摘要：在這個信息高速發(fā)展的時代，利用現(xiàn)代科學技術對建筑物進行三維重建的研究也越來越多。古建筑不比現(xiàn)代建筑，可以采用大規(guī)模的數(shù)據(jù)采集與三維建模，相反，它們的每一部分都需要非常精細地模擬，這也說明了必須有高水平的技術支撐才能完成這樣的工作。本文主要針對古建筑場景復雜難以匹配特征點的問題提出一種基于三角形網(wǎng)格的建模方法，并且從中獲取古建筑圖像序列信息，采用OPENGL軟件接口，將影像數(shù)據(jù)與模型數(shù)據(jù)結合，得到較為精確的三雛仿真模型。實驗結果表明，本文所提出的算法較以往的特征點匹配算～-g-.有匹配度高、自適應好的優(yōu)點，計算出的模型也與實際模型更為符合。

關鍵詞：古建筑；三維建模；圖像序列；仿真模擬；特征點

隨著計算機仿真技術與計算機視覺算法理論的高速發(fā)展，中國古建筑復原領域也逐漸引進三維重建技術和仿真模擬技術，并逐漸成為行業(yè)研究的焦點。中國古建筑相比于現(xiàn)代建筑具有結構復雜、圖案樣式繁多、重復紋理嚴重、建造地點險峻等特點，這也使得對古建筑的復原和修繕變得異常艱難。除此之外，在不同地點采用人工方法進行測繪，尤其是對于高山峻嶺上的古建筑，便顯得成本過高且危險度極大?；谶@個背景，科學的三維建模方法逐漸成為古建筑重建領域熾手可熱的話題。本文利用序列圖像測算建筑空間點坐標的方式，結合物體的幾何特征與紋理特征進行三維重建，在降低成本、提高精確度的基礎上達到復原古建筑的目的。

一、我國古建筑三維重建的研究現(xiàn)狀

“三維重建”是計算機視覺算法中的核心研究課題，所衍生的研究領域和方法也非常多，主要以基于結構光的三維重建和基于圖片的三維重建為主。近年來，國內(nèi)外對三維重建的研究越來越深入，中國在這個領域的研究方法大致可分為圖像序列復原法、二維工程測繪法、激光掃描法和程序化建模法。其中，二維工程測繪方法國外學者用的比較多，我國學者在這方面的應用主要以張云輝等人為主，其從二維工程圖是三維實體的這個角度出發(fā)，利用極大相鄰坐標掃描線算法等方法，以軸類零件為實例，實現(xiàn)了三維局部坐標的建立并進行零件的識別與三維重建；激光掃描法主要是利用激光掃描儀從不同角度對古建筑物進行掃描，獲取不同的激光點云，并且采用數(shù)碼相機收集序列圖像的方式，與之前的激光點云進行擬合配準，生成建筑物框架和紋理貼圖，最終進行建筑物重建；程序化建模法有一定的人為因素，它被廣泛應用于建筑設計師、考古學家等具有相關建筑領域知識的人員處。在保證了三維重建的速度快與結果精細的同時，也因為這種方法的專業(yè)性太強，要求所用人員必須精通考古專業(yè)知識，不利于業(yè)外研究員進行研究，因此適用領域較小。

本文采用的方法主要是基于圖像序列的古建筑三維重建方法，這是計算機視覺領域中一項重要技術，其主要利用特征點匹配、運動恢復結構與圖像間的相鄰軌跡來進行三維重建。

二、特征點匹配

圖像的特征點提取與應用在計算機視覺領域一直是一個難以攻克的難關，但它又在目標物體追蹤、物體識別、人臉識別、圖像拼接和三維建模等領域中有著廣泛應用。常用的特征點匹配算法有Harris角點提取算法、尺度不變特征轉換（Scale-invariant feature transform）算法、仿射投影算法等等。Harris算法利用角點響應函數(shù)判斷特征點，SIFT算法通過尋找局部極值點來構建特征向量和特征點，仿射投影算法通過模擬坐標軸方向變換來模擬圖像的仿射變換。本文綜合上述算法的優(yōu)點，主要提出一種基于三角形網(wǎng)格的特征點匹配算法，算法利用良好匹配點三角形局部連續(xù)性約束進行匹配，從而得到一定數(shù)量準確率較高的匹配。

三、基于圖像序列的三維重建

本文主要利用從相鄰的圖像序列間計算向量點云，通過特征點的匹配與物體的運動軌跡估計出攝像機間的未知參數(shù)，從而達到空間點的重建，逐漸復原到三維模型。由于二維圖像是三維空間的實質投影，它們的轉化也是不可逆的，所以這種方法應用在三維重建中是非常有效果的。

（一）算法流程

1）采用數(shù)字相機標定算法得到內(nèi)參矩陣A。

2）采用改進的三角形網(wǎng)格法提取相鄰圖像的特征點并進行配準。

3）根據(jù)上一個步驟的匹配結果，利用“8點”算法和兩幅圖像特征點之間的匹配關系計算基礎矩陣B。

4）通過計算矩陣B和內(nèi)參數(shù)矩陣A得到本質矩陣C。

5）知道步驟4）中的矩陣C的值后，就可以根據(jù)C的值估計攝像機的運動軌跡，推出照相機外參矩陣D。

6）根據(jù)矩陣C和D估算出T的值

7）利用攝像機內(nèi)參矩陣、外參矩陣和T的值計算出投影矩陣Pi。

7）根據(jù)上文結果得到三維空間點坐標，并進行線性尺度估計和迭代優(yōu)化。

（二）實驗結果展示

本文的實驗對象是7張連續(xù)的、變化均勻的清華門圖像序列，選擇的實驗對象包含了一定的紋理信息、背景遮擋物信息，可可以更加綜合地體現(xiàn)出本文所展示的算法優(yōu)點，序列圖像可以由下圖3.1所示。

通過對三角網(wǎng)格化算法的改進與特征點匹配，本文的結果顯示出劃分區(qū)域更細致精準、自適應度良好、特征點分布更均勻等優(yōu)點，可由下圖3.2看出。

通過上文所述的建模方法，在圖像序列對物體運動軌跡的估計的基礎上.本文古建筑3D建模的場景如下圖3.3所示。

本文提出一種基于三角形網(wǎng)格的特征點匹配方法，并且從圖像序列中提出紋理信息，用OPENGL軟件接口，將影像數(shù)據(jù)與模型數(shù)據(jù)結合，得到較為精確的三維仿真模型，實驗結果表明這種方法匹配度高、自適應好，是非常具有工程應用價值的。但是，由于選取圖像序列不夠充足，部分區(qū)域特征點提取失敗，導致圖像的完整度應該得到進一步改善，算法仍存在較大的改進空間。