基于随机搜索和准稠密匹配的多视角立体重建算法研究

发布时间：2020-09-18 13:40

　　随着计算机视觉技术的兴起和发展,基于图像的三维重建技术得到了广大学者的密切关注,逐渐成为研究热点。由于基于图像的三维重建方法仅需重建场景的图像信息,相比于基于设备的三维重建方法和几何造型方法有着成本低廉、操作简便、适用范围广泛等优势,现已在生活娱乐、文物保护、医疗领域、城市规划等方面得到广泛应用。论文深入研究了近年来综合性能最好的基于面片的多视角立体重建算法(PMVS),针对PMVS算法参数空间中局部最优问题以及初始点云过稀疏问题展开探索。空间面片的几何参数优化是PMVS算法的重要环节,其采用的共轭梯度法易陷入局部最优值问题,由于随机搜索算法具有全局寻优能力,能够有效求解非线性、多峰函数优化问题,因此论文引入随机搜索算法改善PMVS空间面片的几何参数优化性能。首先介绍了经典的随机搜索算法原理,分别构建了基于粒子群(Particle Swarm Optimization,PSO)、差分进化及遗传算法的空间面片几何参数优化模型,通过优化性能对比分析提出了基于粒子群的改进算法PSO-PMVS,并在相关数据库上与经典的PMVS算法作性能比对,仿真实验结果表明PSO-PMVS的重建结果在完整度和精确度上都有所提升。由于PMVS算法存在初始点云过稀疏及精度粗糙现象,造成点云扩散过程中的重建误差累积问题,论文针对性地提出了基于准稠密匹配、三维参数空间邻域寻优及随机搜索优化的三维重建框架。其中准稠密匹配通过稀疏匹配的邻域传播克服初始面片数量较少的问题,并提高了初始点云的重建质量。三维参数空间邻域寻优则利用空间面片之间的邻域信息约束完成面片几何参数的初始优化,且能够补全准稠密匹配遗留的点云孔洞。最后利用随机搜索和视图传播进一步提高密集点云的质量,并利用可见一致性约束和局部连续性约束滤除外点、离群点及冗余点,完成整个重建过程。仿真实验结果表明,与PMVS算法相比,论文所提重建框架在重建指标及视觉效果上能够获得有效提升。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP391.41

【参考文献】