9、基于三角测量的三维场景重建方法

基于三角测量的三维场景重建方法

1. 密集立体算法概述

在三维场景重建领域，密集立体算法是重要的研究方向。有研究对密集立体方法进行了调查，并基于合成图像建立了评估框架来评估其性能。在车辆实时视觉系统的应用中，不同的密集立体算法表现不同。依赖视差图全局优化的算法，在场景成像条件多变时，受影响较大；而依靠更简单选择标准来建立点对应关系的方法，相对更具适应性。其中，Hirschmüller等人提出的基于相关块匹配立体视觉的方法，在交通场景实时分析中表现最佳。

不过，密集立体算法存在普遍缺点。对于表面无纹理的部分，或者立体图像对中对应部分结构不同的情况，所确定的深度值往往不准确。例如，由于镜面反射特性，同一表面部分在立体图像中外观不同，就会出现这种问题。遇到纹理信息缺失或矛盾时，算法通常会对模糊图像部分进行表面插值，导致对应区域的三维重建结果不准确。

为解决这些问题，Hirschmüller提出了半全局匹配方法。该方法基于相似的像素灰度值建立对应关系，为无小规模结构的表面部分获取合理的视差值。同时，还提出了一种插值方法，能保持深度不连续性，避免模糊，并且可以填充视差图中信息缺失或错误的区域。当对应点的像素灰度值存在系统差异时，他建议使用互信息作为视差估计的相似性度量。半全局匹配方法具有计算效率高、视差估计亚像素精度高的优点。

2. 基于模型的立体视觉算法

基于模型的立体视觉是一种更高级的立体方法，它与之前的方法互补。Tonko和Nagel引入的方法，依靠建立图像中灰度值梯度（“边缘元素”）与场景中对象模型边缘（“模型段”）之间的对应关系，并使用扩展卡尔曼滤波器跟踪检测到的对象。

在不同的应用场景中，基于模型的方法有不同的表现