基于无序图像集的非结构化场景三维重建技术研究

发布时间：2024-06-03 23:16

　　随着信息技术的不断发展,在机械工程、工业设计、虚拟现实等领域对与真实场景具有高度几何一致性的三维模型的需求越来越大,传统的建模方法许多缺点,难以满足对真实场景建模的需求。基于图像的三维重建技术可以对真实场景进行建模,但现有三维重建技术越来越难以满足实际应用中的各种严苛要求。本文为了形成更具一般性的低成本三维重建解决方案,提高三维重建技术的实际应用价值,以非结构化场景的无序图像集为研究对象,针对非结构化场景三维重建过程中的关键技术展开了研究。首先,研究了基于运动恢复结构法的非结构化场景稀疏重建技术。研究并对比了多种多视图特征跟踪方法,通过算法融合与并行化改进,提出了一种基于GPU加速的高效特征跟踪方法,提高了特征跟踪的效率。针对非结构化场景中无特定人工标记的特点,根据Kruppa方程所确定的二次非线性约束,实现了相机内参自标定,解决了无序图像集中的相机内参标定问题。为了提高相机位姿估计精度,引入了带权连接图的概念,对无序图像集中的图像进行团体检测,并在团体内和团体间分别进行相对位姿估计。通过光束法平差对稀疏点云进行优化,为后续密集重建提供了基础。其次,研究了基于特征点扩散的非机构化场景密...

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图1-1三维重建技术的应用领域

哈尔滨工业大学工程硕士学位论文2e)器官重建与医学诊断[5]f)文化遗产保护和建筑物修复[6]g)城市规模重建[7]h)虚拟现实与增强现实[8]图1-1三维重建技术的应用领域基于视觉的三维重建技术作为计算机视觉领域的一个重要分支，在如图1-2所示Marr提出的视觉计算理论框架[9....

图1-2Marr提出的视觉计算理论框架

哈尔滨工业大学工程硕士学位论文2e)器官重建与医学诊断[5]f)文化遗产保护和建筑物修复[6]g)城市规模重建[7]h)虚拟现实与增强现实[8]图1-1三维重建技术的应用领域基于视觉的三维重建技术作为计算机视觉领域的一个重要分支，在如图1-2所示Marr提出的视觉计算理论框架[9....

图1-4增量式运动恢复结构法拓扑结构图

是利用Keller等[27]提出的K-最近邻算法（k-nearestneighboralgorithm,KNN）,Garcia等[28]在实现了基于GPU加速的并行KNN算法，提高了特征匹配的效率。Cheng等[29]提出了一种基于局部敏感哈希（LocalitySensitive....

图1-5全局式运动恢复结构法拓扑结构图

哈尔滨工业大学工程硕士学位论文6进行自适应阈值计算，因此增加了算法的时间复杂度。增量式运动恢复结构法具有很高的重建精度，整体鲁棒性强，但是它对初始图像对的选择和图像添加顺序敏感；增量式添加图像导致无法闭环，因此重建误差会不断累积，甚至导致场景漂移；随着图像集规模变大时效率明显降低....

本文编号：3988533