基于三維場景重建的角點檢測方法

楊佳豪 袁彤 姚艷

隨著視頻傳感器性能與功能的提高，三維場景的重建將成為一個新的載體應用于各個領域。角點檢測是重建的關鍵一步，針對經典算法的準確程度不能達到重建要求等問題，基于三維場景重建和MIC算法提出一種基于核區域灰度差角點檢測方法。改進算法有良好的準確性能夠處理偽角點，減少漏檢角點。

1.引言

在計算機視覺等領域中，特征點檢測是一個重要的研究方向。角點的定義通常被定義為灰度變化劇烈的點或目標邊緣上曲率極大點。目前，角點檢測的算法可分為對邊緣曲線和圖像灰度兩大類。現有處理方法如MIC檢測和SUSAN檢測等，均有抗干擾強，定位準確度高等優點，但依舊存在偽角點和漏檢角點等情況。利用最小二乘技術改進MIC算法，提高算法性能，考慮USAN區域面積改進SUSAN算法，提高角點檢測的準確性。基于三維場景重建提出一種基于核區域灰度差角點檢測方法。

2.MIC算法

MIC算法是一種基于圖像最小亮度變化的一種算法。該算法在特定的窗口模板中找到亮度變化最小值（CRF）與門限（threshold）進行比較，若CRF> threshold可判定它是角點。

3.改進算法

本文是在核區建立雙環模板和檢測模板灰度差異變化進行角點檢測。雙環模板如圖1所示。

從云計算的前景來看，云計算運營商是目前國內云計算產業相對薄弱的環節，政府及其相關單位是國內云計算的運營主體，這需要國家投入更多的精力和財力到其中去，以便可以清晰地了解和知道云計算的未來發展藍圖，使之越來越清晰地展現在人們面前，以期可以迅速發展，同時互聯網服務得到快速提升。因此，云計算產業作為前瞻產業，應提高投資效率和硬件軟件供應率，做到以內容為中心的服務員或更加百花齊放，使云計算行業在未來的道路上更加順暢的發展。

第一步：初篩角點，排除平坦區域和噪點。依次統計內環[B，F]，[H，D]，[C，G]，[A，E]四處位置與核心的像素差，當兩處以上位置含有非相似點，則統計內環相似點個數。為時為候選點，時為待定點，其余為非角點。

第二步：針對待定角點計算內環中相似點的歐式距離。當其距離為1的個數小于（（-1））/4時為候選點。

第三步：根據MIC算法思想，通過外環計算候選點響應值；

第四步：根據區域極大值抑制得到最終角點。

4.實驗仿真

本算法采用C++編寫，在Windows10上編譯運行。通過與SUSAN算法對比結果，如圖2所示。

如表1所示，改進算法有較高的準確性，能夠有效去除偽角點，降低漏檢率。在角點檢測后，將進行圖像的拼接算法研究，完成三維場景的重建。

5.結束語

三維場景圖像的重建是一個新的載體，可應用于虛擬現實等領域。其重建的關鍵就是角點檢測與圖像拼接技術，這決定了圖像重建后的整體質量。為了后期得到高質量的重建效果，角點檢測的方法還需要不斷地實驗與優化。

四、結束語

通過對云端技術的探討與研究，可得出云端技術的引入可以加強云服務各項技能的工作效率，云端技術依賴于網絡環境下的迅速發展，已經普及到各個領域。近些年來，伴隨著互聯網科技的不斷發展，我國網絡用戶數量也直線上升，越來越多的人加入到方便快捷的云端數據處理中去，云計算不僅方便了科研人員的研究工作，還在生活中扮演了一個不可或缺的角色。