近年來，發展電腦三維重建技術的相關研究領域中，在硬體技術上，
目前以立體視覺法(Stereovision)最為普遍，主要是此法是利用兩台攝影機 來擷取物體之影像，在概念上類似人類的雙眼，藉由雙眼感知的影像相 疊，並且推算出深度。若已知兩攝影機彼此間距與焦距長度，擷取的左右 兩張圖片又能成功地結合，則深度資訊即可推得。此法須仰賴有效的圖片 像 素 匹 配 分 析 (Correspondence Analysis) ， 一 般 使 用 區 塊 比 對 (Block Matching)或同軸幾何(Epipolar Geometry)演算法[23-24]達成。再來，也有 一些研究，是利用單一台攝影機，將三維物體放在可旋轉的轉盤上，當轉 盤驅動時，攝影機便可擷取物體不同角度的影像，最後將擷取到的影像透 過外型剪影(shape from silhouette, SFS)演算法[25]重建三維物體。以下將介 紹目前在電腦三維重建技術上比較普遍與比較特別的一些技術。
Fujimura [9]等學者，在系統建模演算法上提出一套應用於三維人頭 建模的新式兩階段立體視覺(Stereovision)演算法。首先，採用以特徵為基 礎的作法(Feature-Based Approach)獲得深度數據。接著，利用深度數據插 補(Interpolation)的方式，來預測位於影像邊緣之未估測像素的深度數據。
最後，採用以面積為基礎之立體視覺匹配(Area-Based Stereo Matching)的作 法及次像素估測(Subpixel Estimation)來修正深度數據。而該演算法結合了 外型剪影演算法技術與主動式立體視覺技術來實現三維人頭建模系統。此 種重建方式雖然精確度非常高，但相對的，在整體系統建構的複雜度上也
- 8 -
國立臺灣師範大學機電科技學系
第一章 緒論
是非常地高，如相機校正、影像校正等等…，三維重建系統如圖 1-11 所示。
圖 1-11 人頭重建系統 (a)系統外貌；(b)系統內部概觀
(a) (b)
Shreedhara [26]等學者，提出以一系列的二維橫截面輪廓或曲線，自 動地重建出三維物體。其二維橫截面輪廓可以貝茲曲線技術(Bezier Curve Technique)來獲得，或是以邊緣檢測技術 (Edge Detection Technique)從二維 影像中提取感興趣的區域當作二維橫截面輪廓。接著，利用堆棧(Stack of Slices)的方式，將二維橫截面輪廓堆疊起來，並且以網格 (Mesh)來連接每 一橫截面輪廓。當堆棧的資料不夠密集時，可利用動態彈性插捕技術 (Dynamic Elastic Interpolation Technique)，重建遺漏的二維截面資料。另 外，為了讓模型更有立體感，可利用Phong著色法技術 (Phong Shading Technique)來渲染模型的光澤，最後，利用他們自行開發的介面，將三維 模型顯示出來。此種重建方式比Fujimura的作法來的簡單，也容易執行，
但此種方式僅適合外型結構簡單且對稱的模型，若要重建複雜模型，技術 上有待作進一步之加強。
Nishino [27]等學者，建立一個三維建模環境，來輔助新的形狀概念化 (new shape conceptualization)。使用者可透過徒手描繪介面，先粗略地設計 出二維幾何模型，此時繪圖介面透過觀測與紀錄描繪者的繪圖行為，以 FSCI法 (Fuzzy Spline Curve Identifier)鑑別出二維幾何模型的圖樣，接著，
再以SAM (Shape Approximation Method)方式精確地擬合出二維或是三維 的 基 本 模 型 ， 如 圖 1-12 。 該 系 統 可 藉 由 IEC (Interactive Evolutionary Computation)為基礎的3DSE (3D Shape Explorer)來做為外型的偵測方法，
- 9 -
國立臺灣師範大學機電科技學系
第一章 緒論
且系統會依照原三維模型自動地演化出近20種的三維模型供使用者挑 選，最後，將該建模程序整合到一個參數化的三維建模系統，讓使用者透 過參數變更的方式，來重建出使用者自己想要的模型樣式。
圖1-12 以SAM法執行二維到三維形狀近似轉換
此重建系統有別於一般以攝影機為基礎的三維重建技術，在硬體設備上比 立體視覺法來的簡單容易，很適合用來發展視覺化三維建模系統，但該系 統並非直接針對物體的實際外型來重建出三維模型，故並非是一套擬真的 重建系統。
El hafed [28]等學者，提出一個具有強健性(Robust)的3D物體重建作 法。這個方法是使用直角平行投影方式，來重建3D物體，如圖 1-13(a)。
根據物體投影法的概念，提取感興趣的投影點，而非投影的每一像素 (體 素圖方法)。由正交視角系統獲得等角投影視圖:前視圖、上視圖與右側視 圖，作為影像投影資料來源的依據，如圖 1-13(b)。
另一方面，本篇研究採用角偵測法 (Corner detection)來檢測影像中的 轉角點。而該演算法提供了影像轉角點的整體像素位置，這可偵測並定出 影像次像素的位置。一般而言，偵測系統的特點是它的定位 (localization) 跟它的可重複性 (repeatability)。而定位代表可偵測到圖片中的二維點，並
- 10 -
國立臺灣師範大學機電科技學系
第一章 緒論
精確地對應到場景中的三維點。可重複性則代表可以從一系列連續的影像 中，偵測到相同的點。但由一些著作研究指出，在定位與可重複性之間是 存在矛盾的。因此，如同 Canny (John F. Canny 於 1986 年開發出來一個 多級邊緣檢測演算法，提出邊緣檢測理論的工程師[29]。)所提的，平滑提 高了可重複性，但使定位更加困難。故本研究針對上述的問題，提出 Harris detector algorithm (Chris Harris 所提出[30]。)的作法，並利用 Harris detector algorithm 來提取在每一視圖中感興趣的投影點，最後，使用3D空間中感 興趣的交點重建出 3D 模型曲面。另外，為了模型平滑度的效果，作者引 入以分割為基礎的平滑表現法(Smooth representation)，來修正線性平面網 格。
(a)
(b)
圖1-13 (a)直角投影的方式；(b)I.三維投影各視角；II.上視圖；III.前視圖IV.
右側視圖