基于序列图像稠密匹配的三维重建

论文摘要

尽管基于单目二维图像序列的三维重建其技术复杂，重建精度不高，但由于其具有操作灵活、成本低、安装简便等特点，可广泛用于导航、虚拟现实、障碍物识别、工业检测和地理测量等计算机视觉领域，具有广泛的应用价值。本文就如何提高重建的精度开展研究，主要工作如下：1.查阅大量国内外有关基于图像序列做三维重建的文献，论述了国内外研究现状。介绍了基于图像序列稠密匹配三维重建的相关理论基础，包括坐标系、摄像机模型、对极几何、基础矩阵、稠密视差图和深度图等。2.在研究目前流行的特征点提取及匹配方法的基础上，提出了一种基于像素插值的特征点对提取方法。该方法在其它条件不变的情况下，通过像素的插值，使原来部分种子点稀疏或者没有种子点的区域获得了种子点。在分析了Sift匹配的优缺点基础上将NCC匹配方法引入到Sift中，这样不仅可以加快匹配的速度还可以获得鲁棒性较好、分布较均匀的种子点对。3.为提高重建精度，设计实现了一种基于区域增长的稠密匹配方法。解决了影响重建精度的特征点少，重建局部化，甚至变形等问题。该方法主要是利用特征点对的提取方法，首先在图像中找到鲁棒性较好的种子点；然后以种子点为起点，通过一定的增长方式传播，将匹配关系蔓延到整幅图像；最后用RANSAC作用于区域增长后的匹配点对，从而得到最终的匹配点对。实验结果显示，该方法得到的匹配点对无论是数量上还是分布的均匀程度上，效果都比较好，提高了三维重建的精度。4.开展了三维重建设计。本文设计了整个系统的工作流程，从重建步骤上讨论了运动参数的估计和优化问题、三维点云的计算问题、三角剖分问题和纹理映射原理。最后设计实现了基于序列图像稠密匹配三维重建的软件，并且通过实验验证了本文方法的可行性。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.3 本文主要内容及章节安排
• 第2章 基于序列图像稠密匹配的三维重建相关基础知识
• 2.1 摄像机模型
• 2.1.1 关于坐标系
• 2.1.2 有限摄像机模型
• 2.2 对极几何和基础矩阵
• 2.2.1 对极几何
• 2.2.2 基础矩阵
• 2.3 本质矩阵
• 2.4 视差图和深度图
• 2.5 本章小结
• 第3章 一种基于像素插值的特征点对提取方法
• 3.1 特征点提取方法研究
• 3.1.1 Harris 算子
• 3.1.2 Susan 算子
• 3.1.3 Sift 算子
• 3.2 一种基于像素插值的特征提取方法
• 3.2.1 像素的插值
• 3.2.2 基于像素插值的特征点提取方法
• 3.3 特征点匹配
• 3.3.1 Sift 特征匹配
• 3.3.2 NCC 匹配方法
• 3.4 实验结果
• 3.5 本章小结
• 第4章 一种基于区域增长的稠密立体匹配方法
• 4.1 稠密立体匹配
• 4.1.1 稠密匹配方法的提出
• 4.1.2 稠密立体匹配方法概述
• 4.2 RANSAC 消除误匹配
• 4.3 一种基于区域增长的稠密立体匹配
• 4.3.1 基于区域增长的稠密立体匹配原理
• 4.3.2 基于区域增长的稠密匹配
• 4.3.3 基于区域增长的稠密匹配误匹配消除
• 4.4 实验结果
• 4.5 本章小结
• 第5章 基于序列图像稠密匹配三维重建系统设计
• 5.1 基于序列图像稠密匹配三维重建系统的设计
• 5.1.1 模块功能设计
• 5.1.2 系统工作流程
• 5.2 运动参数的估计及优化
• 5.2.1 运动参数估计
• 5.2.2 运动参数的优化
• 5.3 三维重建
• 5.3.1 三维点的计算
• 5.3.2 三维点云的网格化
• 5.3.3 纹理映射
• 5.4 软件界面设计
• 5.5 三维重建实验
• 5.6 实验结果分析
• 5.7 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢