[转]基于图像的三维模型重建4——增量SFM

内容

• 几种BA的形式
• 同时优化相机和三维点
• 优化相机
• 只优化三维点
• 单目相机
• 增量运动恢复结构（Incremental SFM）
• 运动恢复结构的几个问题

几种BA的形式

数学模型

n个三维点和m个相机，一些三维点在相机上的投影点。i表示三维点的索引，j表示相机的索引。 u 表示观测点， u^ 表示理想点

根据当前相机参数和三维点的坐标计算投影点的位置，然后计算观察点和投影点之间的误差，之后通过优化的方法使这个误差最小，从而得到一个比较好的相机参数和三维点的坐标。

该模型是一个非线性的最小二乘。通常采用LM算法~LM算法是一种基于信頼域的算法，通过调整信頼域半径的大小，在最速下降法（使用一阶梯度）和牛顿法（使用二阶梯度，考虑全局）之间切换，更加鲁棒。LM算法的核心是构造增量正规方程，通过方程可以求出增量，然后根据增量对当前的方程进行更新。

如果当前误差比较大，减小信頼域，使方法趋近于牛顿法。如果当前误差比较小，增大信頼域，使方法趋近于最速下降法。

增量正规方程

将 J(θ) 进行排序，P1~P3对应三个相机，X1~X4对应四个三维点。x11是第1个点在第1个相机中的投影。如果4个点在三个相机里都有投影，那么可以得到12个观察点。每个点有x和y坐标，24行；列数为总参数的个数(3个相机x9+4个三维点x3=39)。

JT(θ)J(θ) 是很明显的分块矩阵（方阵）。方阵的行数和列数就是参数的个数。

同时优化相机参数和三维点

将信頼域加入其中，只对包含对角线的分块矩阵有影响。

解方程：

得到两个方程，解第一个方程可以得到相机参数的增量 δc ，将δc代入第二个方程可以得到三维点的增量δX。

求解这个方程可以使用共轭梯度法，因为这个方程是比较大的稀疏矩阵。

• 固定三维点坐标，优化相机参数（特殊场景1）

对于三维点的梯度均为0，δX=0。只计算δc。更新相机参数

• 固定相机参数（特殊场景2）

只计算三维点的坐标增量δX。在对三维点进行更新。

单目相机——内参数共享（特殊场景3）

使用同一个相机在不同角度拍摄同一物体。这种场景下，相机的内参一致。

在该模型中，所有的内参(f, k1, k2)一致，将内参从Cj中独立出来。因此这里的 Cj 只表示相机的外参(R, t)。

由于所有相机的内参数固定，所以总的参数个数为(3+6m+3n)。

对之前的Jacobian矩阵进行改变，加入对f, k1, k2的偏导数。

之前使用的 J(θ) 是一个稀疏矩阵。但是由于加入了对于内参数(f, k1, k2)的偏导数，内参数与每个观察点都有关联，因此其对每个观察点都有值。J(θ)的形式发生改变。

使用的求解方法与之前的求解方法类似。

运动恢复结构（SFM）

通过相机运动同时恢复相机参数（内外参数）和场景结构（三维点坐标）。

这里介绍的场景针对无序图像。有序图像的匹配复杂度会减少很多。无序图像经过SFM得到稀疏点云。之后还可以对其进行稠密的点云重建，对图像进行径向畸变的校正。

主要流程

1. 输入图像
2. 特征提取与匹配
3. 图像连接图构建
4. 捆绑调整优化相机姿态和场景结构
5. 得到稀疏点云

将两两对应关系对齐到同一的坐标系。

通过特征检测得到特征点，对不同视角的特征点进行匹配。通过对极几何，筛选出外点，保留内点，通过内点拟合出模型，得到相机相对的姿态。

对极几何模型选择：

单应矩阵需要场景是平面，场景的深度很深，例如航拍。

图像连接图

连接图的顶点：每张图像

连接图的边界：两幅图像之间存在共同的可见区域（足够多的匹配内点）

每张图像看多一个节点，对所有图像进行两两匹配，如果两张图像存在足够多的匹配点，那么将两个图像连接起来，其连接线作为一条边界。最终可以得到一个很大的无向图。无向图的顶点是每张图像，边界是两张图像间的匹配关系。该无向图称为图像连接图。

• 顶点的大小与连接个数有关：一个顶点的邻域越多，顶点越大；
• 比较好的视角（相似的、正面光照条件好）集中在中央，偏一些的图像位于集中在边界；
• 白天成像和夜晚成像出现分块的情况。

Tracks

• 多个视角对应的匹配点连接起来

• 一个三维点（匹配点）对应着一个Track

计算Tracks（三维点+匹配关系）

已知图像中各特征点的位置和当前的相机姿态。如果我们知道两个以上特征点的位置，就可以计算三维点的坐标。

Track也可以用来计算相机姿态。

捆绑调整（BA）

相对的相机参数生成全局一致的相机参数和场景结构。

算法流程

图像连接图，去除末梢的图像，使用视角好的图像进行重建。

要先选择一个视角（一对相机）进行重建。

在这个视角之上，要不断添加新的视角。如何选择新视角是有标准的。

选择新视角后，要对当前的视角进行重建，得到相机参数，对单视角进行优化。这一步只对当前相机进行优化。优化后，track上多了匹配点，再进行滤波。

重建后，进行全局的捆绑调整。为了效率，几张图像调整一次。

增量的运动恢复结构

初始相机对的选取

选择一对图像

• 匹配点足够多（>=50）
• 基线足够长，三角量测的角足够大（>=5deg），$\alpha$为三角量测角
  匹配对很多，如何对所有角进行衡量？使用所有夹角的平均值或找中值
• 满足homography尽量少（<60%）
• 成功三角化的匹配对>50%

保证匹配对足够可靠，匹配足够好。

RANSAC三角量测

目前一直相机的两个姿态。

• 使用三角量测，将tracks重建出三维点；
• 由于存在匹配外点，重建出错误的tracks，用RANSAC的方法排除外点

Tracks滤波

• 三维空间中太远的点：将三维点投影到像平面上；

• 重投影误差比较大的点：

Tracks滤波

全局的捆绑调整

目前具有三维点和相机姿态的初始值。

重建新的视角

• 选择新的视角

条件：可见的tracks数目最多。

将视角按照tracks由多到少进行排序。

• 恢复新建相机的姿态

1 找到3D-2D对应关系；

2 用RANSAC-PnP算法求解相机姿态。

目前，已知三维点坐标以及这些点在新的像平面上的坐标，求解新的相机外参，这是一个PnP的问题。

每次采样三个点，得到相机姿态。把其他的点通过刚求出的相机姿态投影到像平面，计算重投影误差。通过误差找到内点，统计内点个数，不断采样，直到内点个数最多。最后使用这些内点求出相机姿态。

• 单个相机的捆绑调整

相机姿态的非线性优化

• Tracks重建

增加视角后，会产生新的tracks（有超过两个视角的匹配点）

• Tracks滤波

重建后一定要进行滤波

• 全局的捆绑调整

增量捆绑调整的优缺点

优点：

1. 对特征匹配外点鲁棒
2. 重建精度高
3. 捆绑调整不断优化场景结构

常用来做算法比较的基准

缺点：

1. 对初始相机对的选取以及相机的添加顺序敏感
2. 大场景产生累计误差导致场景漂移
3. 重复进行捆绑调整，效率低

重建结果

开源工具：

Bundler：增量的捆绑调整

VisualSFM：加速版本的增量SFM

Theia

Colmap

焦距的获取

径向畸变系数一般直接设置为0。

• 自标定的方法获取初始值，如VisualSFM
• 从可交换图像文件中读取EXIF初始值，如Bundler

尺度不确定性

没有实际的距离。点云中1mm不是实际中的1mm。点云的单位需要使用GPS进行地理标注，相机使用GPS得到真实的地理坐标。

动态物体

标准的SFM只能重建场景中的动态物体，对物体进行运动补偿。

重复结构

由于描述子都是局部的，有很多的重复结构，会出现错误的匹配。

非朗伯面

朗伯面上的点朝每个方向的反射都是一样的。

而镜面或水面是非朗伯面，只在一个方向上的反射特别强，难以得到匹配点。

使用NCC的方法对局部的纹理进行匹配。

 

参考链接：基于图像的三维模型重建4——增量SFM