基于块匹配的多视图三维重建研究
发布时间：2021-09-23 20:56
多视图三维重建是一种通过不同视角的静态目标图片,估计目标的三维形状及表面纹理的三维重建方法。相比于激光扫描法、结构光法等主动式方法,它具有成本低、易于操作、应用场景广的优点。近十年来,随着运动恢复结构算法（Structure from Motion,SFM）的成功和硬件设备的发展（如高精度数字相机的普及、计算机算力的提升）,多视图三维重建的研究和应用得到了极大的发展。比如,已经可以通过互联网上的图片对城市规模的目标进行稀疏重建。尽管如此,为了适应更加多样的应用场景,比如对纹理重复或纹理缺失的目标进行重建,相关算法的鲁棒性、完整性和精度仍有待提高。本文对以无序图像集作为输入的多视图三维重建的相关技术进行研究,并对部分算法进行改进,提升了三维重建的鲁棒性、完整性和精确度。主要的研究贡献如下:1.实现了 GPU加速的SIFT算法,解决了 SIFT算法中特征点提取耗时长的问题。实验表明,该GPU加速的SIFT算法在保证精度的前提下,大大地提升了特征点的检测速度。同时,与同样利用GPU实现的SiftGPU算法和CudaSift算法相比,本文的实现具有速度快或精度高的优势。2.提出并实现了一种高鲁...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
图ｉ．ｉ：多视图三姙重建的流程示意??
浙江大学硕士学位论文?１绪＂ｉ仑??１．３本文研究内容??本文对多视图三维重建流程中的第２步和第３步的相关技术进行研究，包括相机??模型、特征点提娶运动恢复结构算法、基于块匹配的多视图立体匹配算法。技术路线??如图１．２所示。具体的研究内容如下：??１．多视图几何原理。多视图几何是多视图三维重建的理论基石之一，贯穿整个多视??图三维重建流程。相关内容包含了相机模型与相机标定、三角重构、对极约束、捆??集调整等。??２．?ＳＩＦＴ算法原理及实现细节。本文基于ＣＵＤＡ实现了?ＧＰＵ加速的ＳＩＦＴ算法，极大??地加快了特征点提取速度。??３．添加式和整体式的ＳＦＭ算法。结合相关论文和开源库ｏｐｅｎＭＶＧ的源代码，对??ＳＦＭ算法的理论和实现细节进行学习。结合两种方法的优缺点，提出一种混合式??的ＳＦＭ算法。在保留添加式方法鲁棒性的同时，利用旋转平均得到的全局旋转来??排除误匹配图像对、优化初始图像对选择和图像添加顺序，缓解了误差累计的问??题。??４．基于块匹配的多视图立体匹配算法。结合相关论文和开源库ｃ〇ｌｍａｐ的源代码，对??ＭＶＳ算法的理论和实现细节进行学习。通过寻找点云平面，对生成的稠密点云进??行位置优化和孔洞填充，提高了重建结果的真实性和完整性。??■?■?■?ｋ?■?＾?＿？？计算相对—■＾稀瞭ｋ？建?＿＿士??Ｈｉ＊？?与聊?（ＳＦＭ?算法）（ＭＶＳ?算法）＞?｜???＾?＿＿＿＿＿議議＿＿議＿??图１．２：技术路线??１．４论文内容安排??本文共有六章，每一章的内容概要如下：??第一章为绪论，介绍了多视图三维重建的研究背景及意义、研究现状、本文的研究??内容及论文内容安排。??６??
浙ａ：大学硕士学位论文?２多视图几何基础??２多视图几何基础??本章将介绍多视图几何的基础知识，包括相机模型、对极几何、三角重构和相机位??姿估计。这一章的内容是整个研究的基础，也是理解ＳＦＭ算法和ＭＶＳ算法的必备知??识。??２．１相机模型??２．１．１基本针孔相机模型??常见的相机拍摄遵循透镜成像原理，如图２．１所示。其中，／表示凸透镜的焦距，ｇ??表示成像平面到透镜的距离，ｐ表示物体到透镜的距离。它们关系如式２．１所示。??＇?ｐ?＾＾ｑ——Ｈ??图２．１：透镜成像原理??１?１?１??７?＝?Ｐ?＋?－ｑ?（２．１）??在一般的场景中，式２．１可近似为式２．２。小孔模型就是这种近似下的透镜成像??模型。??１?—?１?ｆ??—ｆ?＝?—，ｆ?＝?ｑ?（２．２）??虽然直接莸得的成像是倒立的，但可以通过筒单像素变换获得正立的像。为了使??得针孔相机模型更加直观和筒洁，一般采用前投影模型［３〇］，如图２．２所示。在前投影模??型下，成像是正立的。在前投影模型中，存在两个坐标系：三维的摄像机坐标系和二维??的图像坐标系，如图２．３所示。根据相似三角形，可知３Ｄ点Ｘ?＝?（Ｘ，ｙ，Ｚ）ｒ到投影点??８??
【参考文献】：
硕士论文
[1]基于图像序列的稠密三维重建关键技术研究[D]. 隗娜.中国科学院大学(中国科学院沈阳计算技术研究所) 2019
本文编号：3406396
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
图ｉ．ｉ：多视图三姙重建的流程示意??
浙江大学硕士学位论文?１绪＂ｉ仑??１．３本文研究内容??本文对多视图三维重建流程中的第２步和第３步的相关技术进行研究，包括相机??模型、特征点提娶运动恢复结构算法、基于块匹配的多视图立体匹配算法。技术路线??如图１．２所示。具体的研究内容如下：??１．多视图几何原理。多视图几何是多视图三维重建的理论基石之一，贯穿整个多视??图三维重建流程。相关内容包含了相机模型与相机标定、三角重构、对极约束、捆??集调整等。??２．?ＳＩＦＴ算法原理及实现细节。本文基于ＣＵＤＡ实现了?ＧＰＵ加速的ＳＩＦＴ算法，极大??地加快了特征点提取速度。??３．添加式和整体式的ＳＦＭ算法。结合相关论文和开源库ｏｐｅｎＭＶＧ的源代码，对??ＳＦＭ算法的理论和实现细节进行学习。结合两种方法的优缺点，提出一种混合式??的ＳＦＭ算法。在保留添加式方法鲁棒性的同时，利用旋转平均得到的全局旋转来??排除误匹配图像对、优化初始图像对选择和图像添加顺序，缓解了误差累计的问??题。??４．基于块匹配的多视图立体匹配算法。结合相关论文和开源库ｃ〇ｌｍａｐ的源代码，对??ＭＶＳ算法的理论和实现细节进行学习。通过寻找点云平面，对生成的稠密点云进??行位置优化和孔洞填充，提高了重建结果的真实性和完整性。??■?■?■?ｋ?■?＾?＿？？计算相对—■＾稀瞭ｋ？建?＿＿士??Ｈｉ＊？?与聊?（ＳＦＭ?算法）（ＭＶＳ?算法）＞?｜???＾?＿＿＿＿＿議議＿＿議＿??图１．２：技术路线??１．４论文内容安排??本文共有六章，每一章的内容概要如下：??第一章为绪论，介绍了多视图三维重建的研究背景及意义、研究现状、本文的研究??内容及论文内容安排。??６??
浙ａ：大学硕士学位论文?２多视图几何基础??２多视图几何基础??本章将介绍多视图几何的基础知识，包括相机模型、对极几何、三角重构和相机位??姿估计。这一章的内容是整个研究的基础，也是理解ＳＦＭ算法和ＭＶＳ算法的必备知??识。??２．１相机模型??２．１．１基本针孔相机模型??常见的相机拍摄遵循透镜成像原理，如图２．１所示。其中，／表示凸透镜的焦距，ｇ??表示成像平面到透镜的距离，ｐ表示物体到透镜的距离。它们关系如式２．１所示。??＇?ｐ?＾＾ｑ——Ｈ??图２．１：透镜成像原理??１?１?１??７?＝?Ｐ?＋?－ｑ?（２．１）??在一般的场景中，式２．１可近似为式２．２。小孔模型就是这种近似下的透镜成像??模型。??１?—?１?ｆ??—ｆ?＝?—，ｆ?＝?ｑ?（２．２）??虽然直接莸得的成像是倒立的，但可以通过筒单像素变换获得正立的像。为了使??得针孔相机模型更加直观和筒洁，一般采用前投影模型［３〇］，如图２．２所示。在前投影模??型下，成像是正立的。在前投影模型中，存在两个坐标系：三维的摄像机坐标系和二维??的图像坐标系，如图２．３所示。根据相似三角形，可知３Ｄ点Ｘ?＝?（Ｘ，ｙ，Ｚ）ｒ到投影点??８??
【参考文献】：
硕士论文
[1]基于图像序列的稠密三维重建关键技术研究[D]. 隗娜.中国科学院大学(中国科学院沈阳计算技术研究所) 2019
本文编号：3406396
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3406396.html
最近更新
教材专著
