刘源 陈杰 龚国成 杨朝智

摘要 虚拟现实技术把现实世界物体高精度建模，为用户带来交互式的三维动态实景，使用户足不出户就可细览物体各角度细节。结合虚拟现实技术，物联网设备采集的信息和用户控制手段将会得到革新，带给用户前所未有的所见即所得的非常体验。高精度3D模型建立技术是虚拟现实的关键技术，其模型包括空间结构模型和外观纹理模型，然而高精度空间结构模型建立于物体的点云模型上，因此获取高精度点云模型就是虚拟现实关键技术中的关键技术。本文就建立点云模型所用到的三种常见关键技术（包括激光扫描法、双目立体视觉法以及序列图片重建法），并就各自方法的优缺点进行说明，探讨技术发展方向。

[关键词]虚拟现实 物联网展示与控制 点云模型3D扫描

1 引言

虚拟现实是一种新型的交互显示技术，是一门以计算机技术为基础，结合其它相关技术，为用户带来交互式的三维动态实景展示。虚拟现实技术通过对现实物体高精度三维建模，从而构造近似现实的虚拟数字世界，带来沉浸式的交互体验，用户通过与虚拟世界的交互，体验现实世界中的感觉，进而获得真实的经验。虚拟现实技术具有广泛的应用，比如各类危险环境下的模拟训练、城市规划、物联网系统展示与控制等。物体的高精度三维模型由空间结构模型和表面纹理模型组成，空间结构模型负责展示目标结构，纹理模型负责渲染目标颜色等信息。空间模型可以通过实际测量或软件建模等方法生成，不过由于物体形状结构千差万别，使用建模软件需要熟悉的工程师用较长的时间进行设计加工，对于使用率较低的物体模型就会有较大的成本投入;实际测量则通过扫描仪等专业传感器获取物体的测量数据，对于物体，特别是精细物体的建模较人工设计有速度快，精度高的优势。随着技术发展，测量仪器也从专业设备逐步演变为普通设备结合专用软件的方式。本文就如何利用普通设备进行高精度建模的三种主流方法进行研究并探讨各自优点。

2 点云模型建立方法研究

目前生成點云模型的方法主要有三种，分别是激光扫描法、双目立体视觉法和序列重建法。

2.1 激光扫描法

激光扫描法是最常见的一种测量方式，这类方法一般都是利用激光测距原理获取扫描点距离激光发射点的距离，从而获取扫描点在世界坐标系下的坐标。激光测距有激光飞行时间法（TOF）和三角测距法。利用激光飞行时间技术获取物体距离需专用的激光传感器，其原理是通过计算发出激光到接收反射激光的时间差计算距离。这种方法需专用高精度传感器，价格较贵，一般主要用于空间测量领域，比如建筑测绘等。此处主要介绍基于三角测距原理进行物体点云模型重建的方法，三角测距的原理如图1所示。

激光发射器和相机光心处于同一直线上，激光发射器发射激光点投影到目标点上，对应的，针孔相机获取当前激光点在像平面中的成像，可得到图1所示的系统工作光路原理模型。根据针孔相机原理，可以得到如下的相似三角形关系：

那么目标点距离激光器的距离即可通过公式（2）中得到：

d=sf/x sin（β）

（2）

公式（2）中B为激光发射器与坐标系夹角，s为激光发射器距离相机光心距离，f为相机焦距。此种光路情况对于激光点刚好位于图像中心，对于激光点像素不位于图像中心时，图1中的f可以通过图2所示关系换算，图2中P1点表示图像中心点，P2点表示目标点在图像中的位置，且有，那么此时：

将公式（3）代入公式（2）中，激光线上非中心点对应的目标点距离激光发射器的距离。把激光线绕物体旋转360°，即可完成对物体的扫描建模。

基于此原理的扫描仪主要是在精度要求高，扫描物体较精细的场景下使用。目前有一款桌面级的3D扫描开源系统Ciclop也是基于此原理实现。Ciclop系统包括自动转台，线激光发射器，摄像头和必须的支架，这款系统依据上述介绍的激光测距原理，获取扫描物体的3D点云模型。团队对基于激光扫描法的测试也主要依赖Ciclop系统实现，经过参数调试，使用激光法得到的物体点云模型如图3所示。

2.2 双目立体视觉法

双目立体视觉法是利用两幅图片之间的对极几何约束条件，获取视差图像，从而得到物体的深度信息。这种方法是模拟人眼处理景物的方式，只需要两个摄像头即可，排除了激光法中激光对于敏感物体的潜在破坏风险，具有很好的推广价值。

双目立体视觉法实现空间坐标重建主要有图像获取、特征匹配和重建三个步骤。图像获取是由不同位置的两台摄像机获取同一物体的过程;特征匹配是在两幅图片中通过特征关系，寻找对应点的过程;重建就是根据匹配点对应关系计算目标点点空间坐标的过程。

2.2.1 图像匹配

图像匹配通过提取图片特征，寻找同一点在两幅图像中的像素坐标的过程。常用的特征有图像纹理特征（比如SIFT特征、SURF特征）和图像编码等。图像纹理特征主要依赖图像中具有的数学极值的特征点，比如Hams角点等进行定位，这种方法的优势就是只需要同时采集两幅图像即可，缺点就是对于物体表面无明显纹理的物体无法使用，且有的点无法寻找到稳定的对应点，造成重建效果不好。结构光法通过投影编码图案到被测物体，并利用摄像头采集编码图案后解码获取对应点关系，是获取对应点最可靠的方式之一。此处实验使用时间多路二进制编码测试，系统对物体投射图4所示横纵交替编码图片，这些编码图片把摄像头采集部分每个像素进行编码，简单二进制解码后可以获取两幅图片中每个像素的精确对应关系。

2.2.2 空间点坐标计算

物体空间点坐标利用两幅采集图像的对应关系求解。通过相机立体标定，建立以摄像机1相机坐标为世界坐标的参考系，则对于摄像机2有X2=RXi+T。通过该式把世界坐标系下坐标转到摄像机2坐标系下;通过摄像机单机标定，摄像机各自的内参矩阵K己知，由相机模型原理可得：

zx=Kx

那么对于两摄像机有如下公式：

式中X表示点的空间坐标，x，表示该点在摄像机1中的图像齐次坐标（Ul v1 l），X2表示该点在摄像机2中的图像坐标（U2 V2 1）。

求解上述方程组即可得到物体的空间坐标。如图5、图6所示。

2.3 序列重建法

序列重建法利用序列图像进行三维重建，该方法只需要对物体拍摄不同角度的序列图片即可，不需要依赖其余设备。这种方法主要利用的是双目立体视觉的原理，由于图像特征点匹配是稀疏的过程，为了达到一个较好的效果，这种方法还要进行点云模型的稠密重建。

2.3.1 图像稀疏重建

图像的稀疏重建一般使用基于SIFT特征的方式，对两幅图片提取SIFT特征，然后进行点与点的匹配得到两幅图像上的点对应关系，然后根据2.2.2节的分析进行对应点的空间坐标计算。不过这种情况下由于两幅图片的旋转矩阵R和平移矩阵T是未知的，那么图像稀疏重建的过程首先要进行坐标系自标定。

坐标系自标定

序列图像是同一摄像头转动不同角度拍摄物体得到的序列图片，且每次拍摄的移动距离和角度都未知，那么通过图像对应关系获取坐标系的变换参数就是最主要的任务。

由2 2 2節可得：

s1x1=K1X

s2x2=K2（RX+T）

那么有：

s2x2=K2（Rs1K1-1x1+T）

对等式同时乘以X2T，也就是x2与T的外积，则有：

O=（x2xT）K2（RK1-1x1）

对于两幅不同视角图像，当有多对特征对应点时，通过SVD求解上述方程组的解即可求得两幅图像对应的相机坐标系的变换矩阵，从而使用2.2.2节所述方法求取特征匹配点的空间坐标。

2.3.2 稠密点云重建

2.3.1 节介绍了如何通过图像匹配点求取物体特征点空间坐标，不过上述步骤得到的匹配点较少，需要PMVS算法进行稠密重建获取物体点云模型。实验使用VisualSFM系统进行测试，得到的恢复点云重建模型如图7所示，原始序列图像数据来自。观察重建模型不难发现，顶部区域的重建效果很不理想，这就是因为顶部区域的纹理特征点不稳定，发生错误匹配，导致计算的空间坐标不正确。

2.4 对比

上述介绍的三种方法是主流的点云模型重建算法，已经在很多领域得到了应用。激光扫描法模型精度高，不过系统比较复杂，并且激光对于文物等物品有潜在破坏作用，不能便携应用;双目立体视觉法依赖双目摄像头，较激光法的设备而言比较轻便，目前在手持扫描终端等移动端上应用较多，部分手机也集成了双目摄像头;序列图像的方法完全脱离了专用硬件设备的限制，只用一个普通摄像头即可，该方法利用同一物体的不同角度照片即可实现物体建模，在互联网图片建模等方面较多，比如虚拟图像浏览等。不过序列图像法的精度较低，对于物体的精细化建模还有提高的空间，对于某些没有明显纹理的物体（比如纯白瓷瓶等）无法处理。

需要注意的是，上述三种方法都是采用普通摄像头采集激光线、编码图案或者物体图像，环境因素（比如光照条件）对重建效果具有较大的影响，实验时需要尽可能调节环境因素减少处理难度。此外对于摄像头无法拍摄到的区域（比如遮挡部分），还应调整物体角度，多次重建后进行点云模型融合等操作才会得到一个比较精确的模型。

3 小结

虚拟现实技术为用户带来全新的浏览体验，本文从技术原理上分析了主流三种3D模型重建方法，分析对比各自方法的优势。随着技术的发展，物联网技术的成熟，沉浸式的交互需求会越来越旺，基于虚拟现实技术的应用一定会越来越多，该技术有巨大的应用前景。本文所述的建模方法不需要复杂的专用设备即可达到不错的效果，可以有效应用于日常生活中，降低虚拟现实技术的门槛。