基于深度图修补的植物重建算法研究

发布时间：2022-11-10 21:59

　　植物建模在农业指导、虚拟景观、古树名木保护等方面有着广泛应用,而如何快速低成本地对植物模型进行重建是计算机视觉领域中亟待解决的难题。基于深度图生成的多视图三维重建是植物建模的常用手段,但由于植物生长环境复杂,树干树叶纹理重复,植物枝条较细,且目前立体匹配算法的鲁棒性不足等原因,通常难以生成精确完整的深度图,导致深度图融合得到的植物模型存在残缺。针对此问题,本文提出了一种基于深度图修补的植物重建算法进行植物重建,并采用多级视图选择法对多视图立体视觉算法进行改进,另外,本文提出一种基于超像素的深度图修补算法,对生成的植物深度图中存在的空洞和噪声进行修补。实验表明,本文方法计算出的植物稠密点云更加密集,最终重建的植物模型更加精确完整。本文的主要工作如下:（1）本文采用多级视图选择对多视图立体视觉算法进行改进,提升立体匹配过程的鲁棒性。算法通过图像级和像素级的匹配视图选择,使得邻域匹配集更加满足图像匹配一致性要求,减少深度图的空洞和噪声,改善深度图生成质量。（2）本文对植物深度图的修补进行重点研究,提出基于超像素的深度图滤波修补算法,提升物体边缘附近的深度图空洞修补能力。在修补过程中,算法根据... 

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
英文摘要
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 植物三维重建研究现状
        1.2.2 深度图修补研究现状
    1.3 论文的研究内容
    1.4 论文的组织结构
    1.5 本章小结
2 基于多视图的三维重建基本理论
    2.1 引言
    2.2 相机模型
    2.3 对极几何原理
    2.4 从相机运动恢复场景结构算法
    2.5 多视图立体视觉算法
    2.6 深度图原理
    2.7 本章小结
3 基于多视图的植物深度图生成
    3.1 引言
    3.2 算法整体流程
    3.3 增量式SfM算法
        3.3.1 特征点检测
        3.3.2 特征点匹配
        3.3.3 相机姿态估计
        3.3.4 三角化重建点云
        3.3.5 集束调整
        3.3.6 增量重建
    3.4 基于多级视图选择的区域生长MVS算法
        3.4.1 算法整体流程
        3.4.2 全局视图选择
        3.4.3 局部视图选择
        3.4.4 初始化优先队列
        3.4.5 立体匹配与优化
    3.5 本章小结
4 基于超像素的深度图滤波修补算法
    4.1 引言
    4.2 基于超像素的联合双边滤波算法(SLIC-DJBF)
        4.2.1 基于方向的联合双边滤波算法
        4.2.2 SLIC超像素算法
        4.2.3 SLIC-DJBF的算法原理
        4.2.4 修复优先级策略
        4.2.5 补洞策略
    4.3 本章小结
5 实验对比及效果分析
    5.1 实验环境及数据准备
    5.2 实验效果展示
        5.2.1 深度图生成结果
        5.2.2 深度图修补结果
        5.2.3 深度图融合过程
        5.2.4 表面重建过程
    5.3 实验对比
        5.3.1 深度图生成效果对比
        5.3.2 深度图修复效果对比
        5.3.3 最终模型效果对比
    5.4 本章小结
6 总结与展望
    6.1 本文工作总结
    6.2 本文工作未来展望
参考文献
附录
致谢



本文编号：3705355