融合形态学与特征点检测的建筑物自动三维重建关键技术研究

发布时间：2017-10-15 02:06

  本文关键词：融合形态学与特征点检测的建筑物自动三维重建关键技术研究

  更多相关文章： 中值滤波 消失点估计 角点检测 顶点检测 三维重建

【摘要】：建筑物三维重建是获取建筑物三维结构信息的重要手段,在城市规划、灾害监测、通信设施建设和数字城市等领域具有非常广泛的应用。本文致力于研究一种融合形态学与特征点检测的建筑物三维重建技术,使建筑物三维重建的自动化成为可能。本文主要研究内容如下：(1)提出了一种基于图像局部纹理的自适应中值滤波算法,采用双层滤波窗口,通过四种不同的纹理信息及其标准差,快速有效地修复噪声像素,避免了脉冲噪声对图像的影响,为后续的直线检测和角点检测提供了优质的输入图像。(2)研究了一种改进的消失点估计算法,利用透视原理,根据建筑物的形态学特征和MSAC算法的固有缺陷,对错误的消失点进行了修正,确保检测到的直线都被正确地分类到不同方向。(3)研究了一种结合直线信息、角点信息和消失点信息的,基于形态特征的建筑物顶点轮廓提取方法,对外形为立方体及立方体组合的建筑物的轮廓和顶点进行了自动化提取,并通过SIFT特征提取与匹配计算图像间基础矩阵,得到不同图像上顶点轮廓的对应关系。(4)针对摄影测量的特定要求,基于前述算法,在自动提取的基础上,加入了人工干涉的功能以修正错误的轮廓和消失点,最终开发了一套针对常规立方体建筑物的序列图像三维重建系统,并设计实验验证了前述算法的有效性。
【关键词】：中值滤波 消失点估计 角点检测 顶点检测 三维重建
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU198;TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 课题研究背景9-10
• 1.2 国内外研究现状10-12
• 1.3 本文的研究内容及章节安排12-15
• 第二章 图像三维重建基础理论与方法15-33
• 2.1 建筑物三维重建系统技术路线15-16
• 2.2 相机标定16-21
• 2.2.1 相机模型16-18
• 2.2.2 相机畸变18-19
• 2.2.3 单应性矩阵19-20
• 2.2.4 张正友标定20-21
• 2.3 边缘检测21-24
• 2.3.1 Sobel算子22
• 2.3.2 Canny算子22-24
• 2.4 直线检测24-27
• 2.4.1 Hough变换直线检测24-25
• 2.4.2 LSD直线检测25-27
• 2.5 鲁棒估计算法27-29
• 2.5.1 RANSAC算法28
• 2.5.2 M估计子算法28-29
• 2.6 非线性最小二乘算法29-31
• 2.6.1 Gauss-Newton算法30
• 2.6.2 L-M算法30-31
• 2.7 本章小结31-33
• 第三章 基于图像局部纹理的自适应中值滤波算法33-41
• 3.1 中值滤波算法概述33-34
• 3.1.1 算法原理33-34
• 3.1.2 算法步骤34
• 3.2 基于图像局部纹理的自适应中值滤波算法34-40
• 3.2.1 ASWM滤波算法步骤34-35
• 3.2.2 AMUT滤波算法步骤35-37
• 3.2.3 实验结果37-40
• 3.2.4 结论40
• 3.3 本章小结40-41
• 第四章 基于透视原理的改进的MSAC消失点估计算法研究41-57
• 4.1 基于MSAC的消失点估计算法41-44
• 4.1.1 MSAC算法42-43
• 4.1.2 距离函数43-44
• 4.2 基于透视原理的改进的MSAC消失点估计算法44-55
• 4.2.1 透视原理44-47
• 4.2.2 算法原理47-49
• 4.2.3 算法步骤49-51
• 4.2.4 实验结果51-54
• 4.2.5 结论54-55
• 4.3 本章小结55-57
• 第五章 基于形态特征的建筑物特征提取算法研究57-79
• 5.1 特征点检测算法57-61
• 5.1.1 Harris角点检测算法57-58
• 5.1.2 Shi-Tomasi角点检测算法58-59
• 5.1.3 SIFT特征点检测算法59-60
• 5.1.4 现有算法用于建筑物三维重建的问题分析60-61
• 5.2 特征点匹配算法61-62
• 5.2.1 NCC匹配算法61-62
• 5.2.2 最近邻匹配算法62
• 5.3 基于形态特征的建筑物顶点及轮廓提取方法62-76
• 5.3.1 算法原理63-67
• 5.3.2 算法步骤67-69
• 5.3.3 实验结果69-76
• 5.3.4 结论76
• 5.4 本章小结76-79
• 第六章 基于序列图像的建筑物三维重建系统开发及其应用79-109
• 6.1 两幅图像的三维重建79-86
• 6.1.1 对极几何79-80
• 6.1.2 基础矩阵80-81
• 6.1.3 本质矩阵81-82
• 6.1.4 恢复相机运动参数82-85
• 6.1.5 三角测量法85-86
• 6.2 序列图像的三维重建86-90
• 6.2.1 序列图像三维重建86-88
• 6.2.2 图像匹配过程控制88-90
• 6.3 三维重建系统90-94
• 6.3.1 误差控制算法90-91
• 6.3.2 三维重建系统构架91
• 6.3.3 关键数据结构91-94
• 6.4 三维重建系统实验结果94-107
• 6.4.1 顶点匹配96-98
• 6.4.2 点云重建98-100
• 6.4.3 线框模型获取100-104
• 6.4.4 纹理映射104-107
• 6.5 本章小结107-109
• 第七章 总结与展望109-111
• 7.1 论文总结109
• 7.2 展望109-111
• 致谢111-113
• 参考文献113-117
• 攻读硕士期间取得学术成果117

【参考文献】

中国期刊全文数据库 前8条

1 流言;;手机摄影中的透视[J];电脑爱好者;2016年01期

2 章为川;孔祥楠;宋文;;图像的角点检测研究综述[J];电子学报;2015年11期

3 谷晓晨;阚红星;杨青山;周建理;;采用123D Catch建立中药材的3D模型[J];安徽中医药大学学报;2014年01期

4 程效军;许诚权;周行泉;;基于PhotoModeler Scanner的普通数码相机快速检校研究[J];遥感信息;2011年04期

5 张媛媛;;浅析中值滤波[J];科技经济市场;2010年05期

6 王继阳;文贡坚;吕金建;李德仁;;建筑物三维重建方法综述[J];遥感技术与应用;2009年06期

7 章毓晋;;机器视觉和图像技术[J];自动化博览;2009年02期

8 邱茂林,马颂德,李毅;计算机视觉中摄像机定标综述[J];自动化学报;2000年01期

，

本文编号：1034444