宋征玺, 吴淇, 王雪, 王庆

(西北工业大学 计算机学院, 陕西 西安 710072)

三维重建是计算机视觉领域的经典问题之一,旨在通过多幅图像间特征关联计算目标的三维信息。在基于图像的三维重建方法中,具代表性的SFM[1]与SLAM[2-3]方法已经广泛应用于室外大场景稀疏重建。由于图像中特征点间关联缺乏有效的先验,特征点间的相似性干扰特征匹配、三维点云与相机姿态捆绑调整等步骤,制约了多视图三维重建方法运算速度与精度。光场成像技术通过高维的数据采集模式,能够记录不同角度的光线强度并有助于提升视觉系统感知场景及目标深度的性能。

Levoy等[4]提出平行双平面模型并能够实现对空间光线四维信号(空间和角度)的有效采集。通过空间-角度维组合,视觉特征在对极平面图(epipolar plane image,EPI)[5-6]中呈现一致性分布。当视差范围小于(±1)时,一致性特征为连续的直线且斜率与目标深度相关。但双平面光场仅能获得2.5D的目标重建,难以实现360°目标重建。

将相机环绕旋转轴等间隔采样可获得环形光场,该三维图像体记录了场景与目标3600光线强度。视觉一致性特征具有高维连续光强分布特性,且光强分布轨迹蕴含了场景及目标与相机的相对运动关系。随着采样密度的增加,光强连续分布的一致特性不断增强。Feldmann等[7-9]提出了环形光场中特征轨迹分析方法(image cub trajectory,ICT)。Yucer等[10]通过研究高角度分辨率采集(10帧1°),在二维EPI中通过局部梯度计算目标深度。Vianello等[11]在二维EPI上进行线检测,利用二维霍夫变换求解曲线参数并进行深度估计。……