基于便携式相机图像的三维重构中特征点匹配算法研究

发布时间：2020-05-26 20:03

【摘要】：随着图像传感器技术的飞速发展,便携式的相机设备也越来越普及,比如手机、数码相机等,从而使得人们获取图像信息的方式越来越方便,获取的图像精度也越来越高。然而,二维图片始终无法还原真实的三维世界,专业的三维扫描设备价格贵、使用门槛高,如何利用便携式相机拍摄的图像快速有效的重建三维模型已成为当前需要解决的问题,本文针对基于便携式相机图像的三维重构中由于特征点匹配速度慢导致三维重构速度慢的问题展开了深入研究。本文主要研究重点为三维重构中特征点的匹配算法,SIFT特征点提取算法是基于便携式相机图像三维重构技术中应用最为广泛的算法,其所构建的特征向量不仅对图片的旋转、尺度缩放和亮度变化具有不变性,对图片的视角变化、仿射变换和噪声也能保持一定程度的稳定性。但是,由于SIFT检测出的特征点数多且根据每个特征点所构建的特征向量描述子更是高达128维,导致在后续的特征点匹配过程中计算量巨大且耗时严重。为解决这个问题,本文提出了一种基于欧氏距离和特征向量夹角的最近邻搜索算法,算法首先对数据进行降维操作,计算高维空间内所有向量到原点的欧氏距离并进行排序,再计算高维空间内所有向量与随机选择的参考向量之间的夹角并进行排序。然后在设定完查询范围参数之后计算查询向量到原点的欧氏距离,通过设定的查询范围参数率先淘汰掉一批非最近邻点,缩小检索范围。最后计算查询向量到参考向量之间的夹角,在缩小后的范围内,以此夹角为中心,检索出最近邻。实验证明,本文提出的基于欧氏距离和特征向量夹角的最近邻搜索算法在SIFT特征向量的匹配过程中能大幅提高匹配效率。最后进行的三维重构实验也证明了此算法在有效提高匹配效率的同时匹配效果也并未丢失。
【图文】：

框架图,框架图,论文

能有效的提高特征点匹配效率，从而提高在实际应用中模型三维重构的速度。论文框架图如图1-1 所示。本文主要研究内容如下：（1）特征提取。研究了三维重构中对基于便携性相机拍摄的图像不变特征的提取过程，以及特征点的特征描述子的生成过程。（2）高维空间的最近邻查询。由于三维重构中特征点的匹配本质上是高维空间的最近邻查询问题，所以深入研究了目前常用的三种高维空间的最近邻查询算法：穷举搜索法、BBF 算法和 LSH 算法，并认真分析了这三种算法的设计思路，总结归纳了它们各自的优缺点。（3）特征匹配。研究了基于便携性相机拍摄的图像特征点的匹配，在基于SIFT 算法提取的 128 维特征向量匹配效率低的问题上，提出了一种基于欧氏距离和特征向量夹角的最近邻搜索算法。算法思路为：首先计算出被匹配空间内所有特征向量到原点的欧氏距离并进行排序，再计算出所有向量与在被匹配空间内与随机选取的参考向量之间夹角并进行排序。然后设定查询范围参数 e，计算查询向量到原点的欧氏距离，，通过设定的查询范围参数率先淘汰掉一批非最近邻点，缩小检索范围。最后求出查询向量到参考向量之间的夹角，在缩小后的范围内，以此角为半径在设定的阈值内检索出最近邻。实验证明，此算法可大幅降低SIFT 算法特征向量的匹配时间。（4）基于尺度不变特征点的图像匹配。研究了基于尺度不变特征变换的图像匹配过程，用以验证使用本文提出的特征点匹配算法是否能有效的完成基于便携性相机拍摄的图像特征点的配准。（5）基于便携式相机图像的三维重构。研究了基于便携式相机图像的三维重构技术

金字塔,高斯,差分,坐标

图 2-1 高斯图像金字塔与高斯差分金字塔[43]的每个高斯图像的为： Sosos , 20 4)中，0 为基础尺度因子，o 为图像所在的图像组的坐内的层坐标且 0,,1,0,,1mino o O s S ；o，通常取 0 或-1。当设为-1 的时候，则图像大一倍。在 SIFT 算法提出者 Lowe 的算法实现中，.62,1,3min1 so S 。，空间坐标 x 与组坐标还具有函数映射关系。设在坐标，则有 2,[0,,1][0,,1]000x xx N M o ，其像的分辨率。如果设为第 0 组内的图像的分表示为： MMNN00，
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41

【参考文献】