。利用動態(tài)均值技術進行POC運算如下：在目標序列f(n)的縱軸方向加L偏移得到fL(n)，與對應的序列gL(n)進行一維相位相關運算得到在其均值序列上搜索峰值，其中D為序列偏移的大小，D的值根據(jù)當前匹配層的分辨率確定，即相當于對加低通窗口后進行峰值搜索，能夠限制峰值的搜索范圍。然后，利用低通濾波技術降低噪聲信號，由于在圖像匹配中頻域的高頻部分為不可靠信號，因此，可以通過對頻域進行低通濾波來降低圖像中的噪聲信號。具體地，本實施例中，對雙目攝像機左右兩個攝像機獲取經(jīng)過校正后圖像進行匹配時采用由粗到精的方式，分lmax級進行逐級匹配，其中在l級的圖像fl由下式得到從最高級l＝lmax-1級開始，雙目攝像機中左邊攝像機的點m＝(m1，m2)在該級的橫坐標坐標為認為雙目攝像機中右邊攝像機對應點的坐標相同，即在l＝lmax-1級，點m在l＝lmax-1級的坐標為在l級左圖以為中心的序列和l級右圖以2ql+1為中心的序列進行如上所述的一維相位相關運算，得到橫軸方向的相對位移δ，則l級右圖對應點橫坐標坐標為縱坐標認為經(jīng)過校正后相同。步驟204，l＝l-1，并判斷此時l是否小于1，當l小于1時，執(zhí)行步驟205，否則，按步驟203，對l＝l-1級進行匹配修正。步驟205，當l＝0時，此時的圖像為原始分辨率的圖像，在原始分辨率下利用匹配度選擇性對所述圖像進行處理；具體地，在對l＝0級的圖像進行匹配前，首先對l＝1級的匹配結果進行選擇：若橫軸方向的相對位移δ＝0則該點在l＝0級不進行匹配，其橫坐標坐標為若橫軸方向的相對位移δ≠0則執(zhí)行步驟206。步驟206，對依照步驟203確定的動態(tài)均值進行加權處理后，采用動態(tài)均值技術進行一維相位相關的立體匹配；具體地，對邊緣序列組求灰度均值得到新的序列和其中d越大，表示邊緣序列越多；具體進行一維相位相關匹配時，將新的序列faveU(n)和faceD(n)分別同對應的gaveU(n)和gaveD(n)進行一維相位相關運算。步驟207，利用上述結合動態(tài)均值技術的一維相位相關的立體匹配結果和雙目攝像機的內(nèi)外參數(shù)計算得到三維模型各點的三維坐標，進行處理上色并輸出。具體地，由立體匹配的結果(對應點的坐標)和雙目攝像機的內(nèi)外參數(shù)利用如下公式計算空間點的三維坐標：其中(u1，v1)，(u2，v2)為匹配點的圖像坐標，x，y，z為空間點的三維坐標，b為攝像機的基線長度，u1-u2為視差，u0，v0，為雙目攝像機的中心點坐標；ax，ay為雙目攝像機的焦距；所述內(nèi)外參數(shù)即是指中心點坐標、焦距、基線長度。本發(fā)明還提供了一種三維重建的系統(tǒng)，如圖3所示，所述系統(tǒng)包括：圖像獲取模塊31、立體匹配模塊32、三維模型輸出模塊33；其中，所述立體匹配模塊32，用于在各個分辨率下對獲取的圖像采用動態(tài)均值技術進行基于一維相位相關的立體匹配；所述三維模型輸出模塊33，用于根據(jù)立體匹配結果和預存的構成圖像獲取模塊31的雙目攝像機的內(nèi)外參數(shù)得到三維模型各點的三維坐標，進行處理上色并輸出。進一步地，所述系統(tǒng)還包括：圖像校正模塊34，用于對雙目攝像機獲取的圖像進行校正和紋理增強的前處理。其中，所述立體匹配模塊32，具體用于在各個分辨率下對圖像進行加窗處理；利用各個分辨率之間的關系限制搜索范圍，利用依據(jù)當前分辨率確定的動態(tài)均值進行峰值搜索，完成基于一維相位相關的立體匹配。其中，所述立體匹配模塊32，還用于在原始分辨率下利用匹配度選擇性對所述圖像進行處理。其中，所述立體匹配模塊32，具體用于在原始分辨率下對所述確定的動態(tài)均值進行加權處理，利用處理得到的均值結合一維相位相關算法進行立體匹配。利用上述三維重建方法，搭建實驗平臺對所獲取圖片進行測試，和基于二維相位相關方法相比，本發(fā)明結合動態(tài)均值技術使用了一維相位相關算法，并在對原始分辨率圖片進行匹配前利用匹配度選擇性進行匹配，進行匹配時對均值技術采用加權處理，使輸出高精度三維模型的運算時間極大地減少。如此，本發(fā)明對基于雙目視覺的三維重建具有良好的精度和極高的效率，有較強的移動硬件可行性。以上所述，僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。