物体和场景的三维数据包含着更丰富的视觉信息,这些信息在生产、生活中具有十分重要的价值和广阔的应用前景。计算机视觉中的三维重建技术由于具有成本低廉、不受体积和空间限制、高效等优点,而成为人们的研究热点,并逐渐应用到各种三维感知的场景中。基于光度信息的三维重建技术,在恢复物体表面细节方面具有较大的优势,但从图像单一光度信息中恢复物体三维形状往往会出现深度畸变的问题,同时,理想的重建条件是在拥有多个已标定光源的暗室中进行,这大大减低了该技术的实用性和鲁棒性。另外,近年来随着微软Kinect等深度相机的普及,通过传感设备直接获取物体的三维信息变的更加简单、快捷,然而直接采集到的深度数据所含噪声过多,细节丢失较为严重,在一些场景中难以适用。基于上述问题,本文的主要工作是将RGB图像的光度信息和直接获取的深度信息进行融合重建,从而可以得到一个精度相对较高、细节丰富完整的物体三维模型。首先在理想暗室环境下,通过融合RGB图像的光度信息和Kinect相机直接采集的深度信息来完成物体单视角的三维重建,之后在改进的光照模型的基础上,实现全局光照下物体的三维重建,最后在多个不同视角下进行重建,提取点云数据,配准,从而得到一个完整的三维模型。具体工作总结如下:(1)RGBD融合偏微分光度立体法的三维数字化。在理想暗室环境下,首先用平行白光源在多个不同方位照射被测物体,并使用Kinect相机采集物体表面光照变化的一组RGB图像信息和深度信息,同时以图像中的标定球来计算光源每次照射时的方位信息。采用RGBD融合的偏微分光度立体法,通过RGB图像三通道间的光度比消除反射率,构建以梯度为未知量的无反射率线性偏微分方程组,即代价函数的光度约束项,之后利用Kinect相机直接获取的深度信息构建深度约束项,并以拉普拉斯算子构建物体表面的拉普拉斯平滑项,最后得到一个由偏微分光度项、深度项和拉普拉斯平滑项所组成的以深度为未知量的代价函数。通过最小二乘估计的正规方程来对超定的线性方程组进行求解,从而恢复出一个精度较高、细节丰富的物体三维信息。(2)全局光照下RGBD融合的三维数字化。通过RGBD融合的偏微分光度立体法可以得到较为精确的物体三维信息,但重建环境为理想暗室下,光照条件为需要标定方位的平行光源,这样的约束降低了算法的鲁棒性和实用性。因此在偏微分光度立体法的基础上,采用全局光照模型,以一阶球谐函数来表示自然环境下的混合光照,构建全局光照下的偏微分光度约束项,解除重建环境和平行光源标定的限制,并融合先验的深度信息,构建深度约束项,通过各项构成的代价函数对物体深度进行求解,从而实现任意光照条件下的物体三维数字化。(3)全视角三维数字化。在完成2.5维重建后,为了得到物体的全视角三维信息,利用全局光照下RGBD融合算法在多个不同视角下对物体进行重建,并提取点云数据,之后以NDT(Normal Distribution Transform)粗配准和ICP(Iterative Closet Point)精配准相结合的方法来进行多帧点云数据的拼接和融合。首先考虑到不同帧点云之间变换角度较大、点数量较多、ICP容易陷入局部最优造成配准失败等问题,以NDT进行点云的快速粗配准,之后通过ICP进行精配准,最后对完整的点云进行泊松表面重建并进一步进行色差修正,从而得到一个全视角物体三维模型。通过理想环境下的仿真和真实重建实验,验证了论文算法的有效性,同时以相关算法为参照,各重建结果与标准模型的误差对比进一步说明了算法在精度上的优势,论文算法以信息融合和变量转换的思想,通过物体表面光度信息和直接采集的深度信息来约束重建,从而最终在任意光照环境下获得一个表面细节完整丰富、整体精度较高的物体三维信息,其在三维感知的现实场景中具有一定的实用价值。