于 明，齐菲菲，于 洋，阎 刚，薛翠红

(河北工业大学计算机科学与软件学院，天津300401)

0 引言

随着科技的发展，三维重建技术已引起越来越多的计算机图形学研究人员的关注［1］。目前基于立体视觉的三维重建算法主要有下面几类:基于轮廓线的算法［2-3］。这类算法通过利用物体投影在图像平面上的轮廓线来重构物体的三维模型;基于深度图的算法［4-5］。该类算法通过配准和合并多幅包含图像深度值的深度图像来得到物体表面的完整信息;基于体素的算法［6］。这类算法通过将待重建物体划分为一个个小立方体栅格，然后基于这些体素来进行物体的三维重建;基于匹配点的算法［7-8］。该类算法首先通过图像序列得到物体的稀疏点云结构，再通过扩散操作得到物体表面的稠密点云［9-10］。PMVS(patch multi-view stereo)算法［11］便是一种基于面片 (将匹配点用片面形式表示)的点云重建算法，它是通过扩展种子面片的原理完成物体表面重建的，是目前公认重建效果最好的算法之一。但是PMVS算法在片面扩展过程中，容易出现重建表面不够连续，与真实物体的形状有一些偏差等情况。同时由于PMVS算法空间和时间复杂度比较高，在处理高分辨率图像时需要付出巨大的时间和空间代价。针对上述问题，本文提出了一种加入法向调整的PMVS改进算法，并且通过采用多分辨率分级重建策略［12］在一定程度上提高了重建效率。

1 PMVS算法

PMVS算法是由Y.Furukawa等人提出的，它的基本原理是利用Harris算子和DoG(Difference-of-Gaussian)算子检测出每幅图像中的特征点，然后利用匹配算法得到稀疏的三维点云结构，再将这些匹配点定义成种子片面，通过扩展种子片面得到稠密的片面结构。……