摘要
室内场景三维重建在虚拟现实、文物保护、房屋租售、餐厅服务等领域呈现出巨大的应用需求，建立室内三维重建系统、探索可行的三维重建技术具有重要意义。本文针对三维重建的关键环节，从提升重建速度、降低重建误差、提高重建模型稠密度三个角度进行了方法改进，实现了室内场景三维重建系统。论文的主要研究成果如下： 1.从提升重建速度角度出发，针对重建中视频流数据冗余较高的问题，提出了一种基于向量表征的自适应图像匹配方法，以图像特征相似度度量为依据自适应选取关键帧，从而提取出保真度高、冗余度低的特征关联样本。实验结果表明，与传统利用均匀采样进行顺序匹配的方法相比，基于该方法的三维重建计算速度最高提升了18.8%。 2.从降低重建误差角度出发，针对点云估计精度不高的问题，提出了一种基于全局观察点选权迭代的点云估计方法，通过衡量特征样本对三角测量的贡献程度，赋予特征样本权重因子，根据指数化重投影误差迭代该权重因子，进而得到基于全局样本数据估计的点云坐标。实验结果表明，与LocalRandomsampleconsensus估计方法相比，误差降低了12.1%。 3.从提高重建模型稠密度角度出发，针对重建后点云模型局部纹理稀疏的问题，提出了一种基于模型质量评价的点云模型融合方法，采用先评价再融合的思路，设置三重条件阈值在初始点云中筛选获得目标位置，采用ROS驱动的移动装置自动采集目标区域图像，根据相同物体模型统一尺度，最终实现多点云模型的融合。实验结果表明，与三维重建系统COLMAP相比，利用该方法建立的模型局部区域纹理得到大幅增强，点云稠密度可增加至2.08倍。 4.搭建了具有自动数据采集能力的室内场景三维重建系统，在硬件方面，以单目RGB相机为数据获取设备，采用ROS系统驱动的机器人平台执行数据采集工作，实现了室内场景三维数据的自动采集；在软件方面，提出了初始重建-模型评估-二次重建-模型融合的重建策略，并集成了图像匹配、点云估计及模型融合的改进方法，有效实现了室内场景的三维重建，获得了较好的性能表现。
NETL