● 摘要
计算机视觉是研究如何使机器代替人眼对三维空间进行观测的科学，多个视觉传感器和计算机构成视觉传感器系统，模拟人眼对目标物体进行探测、识别和跟踪等活动。三维重建是计算机视觉的重要研究内容，其目的是对空间物体建立适合计算机表达、储存和显示的数字模型，这在军事、工业、医疗和日常生活等领域都拥有巨大的发展潜力
和稳定的市场需求。三维重建核心在于通过非接触视觉测量手段，获取物体表面精确的几何形状，即深度信息，其实现方案包括双/多目视觉传感器系统，结构光视觉传感器系统以及深度相机等。因此，基于现场环境和被测物体表面材质及纹理等特性，确定合适的深度测量方案是获得高质量三维重建模型的关键。完整的三维重建流程包括视觉系统测量模型建立，视觉传感器误差校准和内外参数标定，深度计算，点云数据预处理和曲面重建等多个步骤。本文以室内场景三维重建项目为依托展开相关工作，重点研究视觉系统深度测量模型，视觉系统内外参数标定，深度相机系统误差校正，三维点云处理以及曲面重建共四个方面内容，具体表现在：
1、介绍了计算机视觉框架下深度测量的基本原理和常见测量模型，对各种测量模型的优缺点及其适用的目标场景/物体进行了详细分析。传统双目视觉受限于两幅图像中匹配特征点的数目而无法获取足够数量的空间点用以重构光滑、连续的物体表面，但深度相机能够获取全帧景物图像中所有点对应的空间三维坐标。基于此，本文采用了双目视觉传感器与Time-of-Flight (ToF) 深度相机结合的深度感知测量方案并建立相应测量模型，使得获取的点云在采样密度和测量精度上均能得到有效提高，保证了三维重建模型的完整性和精确性。
2、详细分析了ToF 深度相机测量原理及其系统误差构成，对系统误差的理论模型进行了数学推导。基于此依次建立了两种主要系统误差，即基于距离的误差和基于灰度的误差的数学模型并分别进行补偿，使深度相机系统测量误差降低了近90%。该误差校正过程使用常见二维棋盘靶标而不依赖于第三方坐标测量仪器，实现了ToF 深度相机内部参数标定和系统误差校正的同步进行，提高了视觉传感器系统的测量效率。
3、提出了一种针对无公共视场双/多目视觉传感器系统进行外部参数标定的方法。双/多目视觉传感器系统在测量之前需要已知两个或多个传感器之间相对位姿关系，当待测空间范围较大、相机间距较远时，某相邻两个相机间会不存在或仅存在较小范围公共视场，因此无法在这两个相机拍摄的图像中获取足够数目的匹配特征点用于估算相机间相对位姿关系。基于此，本文设计了一种自发光柔性双一维靶标解决上述问题。该算法利用靶标自身几何结构关系的不变性建立关于相机外部参数的约束方程，通过多次自由摆放靶标对视觉系统的结构参数进行初值求解和全局优化。由于双一维靶标间角度和距离均可调，易于在两个相机图像平面上同时清晰成像，保证了图像质量。靶标上自发光点加工精度较高且可控，光斑中心能够被精确提取，因此该方法标定精度高且非常稳定。
4、展开了对三维点云滤波去噪，点云分割和目标提取，以及曲面重建相关算法的研究，实现了对实验室内部场景/物体的三维重建并对结果进行了可视化显示。为了提高重建质量，提出了一种基于邻域特征的点云迭代优化算法，使用高灰度值点三维坐标对低灰度值点三维坐标进行约束，降低了点云表面局部不平顺，使得优化后点云重建的物体曲面空洞数量减少，提高了重建模型的完整性。实验部分对优化前后的点云曲面重建结果进行了比较，验证了优化算法的有效性。