李務(wù)軍，吳斌

　　（西南科技大學(xué) 信息工程學(xué)院，四川 綿陽 621000）

　　摘要：隨著機器視覺理論的發(fā)展和硬件技術(shù)的進步，三維重建在生產(chǎn)、生活中的應(yīng)用越來越廣泛，基于Kinect傳感器的三維重建得到廣泛的應(yīng)用。針對于現(xiàn)有的Kinect傳感器獲得的深度圖像深度信息丟失的問題，提出了一種新的基于均值濾波的方法對深度圖像進行去噪，并對深度圖像進行預(yù)處理，獲取三維點云，用迭代最近點（Iterative Closest Point, ICP）算法完成點云的精確配準，從而得到配準后物體表面三維點云，并完成物體的三維重建。

　　關(guān)鍵詞：Kinect傳感器; 點云配準；ICP算法；三維重建

0引言

　　三維重建技術(shù)是人工智能、機器視覺和虛擬現(xiàn)實等領(lǐng)域的熱點和難點，也是人類目前研究內(nèi)容的重大難題之一。三維重建技術(shù)已經(jīng)廣泛用于生物醫(yī)學(xué)成像、機器人遙操作系統(tǒng)、人機交互等領(lǐng)域。三維重建主要針對人機交互界面中重構(gòu)出的虛擬場景，目前國內(nèi)外對于現(xiàn)實場景的三維重建也有所研究［12］。

　　三維重建工作可以分為3個步驟。首先，通過對待構(gòu)建物體的大量信息點坐標的檢測來獲取點云信息；其次，對于已獲取的散亂點云進行預(yù)處理；最后，對于由不同方向得到的點云進行配準［3］，使它們同處于同一世界坐標下。通過融合這些點云信息，就可對實際場景進行三維重構(gòu)。

　　現(xiàn)有的三維重建技術(shù)可分為被動式技術(shù)和主動式技術(shù)。被動式技術(shù)利用自然光反射拍攝的圖片，通過一系列算法計算得到物體的三維坐標，如structure from motion［4］和multi-view stereo［5］。主動式技術(shù)是直接測量物體的深度信息，如采用結(jié)構(gòu)光的Kinect［6］和采用time of fliht技術(shù)的CamCube［7］。在本文中，將會根據(jù)Kinect傳感器得到的深度圖像，并以用戶的視角來對真實場景進行三維重構(gòu)。通過三維重建技術(shù)，可以在計算機中生成一個可交互的可視化系統(tǒng)，當用戶在一個固定的攝像機前面移動時，就可以通過可視化系統(tǒng)觀看到重構(gòu)的三維場景，并且可以看到其自身所處的環(huán)境情況。這也是三維重構(gòu)研究所要達到的效果。

1Kinect工作原理

　　1.1Kienct標定

　　Kinect是一種主動傳感器，有3個鏡頭，中間鏡頭是RGB彩色攝像機，左右兩邊鏡頭分別是紅外線發(fā)射器和紅外線CMOS攝像機所構(gòu)成的3D結(jié)構(gòu)光深度信息感應(yīng)器。

　　在使用Kinect的攝像頭之前，需要先對其進行標定，包括對彩色攝像頭和紅外攝像頭。通過標定可以獲取Kinect攝像頭的內(nèi)外參數(shù)。在此次標定實驗中，獲取10幅標定所需要的圖像數(shù)目，以獲取更高的精度和更好的穩(wěn)定性，拍攝到的深度圖像和RGB圖像如圖1所示（此處只顯示1幅）。

　　1.2圖像坐標轉(zhuǎn)換

　　真實世界坐標系與深度圖像坐標系的示意圖如圖2所示。真實世界坐標系是以Kinect為坐標原點的右手坐標系。而在深度圖像坐標系中，是以深度圖像的原點作為坐標系原點的。因此，需要進行坐標轉(zhuǎn)換，將深度圖像的坐標系轉(zhuǎn)換為以Kinect深度攝像機中心為原點的真實世界坐標系。

　　標定之后的Kinect攝像機，可以看做理想的針孔成像模型。根據(jù)Kinect的參數(shù)以及本文需要，設(shè)定彩色圖像和深度圖像的分辨率均為640×480。根據(jù)簡單的相似三角形原理，得到轉(zhuǎn)換之后的X、Y坐標分別為：

　　式中，X、Y分別為世界坐標中的橫坐標和縱坐標，u、v分別為深度圖像中的橫坐標和縱坐標，Z為深度信息，f為標定后獲取的焦距。

2三維重建

　　Kinect深度攝像頭可以獲取周圍場景的深度信息，同時也可以得到三維場景的點云信息，繼而重建出物體的三維表面模型，而不必接觸物體。三維場景重構(gòu)的流程如圖3所示。

　　2.1噪聲處理

　　在Kinect獲取的深度圖像中，有些像素值為0的點，是深度無法確定的點。這些點的存在會使得到的三維場景產(chǎn)生很大的空洞。所以為了避免大部分的空洞出現(xiàn)，需要對像素值為0的點進行處理。本文采用的方法為拍攝獲取同一視角下的n幅圖像Ii，對這些圖像Ii(x,y)的相同像素點(x, y)取均值再取整，得到處理后的圖像I(x,y)，如式（3）所示，同時，在處理的過程中，如發(fā)現(xiàn)深度值為0（即深度值為隨機值）的點數(shù)多于深度值不為0的點數(shù)，則視此點的深度值為隨機值。

　　I(x,y)=avgi=1,2…nIi(x,y)(3)

　　本文選取n的值為10，即獲取10幅相同視角下的深度圖像進行處理，其結(jié)果如圖4所示。

　　2.2預(yù)處理

　　由于Kinect設(shè)備本身原因或測量環(huán)境等帶來的影響，Kinect攝像機獲取的深度圖像通常會產(chǎn)生一定的噪聲，而這些噪聲會對后面的計算有著較大的不利影響，因此首先需要對原始的深度圖像進行去噪。

　　一般圖像濾波可以用式（4）表示：

　　I′(x,y)=1wp∑i,j∈Ωw(i,j)*I(i,j)(4)

　　其中，I′（x,y）為濾波噪聲后的圖像；Ω為像素(x,y)的鄰域范圍；w(i,j)為濾波器在(x,y)點處的權(quán)值；wp是唯一化參數(shù)；I（i,j）是原圖像。

　　對于雙邊濾波［8］，其權(quán)值系數(shù)由空間域權(quán)值ws和圖像灰度域權(quán)值wr組成，即w=ws×wr，其中：

　　式中，σs、σr為基于高斯函數(shù)的標準差，決定了雙邊濾波器的效果，限定了像素點的相對空間位置和灰度變化范圍。

　　2.3點云配準

　　由于Kinect攝像頭的視角不同，因此可獲得不同視角下的深度圖像，這時就需要對這些深度圖像進行配準，使其能匹配到同一坐標系下。常用的配準方法為ICP算法［911］，其可提高配準精度。

　　ICP算法為基于最小二乘法的最優(yōu)匹配方法，通過不斷迭代變換找到目標點集和參考點集的旋轉(zhuǎn)矩陣R和平移向量t，使兩片點云滿足某種條件下的最優(yōu)匹配。假設(shè)待匹配點云為P={pi}Npi=1和X={xi}Nxi=1，對點集P中的每個點pi，尋找其在點集X上的最近鄰點作為對應(yīng)點，假設(shè)P={pi}Npi=1的對應(yīng)點集為Y={yi}Npi=1，點云配準就是尋找P和Y之間的最優(yōu)變換關(guān)系，即尋找最小的旋轉(zhuǎn)矩陣R和平移向量t，使目標函數(shù)f最小。

　　2.4點云精簡

　　在完成上述步驟之后，會產(chǎn)生大量多余的點云特征點，直接對其操作進行三角化會消耗大量內(nèi)存和時間，因此需要對點云信息進行精簡。

　　本文采用降采樣濾波器對點云進行濾波。通過一個邊長約為1 cm的小立方格，將點云空間劃分成多個等體積的小立方體。然后，將這些立方體中的點用該立方體的重心來取代，如式（8）所示:

　　x=1n∑xi

　　y=1n∑yi

　　z=1n∑zi （8）

　　如下圖5所示，在立方體內(nèi)部，所有點的信息都會被中間的黑色的點所代替。

　　3實驗結(jié)果

　　本文使用C++編程和PCL庫實現(xiàn)了依靠點云信息的三維場景重構(gòu)。本文的實驗環(huán)境為Kinect傳感器及相關(guān)設(shè)備；操作系統(tǒng)為32位Microsoft Window7的臺式計算機一臺，處理器為Intel酷睿i53470M，主頻為3.2 GHz，內(nèi)存為4 GB，硬盤為1 TB。

　　在本文所述的實驗中，用Kinect傳感器獲取周圍場景的彩色圖像和深度圖像，對深度圖像進行處理并修補孔洞。根據(jù)Kinect傳感器標定結(jié)果得到三維點云信息，并通過ICP算法對點云信息進行精確配準，然后對其進行三角化從而得到三維場景，結(jié)果如圖6所示。

　　4結(jié)論

　　本文基于Kinect傳感器進行物體三維重建，通過Kinect傳感器獲取場景的彩色和深度圖像，通過對深度圖像去噪并進行預(yù)處理以及點云匹配等捕捉得到場景的精確三維點云，從而重建出場景的三維模型。實驗表明，本文提出的方法得到的虛擬三維場景比較精確，可以看到其細節(jié)信息。但是，本文方法還需要進一步優(yōu)化，以在提高精確性的同時降低處理時間，從而達到更好的實時效果。

參考文獻

　　［1］ CHU J， NIE C M.Multiview point clouds registration and stitching based on SIFT feature［C］. In Proc. Int. Conf. Computer Research and Development, Shanghai, China, 2011：274278.

　　［2］ HENRY P, KRAININ M, HERBST E, et al. RGBD mapping: using depth cameras for dense 3D modeling of indoor environments［C］. In Proc. Int. Symp. Experimental Robotics, New Delhi, India, 2010，477491.

　　［3］ 李懷澤.基于旋轉(zhuǎn)平臺的多視角三維重建［D］.杭州：浙江大學(xué)，2013.

　　［4］ DELLART F, SEITZ S M, THORPE C E, et al. Structure from motion without correspondence［C］. Proc of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2000:557564.

　　［5］ SEITZ S M, CURLESS B, DIEBEL J, et al. A comparison and evaluation of multi-view stereo reconstruction algorithms［C］. Proc of IEEE Conference on Computer Vision and Pattern Recognition,2006:519526.

　　［6］ NEWCOMBE R A, IZADI S, HILLIGES O, et al. KinectFusion: realtime dense surface mapping and tracking［C］. Proc of the 2011 10th IEEE Int. Symposium on Mixed and Augmented Reality, ISMAR ’11, Washington, DC, USA, 2011: 127136.

　　［7］ LEJEUNE A, PIERARD S, VAN DROOGENBROECK M. A new jump edge detection method for 3D camera［C］. Proc of the 2011 International Conference on 3D Imaging(IC3D),2011:17.

　　［8］ TOMASI C, MANDUCHI R. Bilateral filtering for gray and color images［C］. Proceedings of the Sixth International Conference on Computer Vision, 1998:839846.

　　［9］ 賀永興, 歐新良, 匡小蘭. 鄰域特征在點云配準中的應(yīng)用［J］. 計算機應(yīng)用, 2012, 32(3): 762765.

　　［10］ 蔣成成, 胡同森, 周維. 一種改進的迭代最近點算法［J］. 計算機系統(tǒng)應(yīng)用, 2009, 18(8):8487.

　　［11］ 郭連朋, 陳向?qū)? 徐萬鵬, 等. 基于kinect傳感器的物體三維重建［J］. 四川兵工學(xué)報, 2014(11):119123.