基于虛擬現實技術的3D 圖像重建方法

畢軍濤

（青島酒店管理職業技術學院 山東 青島 266100）

0 引言

當前，在圖像重建領域當中，針對多維度的圖像重建已經成為該領域重點研究內容，3D 圖像重建技術的發展將會推動其他多個領域的進步，如計算機動畫、醫學圖像處理等。三維重建是指對三維物體建立適合計算機表示和處理的數學模型，是在計算機環境下對其進行處理、操作和分析其性質的基礎，也是在計算機中建立表達客觀世界的虛擬現實的關鍵技術。當前針對圖像的立體重建主要是通過3D 掃描實現，在重建的過程中需要進行大量的復雜測算，并運用測算得到的三維點云數據重建構建3D 圖像。這種方法不僅操作復雜、計算量大，并且結果可能無法達到預期[1]。隨著這項技術的成熟運用，當前已經能夠實現對圖像明暗形狀的恢復和對立體視覺的重建。但由于技術仍然存在不足，在操作過程中極容易受到操作手法上的限制，無法實現對更復雜場景圖像的重建。因此，針對這一問題，嘗試引入虛擬現實技術[2]。虛擬現實技術是計算機技術逐漸演化產生的全新技術，利用該項技術能夠實現對場景的模擬，并通過從多個途徑獲取到的信息融合，實現對交互式三維動態場景的展現，以此達到仿真的效果。虛擬現實技術具有沉浸性、交互性、多感知性、構想性等諸多優點，因此在實際應用中，虛擬現實技術能夠實現三維圖像生成，進行動態環境建模，在現有3D 圖像重建技術的基礎上，應用虛擬現實技術，探究一種全新的圖像重建方法。

1 3D圖像重建方法

1.1 基于虛擬現實技術確定圖像最小識別距離

在對3D 圖像進行重建時，其重建效果主要受到各個幀點的像素分辨率影響，分辨率越低，則重建圖像當中現實的內容越不清晰，包含信息要素更單一；反之，分辨率越高，則重建圖像中顯示的內容越清晰，包含信息要素更豐富[3]。基于這一特點，為了提升重建后3D 圖像的質量，需要充分考慮到圖像分辨率限制的問題。由于圖像分辨率受到圖像識別距離的影響，因此，在引入虛擬現實技術的基礎上，確定像素識別的最小距離。在光學原理的支撐下，將通過專業攝像機掃描得到的圖像目標點看作一個光源結構。在兩個光源結構之間，通常會形成一個或多個艾里斑。若其中一個艾里斑的中心與另一個艾里斑的邊緣重疊，則說明此時兩個艾里斑之間存在著最大識別距離[4]。根據上述論述特征，將其以表達式的方式展現，得到公式（1）：

公式（1）中，δ表示兩個艾里斑之間直線連接的最大距離；l表示實景圖像與專業攝像機之間的實際直線距離；λ表示圖像點光源在進入到專業攝像機當中的實際波長；D表示光源通過的路線直徑大小。從上述公式（1）中可以看出，隨著波長不斷增加，專業攝像機光學結構中可識別的最大距離會隨之增加，導致圖像分辨率降低，使得圖像出現降質現象；反之波長不斷減小，專業攝像機光學結構部分能夠識別到的最大距離會逐漸縮小，進而使得圖像的分辨率增加，達到提升圖像重建質量的目的[5]。在明確這一特點后，圖像探測裝置的識別最小目標也是影響圖像分辨率的影響因素之一。真實場景當中的畫面信息能夠通過虛擬現實技術被圖像探測裝置接收并轉換為電信號[6]。通過上述分析得出，場景圖像探測裝置的分辨率通常為定值，并且該數值一般會超過場景中其他光學衍射的分辨率。因此，基于這一特點，通過選擇本身分辨率較高的圖像探測裝置，能夠達到提升重建后圖像質量的效果。按照上述公式（1）確定圖像的最小識別距離能夠保證后續3D 圖像重建的分辨率。

1.2 計算3D 圖像重建點坐標

在對實景事物進行3D 圖像重建時，引入虛擬現實技術，對實景進行全方位掃描，確定實景圖像當中各個幀點坐標。在測定后，基于參數轉換標準對實景數據進行處理，

并得到各個重建點在三維空間中的坐標。在重建前，選定一個圖像點作為三維空間原始坐標的原點。通常情況下，原點應選擇與3 個方向坐標軸距離相似的位置。在確定原點后，找出所有實景圖像坐標點與其對應的虛擬圖像坐標點映射。將兩種圖像融合到一個相同的坐標系當中。為了方便重建，將實景圖像看作是虛擬圖像通過旋轉得到的矩陣。將這一矩陣與實景圖像進行比較，其相互之間產生的平移量設置為t。利用虛擬值對重建3D 圖像進行描述，則虛擬值的表達式為：

公式（2）中，q表示為用于描述3D 圖像的虛擬值；w表示為虛擬值的橫軸坐標；x表示為坐標系中水平方向坐標數值；y表示為坐標系中垂直方向坐標數值；z表示為坐標系中的空間方向坐標數值。根據虛擬值，得出實景圖像轉換為重建3D 圖像的矩陣，其表達式為：

公式（3）中，p表示為實景圖像轉換為重建3D 圖像的矩陣表達式；mp表示為參數量轉換為重建3D 圖像的矩陣函數；Θ 表示為參數量；K表示為矩陣定標。根據上述公式，計算得出虛擬3D 圖像在坐標系當中的坐標，并生成3D 圖像重建模型[7]。但在實際重建過程中，提取實景圖像當中的特征會產生大量的噪音，造成提取后各個幀點坐標不正確，嚴重影響重建效果。因此針對這一問題，設置在實景圖像當中，各個參數的轉換需要符合基本矩陣函數，使其等式成立后，才能夠確定各個幀點的坐標。

1.3 測算3D 圖像重建深度距離

按照本文上述內容，確定重建3D 圖像各個幀點在坐標系當中的坐標后，還需要確定3D 圖像重建后的深度距離，并在確保每個幀點深度距離均相同的情況下，才能夠保證重建后3D 圖像的均勻性[8]。假設實景圖像中某一幀點與對應重建后3D 圖像中幀點之間的距離為d，中心點為f，則各個幀點的深度距離可用如下公式表示：

公式（4）中，de表示橫軸坐標、縱軸坐標或空間坐標上3D 圖像重建深度距離；e表示在實景圖像當中某一已知的坐標點；R表示3D 圖像虛擬坐標。當de為橫軸坐標上3D 圖像重建深度距離時，則此時R的取值為實景圖像中已知坐標點的空間坐標數值。當de為縱軸坐標上3D圖像重建深度距離時，則此時R的取值為實景圖像中已知坐標點的縱坐標數值。當de為空間坐標上3D 圖像重建深度距離時，則此時R的取值為實景圖像中已知坐標點橫軸坐標與縱軸坐標差值。根據上述公式（4）完成對3D圖像重建深度距離的測算，以此確定經過3D 重建處理后，各個幀點之間的正確位置。在重建過程中，按照公式（4）得出實際距離后，將該數值作為標準，進行對各個幀點的連接，并通過多個幀點的連接形成一個虛擬平面圖像。為了體現重建后圖像的立體感，還需要對虛擬平面圖像中各個幀點之間的實際深度進行計算，其計算公式為：

公式（5）中，T表示為虛擬平面圖像中各個幀點之間的實際深度。按照公式（5）中內容，測算得出虛擬平面圖形中各個幀點對應的圖像深度數值，并形成具有相同深度的立體圖像。綜合上述論述內容，完成對實景圖像的3D 重建，生成一個具有立體感的三維立體畫面。

1.4 背景圖像與前景圖像匹配與重建

引入高斯分布，按照相同權重比例，實現對圖像前景和圖像背景的量化描述。利用{M1，M2，M3，……Mn}作為圖像中各個幀點時間域上變化規律的表達，針對隨機一個幀點都應當滿足上述圖像前景與背景比例關系。在重建過程中，首先需要完成對實景圖像的掃描，并確定投影的空間坐標。針對掃描得到的結果進行參數化處理，并針對投影的空間坐標進行矢量化處理[9]。將上述經過處理后的數據作為依據，對實景圖像屬性特征參數進行計算，并將計算結果導入到編輯軟件當中進行統一修改。在上述操作基礎上，結合虛擬現實技術，將得到的數據導入，并完成3D 圖像的重建。在這一過程中，實現高斯正態分布的轉化能夠在極大程度上降低前景與背景在匹配過程中產生的誤差，以此降低背景圖像與前景圖像的匹配難度[10]。在轉換時利用重建圖像背景比例對3D 圖像中各個幀點的像素灰度進行限制。通常情況下，3D 圖像中背景的灰度頻率更高，而前景的灰度頻率更低。基于這一特征，實現對圖像前景和背景的區分。在明確前景和背景后，將其匹配到轉換前的3D 圖像當中，并對準各個幀點空間坐標，以此完成對實景圖像到3D 圖像的轉換，達到最終的重建目標。

2 對比實驗

為了驗證這一方法的應用效果，本文選擇將新的重建方法與傳統基于深度學習的重建方法應用到相同的實驗環境當中，針對同一實驗對象進行重建。以對比兩種方法重建效果的方式，實現對其應用優勢的對比與分析。在實驗過程中，選擇將某一住宅小區中某一民居環境作為實驗場景，在該場景中，利用兩種重建方法，實現對實景在虛擬場景當中的立體展現。首先，對兩種重建方法對圖像中幀點跟蹤能力進行評價和對比。將該民居環境多角度拍攝到的圖像作為資料，并利用3D 激光掃描技術對圖像進行全方位掃描，提取掃描結果當中的6 個幀點，將其作為跟蹤對象，分別利用兩種重建方法對其進行關鍵點跟蹤。在對幀點進行選擇時需要確保每個幀點的關鍵特征類型均不相同，并在此基礎上，確定各個幀點當中的像素點總量，6 個幀點的編號分別為Z01、Z02、Z033、Z04、Z05、Z06，各個幀點對應的像素點總量為：40 個、25 個、20 個、60 個、15 個、30 個。記錄兩種重建方法在對各個幀點跟蹤階段成功數量以及跟蹤消耗的時間，并將其記錄入表1 所示。

表1 兩種圖像重建方法幀跟蹤能力實驗結果記錄表

從表1 可以看出，本文設計的重建方法無論是在成功跟蹤像素段數量還是在跟蹤效率上都具有明顯優勢，實現對其幀跟蹤能力的初步驗證。

針對兩種方法重建后的3D 圖像，利用OpenCV 完成對其分辨率的測定，并將測定結果繪制成表2 所示。

表2 兩種重建方法重建圖像分辨率測定結果記錄表

從表2 中記錄的實驗數據可以看出，利用本文提出的重建方法得到的3D 圖像分辨率均為1 280 ppi×1 024 ppi，超過了原始圖像的分辨率，而基于深度學習的重建方法除了Z02和Z06幀點的分辨率與原始重建方法分辨率相同外，其他幀點的分辨率均小于原始圖像，不符合圖像重建的要求。因此，通過上述得出的實驗結果進一步證明，本文提出的重建方法在實際應用中能夠有效提高重建圖像的分辨率，實現對圖像內容更加清晰地展現。

3 結語

當前工業技術的發展逐漸成熟，在數控領域、測繪領域等眾多領域當中都對3D 圖像的重建技術提出了更高要求。在這樣的背景下，本文通過合理引入虛擬現實技術，提出了一種全新的圖像重建方法，并通過實驗的方式證明了新方法的應用優勢。在實際應用中，本文重建方法能夠有效解決重建累計誤差大、圖像處理時間長等問題，并且能夠實現對圖像中各物體更清晰地展現，得到良好的重建效果。在后續的研究中，為了進一步提高該方法的應用適用性，還將引入更多現代化的圖像處理技術和虛擬現實技術，對其進行優化，從而使其能夠適用于更加復雜的場景結構，實現對其更高分辨率的重建，為社會作出更大貢獻。