一种基于视频流的快速三维建模方法

技术领域

本发明涉及三维建模技术领域，具体为一种基于视频流的快速三维建模方法。

背景技术

随着计算机技术的发展，虚拟现实技术得到了长足的发展，虚拟现实是在虚拟的数字空间中模拟真实世界中的事物，需要真实世界的事物在数字空间中的表示，于是催生了虚拟现实中的建模技术，虚拟现实对现实“虚拟"得到的模型，是与建模技术紧密相关，在三维建模中利用视频流的图像内容对模型进行构建，对视频内容信息进行重构投影构成三维建模，在通过视频数据建模过程中却存在一些缺陷，就比如：

在视频数据采集分解过程中的计算的位置与位姿信息与实际区域下拍摄区域具有误差，在建模过程中容易出现断层以及形变，且通过分组的状况对视频信息进行分分组建模导致内部数据相互独立，数据难以整合影响建模的数据库准确性，并且相机拍摄过程中的位移以及视角受限使得标记点颜色变化，使得数据模型构建难度增加。

针对上述问题，急需在原有三维建模的基础上进行创新设计。

发明内容

本发明的目的在于提供一种基于视频流的快速三维建模方法，以解决上述背景技术中提出计算的位置与位姿信息与实际区域下拍摄区域具有误差，在建模过程中容易出现断层以及形变，且通过分组的状况对视频信息进行分分组建模导致内部数据相互独立，数据难以整合影响建模的数据库准确性，并且相机拍摄过程中的位移以及视角受限使得标记点颜色变化，使得数据模型构建难度增加的问题。

为实现上述目的，本发明提供如下技术方案：一种基于视频流的快速三维建模方法，包括S1：将拍摄视频导入计算机，通过计算机确定视频中所需的几个标记点位置，对视频中出现的标记点画面进行选定，确定初始标记点的关键帧；

S2：将S1中选出的初始标记点的关键帧画面对应视频中画面，结合标记点的颜色的以及深度信息选出视频画面的标记点；

S3：根据S2标记点信息对视频进行拆分，将视频拆分成所需视频画面，通过不同的标记点关键帧进行建档收组；

S4：根据S3中确定的图组内部标记点，以标记点为中心覆盖整张图片网格构成坐标信息，同组的以标记点为中心填充覆盖周边图片；

S5：根据S4将多个标记点构成的网格通过计算相机的内参以及外参数据，计算扭曲数据，将多个网格数据点与三维模型构建形成。

采用上述技术方案，提高对视频图像选取数据的准确性，便于对关键整提取。

优选的，所述视频文件数据提供高度信息以及相机标定的内参数与外参数，以及教具和视频图像参数，通过图片的P1、P2、P3、P4四点位置投影到地面坐标，与地面坐标的P1、P2、P3、P4位置对应重合，确定四边形位置计算面积。

采用上述技术方案，便于计算图形之间的误差融合的数据，填充空白部分。

优选的，所述通过关键帧抽取模块在视频画面内部设有多个标记点，在对画面建立网格坐标信息时，分别以初始第一个标记点为原点制作网格信息，以网格信息的对应其他的标记点位置确定坐标位置信息。

采用上述技术方案，为所有的坐标位置信息提供中心坐标轴信息，便于信息融合。

优选的，所述通过计算机重合匹配模块，将视频画面内的初始标记点中可选中二次标记点辅助初始标记点进一步细化网格坐标模型数据，提高准确性，为同名的标记点进行多点重合认证。

采用上述技术方案，对每组图组内部坐标信息数据快速填充补充填充该图组的数据。

优选的，所述在S2中通过选定的初始标记点位置的颜色信息以及深度信息，通过计算机计算对选定的视频画面内初始标记点位置进一步重叠定位。

采用上述技术方案，提高对标记点选定位位置的精确选定以及核算作业。

优选的，所述设有多个标记点的单一视频画面关键帧，进入画面所有标记点的组合内部，图画的坐标信息以初始第一个标记点的坐标信息为主。

采用上述技术方案，对所有构成的标记点提供主坐标轴信息，便于模型塑造定型。

优选的，所述通过计算机标记点优化模块，将初始选定的标记点的颜色信息以及深度信息，对视频内关键帧标记点进行匹配，抽取标记点周边特征点云位姿对比，匹配成功加入关键帧数据。

采用上述技术方案，提高对标记点选定计算的位置准确性，便于对标记点关键帧匹配。

优选的，所述通过视频画面匹配模块对关键帧视频画面建档收纳时，标记点与周边的特征点位姿通过光束法缩减平差进行优化，再将特征点位姿作为节点，通过计算机视觉矩阵分解机型数据计算。

采用上述技术方案，通过特征点添加对计算得出的标记点位置进行复位核算标定。

优选的，所述在S5将所有标记点的作为模型通过多个标记点的图片坐标初步整合，通过系统的关键帧抽取模块、计算机重合匹配模块、计算机标记点优化模块对数据的整合密集匹配构成密集点云模型构建三维坐标进行建模。

采用上述技术方案，便于对构成的多个标记点位置的坐标系信息对标构建。

与现有技术相比，本发明的有益效果是：该基于视频流的快速三维建模方法：

1.在对视频信息的图画内部进行计算，以及位姿定位使用过程与其他标记点的位置坐标对齐投影交换，对视频瞄准的信息数据进行不断复算，为标记点位置的周边特征点进行填充增加之间密度，便于三维模型的精确构成，对坐标位置进行精确定位计算；

2.通过对同个视频图像内部选定多个初始标记点，为视频图像的数据提取选定主要的坐标中心，对三维模型的构建提供主要构建位置的精确计算，通过四点矩阵以及透视投影矩阵对构建的模型进行计算，将构建的多个坐标关系关联构成整体数据库进行三维构建；

3.在对视频画面中的标记点筛选作业使用时，通过深度信息以及颜色信息双层锁定，配合标记点周边特征点的点云数据进一步锁定推断视频中其他标记点位置提取，便于对标记点的关键帧进行提取收纳构成对应坐标信息整理。

附图说明

图1为本发明三维建模方法框架示意图；

图2为本发明视频信息关键帧抽取流程示意图；

图3为本发明视频关键帧重叠度计算示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-3，本发明提供一种技术方案：一种基于视频流的快速三维建模方法，包括关键帧抽取模块对导入计算机内部的视频数据选定初始关键帧，结合周边的特征点点云数据持续对视频内部画面进行抽选对应的标记点关键帧画面，通过周边特征点确定该画面为关键帧收入对应关键帧图组内部，计算机重合匹配模块以初始标记点为中心向图画周边衍生网格坐标，对多个标记点构建对应的中心坐标，计算机标记点优化模块通过含有多个标记的图画以初始第一个标记点位置的坐标，将其余标记点坐标拼合构成完整的密集点云模型，结合相机坐标数据以及内外参数纠正扭曲画面生成三维模型；

本实施例中，S1：将拍摄视频导入计算机，通过计算机确定视频中所需的几个标记点位置，对视频中出现的标记点画面进行选定，确定初始标记点的关键帧；

通过多个机位的摄像头拍摄的视频文件，对需要模拟构成的物件进行多角度的拍摄，在数据文件导入计算机内部，通过标记视频文件中目标物体以及环境，读取视频文件的三维坐标信息文件，该标记点构成含有多个初始标记点的关键帧画面，使得标记的数据文件的顶点/纹理坐标/法线，数据标记记录的方式如下所示：

在一些实施例中，视频文件数据提供高度信息以及相机标定的内参数与外参数，以及教具和视频图像参数，通过图片的P1、P2、P3、P4四点位置投影到地面坐标，与地面坐标的P1、P2、P3、P4位置对应重合，确定四边形位置计算面积，通过关键帧抽取模块在视频画面内部设有多个标记点，在对画面建立网格坐标信息时，分别以初始第一个标记点为原点制作网格信息，以网格信息的对应其他的标记点位置确定坐标位置信息；

结合附图的图3所示，P1、P2、P3、P4，采用眼坐标指定自动生成纹理坐标的参考面，设定为一对一映射，把自动生成的纹理坐标分量的参考面均设定为值，眼坐标系下的顶点坐标和对应的参考面之间的距离，就是对应自动生成纹理的坐标数值，表达式为：

coord＝P

(P

表达式中，(xe,ye,ze,we)为物体顶点在眼坐标系中的坐标；P1、P2、P3、P4为参考面的4个参数；M为模型视点转换，视频图像为纹理创建提供原始图像，便于与初始的三维模组构建，在图像特征点调整选取过程中，不同视频内拍摄的相同图画内部数据插如下所示，通过计算机对P1、P2、P3、P4之间数据误差进行补充填充视点矩阵内部差额，对标记点位置信息匹配确定；

在一些实施例中，S2：将S1中选出的初始标记点的关键帧画面对应视频中画面，结合标记点的颜色的以及深度信息选出视频画面的标记点；

由S1中挑选的初始标记点的关键帧画面，通过标记点的图像轮廓以及标记点的颜色的以及深度信息，对视频文件的图片信息画面进行标点位置的补充选定，将计算出的携带标记点的图片进行标记；

在一些实施例中，通过计算机重合匹配模块，将视频画面内的初始标记点中可选中二次标记点辅助初始标记点进一步细化网格坐标模型数据，提高准确性，为同名的标记点进行多点重合认证，在S2中通过选定的初始标记点位置的颜色信息以及深度信息，通过计算机计算对选定的视频画面内初始标记点位置进一步重叠定位；

通过初始标记点的颜色的以及深度信息，对视频文件的计算，由于受到物体遮挡、光照不均匀等因素的影响，容易造成复杂形状物体的区域扫描盲点，形成孔洞，通过颜色的以及深度信息数据对比确定标记点的重合认证，确定标记点位置，对图片中标记点快速选定，快速补充标记点的信息数据，进一步细化网格坐标模型数据，实现通过颜色信息以及深度信息快速锁定推导标记点位置；

在一些实施例中，S3：根据S2标记点信息对视频进行拆分，将视频拆分成所需视频画面，通过不同的标记点关键帧进行建档收组；

拍摄视频文件进入计算机内部后被拆分成多个图片，通过计算机对视频中的标记点画面进行抽选，对不同标记点位置分段抽选，建立对应名称的图组以及档案信息；

在一些实施例中，设有多个标记点的单一视频画面关键帧，进入画面所有标记点的组合内部，图画的坐标信息以初始第一个标记点的坐标信息为主，通过计算机标记点优化模块，将初始选定的标记点的颜色信息以及深度信息，对视频内关键帧标记点进行匹配，抽取标记点周边特征点云位姿对比，匹配成功加入关键帧数据；

在对同个画面内出现多个标记点位置时，将其复制放入图片内出现的标记点位置的图组内部，在对图组内标记点位置复算时，抽取标记点周边的特征点云位姿，通过将重复点云的特征点重合实现对图组内部多个图片的标记点拼接，去除一致以及与特征点不匹配的数据信息，使其加入关键帧筛选数据，对视频内图文信息进行快速抽取匹配限定，优化图组内部数据点云信息数据库，精简数据，去除冗余图片，加快数据处理；

在一些实施例中，S4：根据S3中确定的图组内部标记点，以标记点为中心覆盖整张图片网格构成坐标信息，同组的以标记点为中心填充覆盖周边图片；

在图组内将标记点以及周边的特征点云信息位姿拼接完成之后，以图组内的初始标记点位置为中心对拼接完成的图形构成棋盘的网格状坐标信息，对图像的中心点数据以及特征点数据进行匹配锁定，进一步精简图像的信息；

在一些实施例中，通过视频画面匹配模块对关键帧视频画面建档收纳时，标记点与周边的特征点位姿通过光束法缩减平差进行优化，再将特征点位姿作为节点，通过计算机视觉矩阵分解机型数据计算；

图像信息拼接以及锁定完成之后，通过HE算法，遍历每一帧图像中的所有像素，记录每个灰度值出现的像素个数，统计每个灰度值占总像素的百分比，也就是每个灰度值出现的概率，然后建立一个映射表，对原图像的灰度值一一进行映射，修改成新的灰度值，映射关系为：

新灰度值＝(最大灰度值(255)-最小灰度值(0))*累积概率

进一步优化图像内容，使得特征点云位姿数据配合光束法再次筛选，减少平差，使得特征点位姿作为节点，通过视觉矩阵分解机型数据计算，通过对特征值分解，将一个矩阵分解成对矩阵中的特征向量组成的正交阵，对特征点选定，便于构成坐标信息数据与纹理图像信息和三维模型融合对接构建，根据纹理特征变化计算表面方向；

在一些实施例中，S5：根据S4将多个标记点构成的网格通过计算相机的内参以及外参数据，计算扭曲数据，将多个网格数据点与三维模型构建形成；

将构成的坐标位置数据的网格通过相机的内参以及外参数据，对相机的扭曲位置进行矫正，便于网格数据对三维数据进行构成由点云数据与直线构成三维模型

在一些实施例中，在S5将所有标记点的作为模型通过多个标记点的图片坐标初步整合，通过系统的关键帧抽取模块、计算机重合匹配模块、计算机标记点优化模块对数据的整合密集匹配构成密集点云模型构建三维坐标进行建模；

具有多个标记点的图片坐标信息，以初始第一个标记点的坐标重点为重点，将剩余图组的坐标进行拼合，使得初始第一个标记点的坐标整理融合多个坐标内容，在大图形内以初始第一个标记点为中心坐标位置信息向下覆盖其他坐标信息，将其他坐标信息优先级先后推动，便于提高对数据的整合，通过整合密集点云数据结合关键帧数据采用立体视觉方法与三维模型融合组建。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。