摘要: 随着计算机视觉的发展和计算能力的提升，基于多视角图片的三维重建技术得到了快速发展，该技术成本低廉，容易获得场景的纹理信息，适用于大规模场景，三维重建在无人驾驶、古建筑数字化、数字城市、游戏与电影等行业都有着广泛的应用。从多视角图片... 展开 随着计算机视觉的发展和计算能力的提升，基于多视角图片的三维重建技术得到了快速发展，该技术成本低廉，容易获得场景的纹理信息，适用于大规模场景，三维重建在无人驾驶、古建筑数字化、数字城市、游戏与电影等行业都有着广泛的应用。从多视角图片重建场景的三维模型包括图像特征提取与匹配、稀疏重建和稠密重建三个阶段。大场景下，图像特征提取与匹配耗时较多，在后续稀疏重建阶段，传统的增量式从运动恢复结构（Structure from Motion,SfM）算法依次计算图片的相机参数和场景结构，精度高，但计算耗时长；传统的全局式SfM算法根据所有相机的约束关系，计算所有的相机参数和场景结构，计算速度快，但鲁棒性较差、精度较低。 本文针对传统的SfM存在的问题，设计了混合式SfM算法。主要工作包括：1、针对上述问题，在特征提取阶段，研究了SIFT（Scale-invariant feature transform）特征的CUDA（Compute Unified Device Architecture）实现，加快特征提取速度，在匹配阶段，研究了词汇树的数据结构，加快特征匹配速度。2、在稀疏重建阶段，设计了混合式SfM，将大规模图像集合分割成小的子集，先通过增量式SfM计算每个子集的相机参数，再通过全局式SfM计算所有的相机参数，最后计算场景的稀疏模型，该算法避免了增量式SfM耗时长和误差累积的问题，也避免了全局式SfM精度较低和鲁棒性较差的问题，兼顾了重建的精度和效率。3、在稠密重建阶段，利用深度图融合的多视图立体视觉（Multi-View Stereo,MVS）算法将稀疏模型稠密化，得到场景的稠密模型，使得三维模型的效果更加真实。 在Tanks and Temple基准数据集上进行测试，结果表明SIFT的CUDA实现相对于CPU（Central Processing Unit）节约了70%以上的时间，词汇树的匹配策略相对于穷尽式节约了50%以上的时间，而且匹配结果与穷尽式几乎相同。混合式SfM相对于增量式SfM在点云数量相当的情况下，节约了40%以上的时间。混合式SfM相对于全局式SfM在点云数量约为其2倍的情况下，误差降低了2%左右。最后，通过深度图融合的MVS算法得到场景的稠密模型，更加准确地还原真实场景。通过采集实际场景进行测试，结果表明重建模型的轮廓清晰，符合研究工作要求。 收起