本技術(shù)涉及計(jì)算機(jī)視覺(jué)，特別是涉及一種基于多曝光圖像邊緣檢測(cè)的三維重建方法。

背景技術(shù)：

1、三維重建技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域的核心技術(shù)，而且是計(jì)算機(jī)動(dòng)畫(huà)、虛擬現(xiàn)實(shí)等領(lǐng)域的共性科學(xué)問(wèn)題。三維重建通過(guò)面繪制或者體繪制，將物體的圖像信息加工處理，實(shí)現(xiàn)物體三維模型的重建。

2、邊緣算法最早于20世紀(jì)70年代由horn等人提出的，他們使用了一種基于光照方向和反射率的方法來(lái)從單張圖像中恢復(fù)物體的三維形狀。這也是邊緣算法首次應(yīng)用于三維重建領(lǐng)域。上世紀(jì)90年代，基于邊緣的三維重建方法開(kāi)始結(jié)合其他信息，以提高重建效果和魯棒性。但是在重建結(jié)果中，物體的邊緣仍然存在模糊和凹凸不平的缺陷，而且也存在精度低、成本高、適用性差的缺點(diǎn)。近幾年，邊緣算法逐漸改進(jìn)。2023年，由郭敏等人提出的基于邊緣曲線編解碼的結(jié)構(gòu)光三維重建方法，通過(guò)基于二次優(yōu)化的亞像素邊緣檢測(cè)算法提取邊緣曲線，提高了邊緣檢測(cè)的精度。通過(guò)基于邊緣曲線的方法進(jìn)行解碼，提高了碼值的正確率。但是這一算法沒(méi)有解決對(duì)于噪聲干擾產(chǎn)生的圖像模糊，加上算法中交點(diǎn)法本身存在的計(jì)算誤差，導(dǎo)致重建結(jié)果表面紋理凹凸不平的問(wèn)題。而且對(duì)于圖像采集環(huán)境的要求很高，適用性差，抗干擾程度低，導(dǎo)致的重建結(jié)果易受各種干擾，如光照不足、采集距離過(guò)遠(yuǎn)、物體形狀奇特等，都會(huì)使重建出的三維模型有孔洞和模糊，因此，目前的三維重建的精度較低。本技術(shù)改進(jìn)灰度值矩陣的計(jì)算過(guò)程，利用多曝光圖像灰度值寬容度高，范圍廣的特性，有效結(jié)合邊緣檢測(cè)結(jié)構(gòu)特征點(diǎn)方法，解決了原有結(jié)構(gòu)特征點(diǎn)提取的數(shù)量不足，邊緣檢測(cè)結(jié)構(gòu)特征點(diǎn)方法的適用范圍小的問(wèn)題；利用多曝光圖像灰度值寬容度高的特性，再利用擬合后的灰度值，結(jié)合非極大值抑制算法和雙線性插值，有效改善了邊緣檢測(cè)結(jié)構(gòu)特征點(diǎn)精度不高和對(duì)噪聲敏感的固有問(wèn)題，提高了三維重建的精度。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要針對(duì)上述技術(shù)問(wèn)題，提供一種能夠提高三維重建的精度的基于多曝光圖像邊緣檢測(cè)的三維重建方法。

2、一種基于多曝光圖像邊緣檢測(cè)的三維重建方法，所述方法包括：

3、采用攝像機(jī)拍攝目標(biāo)物體，獲得原始二維圖像；

4、基于所述原始二維圖像，獲取至少一張比原始二維圖像曝光度低的低曝光二維圖像和至少一張比原始二維圖像曝光度高的高曝光二維圖像；

5、根據(jù)每張高曝光二維圖像進(jìn)行分析，獲得每張高曝光二維圖像的高斯函數(shù)灰度值矩陣；

6、根據(jù)每張低曝光二維圖像進(jìn)行分析，獲得每張低曝光二維圖像的高斯函數(shù)灰度值矩陣；

7、根據(jù)低曝光二維圖像和高曝光二維圖像數(shù)量，確定對(duì)應(yīng)的擬合方式對(duì)各高斯函數(shù)灰度值矩陣進(jìn)行擬合，獲得新的高斯函數(shù)灰度值矩陣；

8、對(duì)于所述原始二維圖像中rgb的顏色空間，將其轉(zhuǎn)換為灰色顏色空間，以擬合出所述原始二維圖像的灰度值矩陣；

9、根據(jù)所述原始二維圖像的灰度值矩陣和所述新的高斯函數(shù)灰度值矩陣進(jìn)行卷積，獲得卷積后的過(guò)渡灰度值矩陣；對(duì)所述過(guò)渡灰度值矩陣進(jìn)行分析，獲得最終邊緣點(diǎn)矩陣；

10、根據(jù)所述最終邊緣點(diǎn)矩陣中的邊緣點(diǎn)進(jìn)行三維重建，獲得所述目標(biāo)物體的三維模型。

11、在其中一個(gè)實(shí)施例中，所述每張高曝光二維圖像的高斯函數(shù)灰度值矩陣和低曝光二維圖像的高斯函數(shù)灰度值矩陣均為二維圖像的灰度值通過(guò)高斯函數(shù)計(jì)算獲取，其中高曝光二維圖像的高斯函數(shù)灰度值矩陣gm計(jì)算過(guò)程如下述公式所示：

12、gm＝[gm(x1,y1)...gm(xi,yi)]，m∈1,2,3...m

13、

14、gm(xi,yi)＝0.299rm,i+0.587gm,i+0.114bm,i

15、

16、其中，gm(x1,y1)為第m張高曝光二維圖像中第1個(gè)像素點(diǎn)高斯函數(shù)處理過(guò)后的灰度值，x1為第1個(gè)像素點(diǎn)在x方向上的坐標(biāo)值，y1為第1個(gè)像素點(diǎn)在y方向上的坐標(biāo)值，gm(xi,yi)為第m張高曝光二維圖像中第i個(gè)像素點(diǎn)高斯函數(shù)處理過(guò)后的灰度值，xi為第i個(gè)像素點(diǎn)在x方向上的坐標(biāo)值，yi為第i個(gè)像素點(diǎn)在y方向上的坐標(biāo)值，gm(xi,yi)為第m張高曝光二維圖像中第i個(gè)像素點(diǎn)高斯函數(shù)處理過(guò)后的灰度值，xi為第i個(gè)像素點(diǎn)在x方向上的坐標(biāo)值，yi為第i個(gè)像素點(diǎn)在y方向上的坐標(biāo)值，m為高曝光二維圖像的順序編號(hào)，m為高曝光二維圖像的張數(shù)，gm(xi,yi)為第m張高曝光二維圖像中第i個(gè)像素點(diǎn)的灰度值，σm,x為第m張高曝光二維圖像的像素點(diǎn)在x方向上的坐標(biāo)值標(biāo)準(zhǔn)差，σm,y為第m張高曝光二維圖像的像素點(diǎn)在y方向上的坐標(biāo)值標(biāo)準(zhǔn)差，μm,x為第m張高曝光二維圖像的像素點(diǎn)在x方向上的坐標(biāo)值平均值，μm,t為第m張高曝光二維圖像的像素點(diǎn)在y方向上的坐標(biāo)值平均值，i為像素點(diǎn)的順序編號(hào)，i為像素點(diǎn)個(gè)數(shù)，rm,i為第m張高曝光二維圖像中第i個(gè)像素點(diǎn)的紅色通道值，gm,i為第m張高曝光二維圖像中第i個(gè)像素點(diǎn)的綠色通道值，bm,i為第m張高曝光二維圖像中第i個(gè)像素點(diǎn)的藍(lán)色通道值；

17、同理，低曝光二維圖像的高斯函數(shù)灰度值矩陣tv計(jì)算過(guò)程如下述公式所示：

18、tv＝[tv(x1,y1)...tv(xi,yi)]，v∈1,2,3...v

19、

20、tv(xi,yi)＝0.299rv,i+0.587gv,i+0.114bv,i

21、

22、其中，tv(x1,y1)為第v張低曝光二維圖像中第1個(gè)像素點(diǎn)高斯函數(shù)處理過(guò)后的灰度值，x1為第1個(gè)像素點(diǎn)在x方向上的坐標(biāo)值，y1為第1個(gè)像素點(diǎn)在y方向上的坐標(biāo)值，tv(xi,yi)為第v張低曝光二維圖像中第i個(gè)像素點(diǎn)高斯函數(shù)處理過(guò)后的灰度值，xi為第i個(gè)像素點(diǎn)在x方向上的坐標(biāo)值，yi為第i個(gè)像素點(diǎn)在y方向上的坐標(biāo)值，tv(xi,yi)為第v張低曝光二維圖像中第i個(gè)像素點(diǎn)高斯函數(shù)處理過(guò)后的灰度值，xi為第i個(gè)像素點(diǎn)在x方向上的坐標(biāo)值，yi為第i個(gè)像素點(diǎn)在y方向上的坐標(biāo)值，v為低曝光二維圖像的順序編號(hào)，v為低曝光二維圖像的張數(shù)，tv(xi,yi)為第v張低曝光二維圖像中第i個(gè)像素點(diǎn)的灰度值，σv,x為第v張低曝光二維圖像的像素點(diǎn)在x方向上的坐標(biāo)值標(biāo)準(zhǔn)差，σv,y為第v張低曝光二維圖像的像素點(diǎn)在y方向上的坐標(biāo)值標(biāo)準(zhǔn)差，μv,x為第v張低曝光二維圖像的像素點(diǎn)在x方向上的坐標(biāo)值平均值，μv,y為第v張低曝光二維圖像的像素點(diǎn)在y方向上的坐標(biāo)值平均值，i為像素點(diǎn)的順序編號(hào)，i為像素點(diǎn)個(gè)數(shù)，rv,i為第v張低曝光二維圖像中第i個(gè)像素點(diǎn)的紅色通道值，gv,i為第v張低曝光二維圖像中第i個(gè)像素點(diǎn)的綠色通道值，bv,i為第v張低曝光二維圖像中第i個(gè)像素點(diǎn)的藍(lán)色通道值。

23、在其中一個(gè)實(shí)施例中，所述根據(jù)低曝光二維圖像和高曝光二維圖像數(shù)量，確定對(duì)應(yīng)的擬合方式對(duì)各高斯函數(shù)灰度值矩陣進(jìn)行擬合，獲得新的高斯函數(shù)灰度值矩陣，包括：

24、在所述低曝光二維圖像和高曝光二維圖像的數(shù)量總和為兩張的情況下，采用關(guān)于兩張圖像的高斯函數(shù)擬合方式，對(duì)各高斯函數(shù)灰度值矩陣進(jìn)行擬合，獲得新的高斯函數(shù)灰度值矩陣；

25、在所述低曝光二維圖像和高曝光二維圖像的數(shù)量總和為三張以上的情況下，采用關(guān)于多張圖像的高斯函數(shù)擬合方式，對(duì)各高斯函數(shù)灰度值矩陣進(jìn)行擬合，獲得新的高斯函數(shù)灰度值矩陣。

26、在其中一個(gè)實(shí)施例中，所述關(guān)于兩張圖像的高斯函數(shù)擬合方式為：

27、將高曝光二維圖像的高斯函數(shù)灰度值矩陣和低曝光二維圖像的高斯函數(shù)灰度值矩陣進(jìn)行擬合，獲得新的高斯函數(shù)灰度值矩陣，所述新的高斯函數(shù)灰度值矩陣p1為：

28、p1＝[p1(x1,y1)...p1(xi,yi)...p1(xi,yi)]

29、p1(xi,yi)＝w1·g1(xi,yi)+w2·t1(xi,yi)，i∈1,2,3...i

30、其中，p1(x1,y1)為高曝光二維圖像與低曝光二維圖像擬合后的第1個(gè)像素點(diǎn)的灰度值，p1(ci,yi)為高曝光二維圖像與低曝光二維圖像擬合后的第i個(gè)像素點(diǎn)的灰度值，p1(xi,yi)為高曝光二維圖像與低曝光二維圖像擬合后的第i個(gè)像素點(diǎn)的灰度值，w1為高曝光二維圖像的權(quán)重系數(shù)，g1(xi,yi)為第1張高曝光二維圖像中第i個(gè)像素點(diǎn)高斯函數(shù)處理過(guò)后的灰度值，w2為低曝光二維圖像的權(quán)重系數(shù)，t1(xi,yi)為第1張低曝光二維圖像中第i個(gè)像素點(diǎn)高斯函數(shù)處理過(guò)后的灰度值，i為像素點(diǎn)的順序編號(hào)，i為像素點(diǎn)個(gè)數(shù)。

31、在其中一個(gè)實(shí)施例中，所述關(guān)于多張圖像的高斯函數(shù)擬合方式為：

32、將各高曝光二維圖像的高斯函數(shù)灰度值矩陣進(jìn)行擬合，獲得擬合后的高曝光高斯函數(shù)灰度值矩陣，所述擬合后的高曝光高斯函數(shù)灰度值矩陣gmix為：

33、gmix＝[gmix(x1,y1)...gmix(xi,yi)...gmix(xi,yi)]

34、

35、其中，gmix(x1,y1)為各高曝光二維圖像擬合后的第1個(gè)像素點(diǎn)的灰度值，gmix(xi,yi)為各高曝光二維圖像擬合后的第i個(gè)像素點(diǎn)的灰度值，gmix(xi,yi)為各高曝光二維圖像擬合后的第i個(gè)像素點(diǎn)的灰度值，m為高曝光二維圖像的張數(shù)，m為高曝光二維圖像的順序編號(hào)，gm(xi,yi)為第m張高曝光二維圖像中第i個(gè)像素點(diǎn)高斯函數(shù)處理過(guò)后的灰度值，i為像素點(diǎn)的順序編號(hào)，i為像素點(diǎn)個(gè)數(shù)；

36、將各低曝光二維圖像的高斯函數(shù)灰度值矩陣進(jìn)行擬合，獲得擬合后的低曝光高斯函數(shù)灰度值矩陣，所述擬合后的低曝光高斯函數(shù)灰度值矩陣tmix為：

37、tmix＝[tmix(x1,y1)...tmix(xi,yi)...tmix(xi,yi)]

38、

39、其中，tmix(x1,y1)為各低曝光二維圖像擬合后的第1個(gè)像素點(diǎn)的灰度值，tmix(xi,yi)為各低曝光二維圖像擬合后的第i個(gè)像素點(diǎn)的灰度值，tmix(xi,yi)為各低曝光二維圖像擬合后的第i個(gè)像素點(diǎn)的灰度值，v為低曝光二維圖像的張數(shù)，v為低曝光二維圖像的順序編號(hào)，tv(xi,yi)為第v張低曝光二維圖像中第i個(gè)像素點(diǎn)高斯函數(shù)處理過(guò)后的灰度值，i為像素點(diǎn)的順序編號(hào)，i為像素點(diǎn)個(gè)數(shù)；

40、對(duì)擬合后的高曝光高斯函數(shù)灰度值矩陣與擬合后的低曝光高斯函數(shù)灰度值矩陣進(jìn)行擬合，獲得新的高斯函數(shù)灰度值矩陣，所述新的高斯函數(shù)灰度值矩陣p2為：

41、p2＝[p2(x1,y1)...p2(xi,yi)...p2(xi,yi)]

42、p2(xi,yi)＝w1·gmix(xi,yi)+w2·tmix(xi,yi)，i∈1,2,3...i

43、其中，p2(x1,y1)為高曝光二維圖像與低曝光二維圖像擬合后的第1個(gè)像素點(diǎn)的灰度值，p2(xi,yi)為高曝光二維圖像與低曝光二維圖像擬合后的第i個(gè)像素點(diǎn)的灰度值，p2(xi,yi)為高曝光二維圖像與低曝光二維圖像擬合后的第i個(gè)像素點(diǎn)的灰度值，w1為高曝光二維圖像的權(quán)重系數(shù)，gmix(xi,yi)為各高曝光二維圖像擬合后的第i個(gè)像素點(diǎn)的灰度值，w2為低曝光二維圖像的權(quán)重系數(shù)，tmix(xi,yi)為各高曝光二維圖像擬合后的第i個(gè)像素點(diǎn)的灰度值，i為像素點(diǎn)的順序編號(hào)，i為像素點(diǎn)個(gè)數(shù)。

44、在其中一個(gè)實(shí)施例中，所述原始二維圖像的灰度值矩陣pori為：

45、pori＝[pori(x1,y1)...pori(xi,yi)...pori(xi,yi)]

46、pori(xi,yi)＝0.299rori,i+0.587gori,i+0.114bori,i，i∈1,2,3...i

47、其中，pori(x1,y1)為原始二維圖像中第1個(gè)像素點(diǎn)的灰度值，pori(xi,yi)為原始二維圖像中第i個(gè)像素點(diǎn)的灰度值，pori(xi,yi)為原始二維圖像中第i個(gè)像素點(diǎn)的灰度值，rori,i為原始二維圖像中第i個(gè)像素點(diǎn)的紅色通道值，gori,i為原始二維圖像中第i個(gè)像素點(diǎn)的綠色通道值，bori,i為原始二維圖像中第i個(gè)像素點(diǎn)的藍(lán)色通道值，i為像素點(diǎn)的順序編號(hào)，i為像素點(diǎn)個(gè)數(shù)。

48、在其中一個(gè)實(shí)施例中，所述過(guò)渡灰度值矩陣r為：

49、r＝[r(x1,y1)...r(xi,yi)...r(xi,yi)]

50、

51、其中，r(x1,y1)為過(guò)渡灰度值矩陣中的第1個(gè)像素點(diǎn)的灰度值，r(xi,yi)為過(guò)渡灰度值矩陣中的第i個(gè)像素點(diǎn)的灰度值，r(xi,yi)為過(guò)渡灰度值矩陣中的第i個(gè)像素點(diǎn)的灰度值；k1表示卷積核在水平方向上的半徑一半的數(shù)值，k2表示卷積核在垂直方向上的半徑一半的數(shù)值，p(p,q)表示坐標(biāo)為(p,q)的像素點(diǎn)的灰度值，pori(xi+p,yi+q)表示坐標(biāo)為(xi+p,yi+q)的像素點(diǎn)進(jìn)行高斯函數(shù)運(yùn)算后得到的值，i為像素點(diǎn)的順序編號(hào)，i為像素點(diǎn)個(gè)數(shù)；表示向下取整，n1表示新的高斯函數(shù)灰度值矩陣p中行的總數(shù)，n2表示新的高斯函數(shù)灰度值矩陣p中列的總數(shù)。

52、在其中一個(gè)實(shí)施例中，所述對(duì)所述過(guò)渡灰度值矩陣進(jìn)行分析，獲得最終邊緣點(diǎn)矩陣，包括：

53、對(duì)所述過(guò)渡灰度值矩陣使用拉普拉斯算子進(jìn)行運(yùn)算，獲得運(yùn)算后的矩陣l；

54、對(duì)所述運(yùn)算后的矩陣l進(jìn)行零交叉點(diǎn)檢測(cè)，獲得邊緣點(diǎn)矩陣j；

55、采用非極大值抑制算法對(duì)所述邊緣點(diǎn)矩陣j中的邊緣點(diǎn)進(jìn)行抑制，確定新的邊緣點(diǎn)矩陣jnew；

56、對(duì)所述新的邊緣點(diǎn)矩陣進(jìn)行雙線性插值處理，獲得最終邊緣點(diǎn)矩陣j′。在其中一個(gè)實(shí)施例中，所述運(yùn)算后的矩陣l為：

57、l＝[l(x1,y1)...l(xi,yi)...l(xi,yi)]

58、

59、其中，l(x1,y1)為第1個(gè)像素點(diǎn)拉普拉斯算子作用后的像素值，l(xi,yi)為第u個(gè)像素點(diǎn)拉普拉斯算子作用后的像素值，l(xi,yi)為第i個(gè)像素點(diǎn)拉普拉斯算子作用后的像素值，r(xi,yi)為過(guò)渡灰度值矩陣中的第i個(gè)像素點(diǎn)的灰度值，i為像素點(diǎn)的順序編號(hào)，i為像素點(diǎn)個(gè)數(shù)；對(duì)矩陣l進(jìn)行零交叉點(diǎn)檢測(cè)，獲得邊緣點(diǎn)矩陣j。

60、在其中一個(gè)實(shí)施例中，所述采用非極大值抑制算法對(duì)所述邊緣點(diǎn)矩陣j中的邊緣點(diǎn)進(jìn)行抑制，確定新的邊緣點(diǎn)矩陣jnew，包括：

61、對(duì)于過(guò)渡灰度值矩陣r應(yīng)用sobel算子進(jìn)行卷積運(yùn)算得到水平方向的梯度幅值矩陣fx和垂直方向的梯度幅值矩陣fy，并使用水平方向的梯度幅值矩陣fx和垂直方向的梯度幅值矩陣fy，計(jì)算每個(gè)像素點(diǎn)的梯度幅值f(xi,yi)，每個(gè)像素點(diǎn)的梯度幅值f(xi,yi)為：

62、

63、其中，fx(xi,yi)為水平方向的梯度幅值矩陣fx中第i個(gè)梯度幅值，fy(xi,yi)為垂直方向的梯度幅值矩陣fy中第i個(gè)梯度幅值；

64、根據(jù)水平方向的梯度幅值矩陣fx和垂直方向的梯度幅值矩陣fy，計(jì)算出每個(gè)像素點(diǎn)的梯度方向θ(xi,yi)，每個(gè)像素點(diǎn)的梯度方向θ(xi,yi)為：

65、

66、根據(jù)每個(gè)像素點(diǎn)的梯度幅值f(xi,yi)和每個(gè)像素的梯度方向θ(xi,yi)，進(jìn)行非極大值抑制，獲得新的邊緣點(diǎn)矩陣jnew。

67、上述基于多曝光圖像邊緣檢測(cè)的三維重建方法，通過(guò)采用攝像機(jī)拍攝目標(biāo)物體的原始二維圖像，基于原始二維圖像，獲取至少一張比原始二維圖像曝光度低的低曝光二維圖像和至少一張比原始二維圖像曝光度高的高曝光二維圖像，根據(jù)每張高曝光二維圖像進(jìn)行分析，獲得每張高曝光二維圖像的高斯函數(shù)灰度值矩陣，根據(jù)每張低曝光二維圖像進(jìn)行分析，獲得每張低曝光二維圖像的高斯函數(shù)灰度值矩陣，根據(jù)低曝光二維圖像和高曝光二維圖像數(shù)量，確定對(duì)應(yīng)的擬合方式對(duì)各高斯函數(shù)灰度值矩陣進(jìn)行擬合，獲得新的高斯函數(shù)灰度值矩陣，對(duì)于原始二維圖像中rgb的顏色空間，將其轉(zhuǎn)換為灰色顏色空間，以擬合出原始二維圖像的灰度值矩陣，根據(jù)原始二維圖像的灰度值矩陣和新的高斯函數(shù)灰度值矩陣進(jìn)行卷積，獲得過(guò)渡灰度值矩陣，對(duì)過(guò)渡灰度值矩陣進(jìn)行分析，獲得最終邊緣點(diǎn)矩陣，根據(jù)最終邊緣點(diǎn)矩陣中的邊緣點(diǎn)進(jìn)行三維重建，獲得目標(biāo)物體的三維模型。由此，將多曝光圖像的灰度值的高斯函數(shù)灰度值矩陣擬合再與原始二維圖像的灰度值矩陣擬合，利用多曝光圖像灰度值寬容度高，范圍廣的特性，將多曝光圖像的灰度值擬合優(yōu)勢(shì)與邊緣檢測(cè)結(jié)構(gòu)特征點(diǎn)提取方法有效地結(jié)合，利用邊緣檢測(cè)結(jié)構(gòu)特征點(diǎn)提取對(duì)于灰度值矩陣的高依賴(lài)性，保證在原有的特征點(diǎn)提取的基礎(chǔ)上，提高結(jié)構(gòu)特征點(diǎn)的提取數(shù)量和準(zhǔn)確度；利用多曝光圖像灰度值寬容度高的特性，對(duì)邊緣檢測(cè)結(jié)構(gòu)特征點(diǎn)提取出來(lái)的結(jié)構(gòu)特征點(diǎn)應(yīng)用非極大值抑制算法和雙線性插值，提高了邊緣檢測(cè)結(jié)構(gòu)特征點(diǎn)的提取精度，改善了邊緣檢測(cè)結(jié)構(gòu)特征點(diǎn)對(duì)噪聲的敏感的固有特性，從而提高了三維重建的精度。