三维场景重构的研究现状

三维场景重构的研究现状

在计算机中真实再现客观环境的数字化信息，可以方便地处理和分析环境信息。场景信息的数字化表示使得现实场景可以在不同视角下充分展现细节部分，不管是对于人类还是机器人，都可以方便的理解自身所处的周围环境信息。近年来，多种三维测量设备的迅速发展也为三维场景重构提供了更多的实现手段，三维场景重构的研究经历了从最初的对中小型物体的模型构建，再到后来对大型建筑室外场景的三维重构，重构技术一直影响着人类的生活。虽然重构技术在科研领域己发展了很多年，但是由于受传感器方面的限制，目前还没有达到普及的程度，甚至在国内的研宄也不多。Kinect的出现激发了更多的研宄者投身到了三维技术的学习和研究中，随着Kinect的推广，三维重构技术也开始走进大众视野。真实场景可以依托于多种设备如激光测距、立体相机、单目相机及Kinect等来实现多种多样的重构表现形式。

Surmann等人[10]提出了一种对三维室内场景数字化的自主性系统，在Ariadne机器人平台上，安装伺服电机带动二维激光测距仪上下俯仰来采集三维数据。采用一种变异的ICP算法[\"]实现了三维扫描场景的配准并可以对机器人进行复位位，解决了同时地位和地图构建（SLAM)问题，最后利用快速八叉树方法将场景可视化表现出来。Thrun等人[12]采用一个水平放置和一个垂直放置的两个激光测距仪来采集数据，水平放置的获得当前机器人的位姿，而垂直的用来获得垂直扫描线，这样就使用当前的机器人位姿就可以获得三维点，进而采用场景匹配来构建地图并且基于采样的概率方法来实现机器人定位。Triebel和Burgard等人[i3]基于激光数据提出了一种估计全局限制的方法，并利用这些限制条件来改善配准的精准度。May等人[I4]采用ToF相机采集数据，利用ICP算法]实现多场景数据巾贞间的配准来达到重构场景的目的。Nister等人[15]利用立体相机，提取稀疏特征点，根据减少特征点对间的距离来达到特征点对间的配准，并且增加的表面信息可以通过随机抽样一致性（RANSAC)算法[I6]更鲁棒性的解决数据关联问题。相同的处理

方法也出现在Akbarzadeh等人[17]和Konolige等人[18]的研宄工作中。Clemente等人[19]解决单目SLAM和场景重建问题，对无序的图像集合提取稀疏的特征来解决场景匹配问题，其中投影的几何关系通常用来定义特征间的空间关系。郑克强利用LMS291激光测距仪系统实时采集空间三维数据，并对场景提取边缘特征点，作为ICP算法的原始输入点实现三维场景自主匹配及场景建模，多场景重构效果的多种模型展示如图1.1 (a)所示。

Kinect是简单、方便、低价的一种可以同时获得彩色信息和深度信息的传感器设备，它可以将日常生活中的场景或物体数字化，连接虚拟和真实世界。基于Kinect的三维场景重构及地图构建等技术也日趋成熟起来。Henry等人[4]利用移动的Kinect采集室内场景数据，联合形状和表面信息进行数据帕之间的配准，产生室内场景的三维模型。建立了室内的三维场景地图并完成了 Kinect的定位，解决了 SLAM问题。最后全局模型利用面元[21]表现出来，效果如图1.1 (b)所示。Endres等人[22]基于手持Kinect，从彩色图像提取视觉关键点，在三维空间中构建可视化的SLAM。随着Kinect的推广使用，相信会出现更多的三维应用。

室内多场景匹配问题，从三维点云数据出发，提出了基于特征对的SVD算法和ICP迭代算法两种解决方案，通过准确性和快速性的比较，选择基于特征对的ICP迭代算法进行三维场景重构。(3)对匹配中出现的累积误差问题，分成两步进行，一是检测闭环，二是改善误差。对应的解决方案就是建立位姿图，检测误差积累较严重的闭环位置，然后基于位姿图对全局误差目标函数进行高斯-牛顿迭代优化，达到全局一致性目的。多场景数据间的匹配存在重叠区域，采取二维栅格的方法对冗余数据部分进行精简。实验结果证明了算法的实用性。

[10] Surmann H, Nuchter A, Hertzberg J. An autonomous mobile robot with

a 3D laser range finder for 3D exploration and digitalization of indoor environments [J]. Robotics and Autonomous system.2003, 45 (3):181-198.

[11] Besl P, McKay N. A method for registration of 3D shapes [C]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1992， 14:586-606.

[12] Thrun S，Burgard W, Fox D. A real-time algorithm for mobile robot mapping with applications to multi-robot and 3D mapping [C], In Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), 2000: 321-328.

[13] Triebel R, Burgard W. Improving simultaneous mapping and localization in 3D using global constraints '[C]. Proceedings of the Twentieth National Conference on ArtificialIntelligence (AAAI), 2005.

[14] May S, Droschel D, Holz D, et al. Three-dimensional mapping with time-of-flight cameras[J]. Journal of Field Robotics, 2009，26(11-12): 934 - 965.

[15] Nister D. An efficient solution to the five-point relative pose problem [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2004，26(6): 756 - 770.

[16] Fischler M A, Bolles R C. Random sample consensus: A paradigm for model fitting with applications to image analysis and automated cartography [J]. Communications of the ACM, 1981，24: 381 - 395.

[17] Akbarzadeh A, Engels C， Gallup D, et al. Towards urban 3D reconstruction from video[C], In Proceedings of the Third International Symposium on 3D Data Processing,Visualization and Transmission (3DPVT)，2006:1-8.

18]Konolige K, Agrawal M. FrameSLAM: From bundle adjustment to real-time visual mapping [J]. IEEE Transactions on Robotics, 2008，25(5): 1066 - 1077.

[19] Clemente L, Davison A, Reid I, et al. Mapping large loops with a single hand-held camera [C]. In Proceedings of Robotics: Science and Systems (RSS)， 2007.

[20]郑克强.基于三维激光测距的非结构化场景建模与重构[D].大连：大连理工大学控制科学与工程学院，2009.

[21] Pf ister H, Zwicker M, Gross M, et al. surfels: surface elements as rendering primitives[C]. In Proceedings of the 27th Annual Conference on Computer Graphics，2000: 335 - 342.

[22] Eridres F, Hess J, Engelhard N, et al. An evaluation of the RGB-D SLAM system [C]. ICRA，St. Paul, MA, USA, 2012.