隨著虛擬現(xiàn)實和三維建摸技術(shù)在國內(nèi)的迅速發(fā)展,計算機視覺技術(shù)得到了快速發(fā)展,并逐漸應(yīng)用到人民的日常生活中。其中,三維重建技術(shù)作為計算機視覺里相當熱門的領(lǐng)域。面對泊車時出現(xiàn)的場景,怎么有效率的、精確的進行三維重建,已經(jīng)變成了關(guān)鍵問題。對于泊車的場景重建任務(wù),主要從不同角度采集空間的信息,之后計算圖像對中坐標的視差,這樣就得到了泊車場景的三維信息。利用雙目視覺進行三維重建,這個過程一般分為相機標定,圖像預處理、特征點提取,立體匹配、三維重建。通過對雙目視覺的原理進行了研究,泊車背景下的場景進行深入探索與分析。將三維重建的方法靈活應(yīng)用泊車等場景中,構(gòu)建了一種基于雙目視覺的泊車場景重建方法。之后主要從以下三個方面對雙目視覺及其三維重建進行改進。首先,圖像匹配里傳統(tǒng)的尺度不變特征變換（SIFT）因為存在數(shù)量與維數(shù)相對較多,導致出現(xiàn)計算量大匹配時間長的問題。故提出了一種基于主成分分析法改進尺度不變特征變換（PCA-SIFT）的算法。該算法采用了一種圓形描述符對SIFT降維,同時利用主成分分析法將描述符繼續(xù)降維,以此來剔除描述符的維度帶來的誤差數(shù)據(jù);其次在匹配時通過分層粒子群算法優(yōu)化歐式距離與余弦相似... 

【文章來源】：華北理工大學河北省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

三維數(shù)據(jù)獲取方式

華北理工大學碩士學位論文-8-第2章基于雙目視覺三維重建基本理論本章首先闡述了在相機成像過程中的先決條件，建立各個坐標系。對于相機與現(xiàn)實場景相關(guān)的四個坐標系進行了詳細的講述。在充分了解各個坐標系之間的轉(zhuǎn)換關(guān)系之后才可以依據(jù)相機的內(nèi)外部參數(shù)，為了將場景在現(xiàn)實的三維環(huán)境映射在二維圖像中，需要建立相機的模型分析雙目視覺的成像原理。在本章最后介紹了圖像立體匹配的相關(guān)基礎(chǔ)原理，包括對極幾何，匹配單元，與常見的約束條件。2.1參考坐標系基于雙目視覺泊車場景重建技術(shù)根本在于如何依據(jù)雙目相機在圖像中獲取到想要的三維信息，進而結(jié)合相機內(nèi)外參數(shù)運算，得到位置關(guān)系、場景信息等相關(guān)三維信息。所以為了能夠?qū)鼍敖⒁粋�成像模型，就必須了解參考坐標系，并詳細了解這些坐標系之間的關(guān)系。本課題重點介紹了了下面幾個參考坐標系[28]。2.1.1像素坐標系雙目相機采集到的圖像需要經(jīng)計算轉(zhuǎn)化為數(shù)字圖像，圖像信息也由此可以被計算機所讀取，同時轉(zhuǎn)成了數(shù)組的形式被其保存。其中在數(shù)組里每個像素都對應(yīng)數(shù)字圖像中的像素值（該點的灰度，假如圖像是彩色，那么該點的灰度就用RGB表示）,如下圖2所示，圖像中坐標系uv是一個直角坐標系。圖2像素坐標系與實際物理坐標系Fig.2Pixelcoordinatesystemandactualphysicalcoordinatesystem

第2章基于雙目視覺三維重建基本理論-9-在該坐標系中將像素值作為單位，在某一點上坐標0u用來表示該像素在數(shù)組中的行數(shù)，同樣的0v則是表示列數(shù)，故此我們將該坐標系u-v稱為像素坐標系。2.1.2實際物理坐標系在上節(jié)的像素坐標系里，其坐標軸橫縱坐標分別代表了像素點在圖像里的行列數(shù)。由于上述坐標系并不能準確反映出圖像里像素點所在物理位置，為了能夠?qū)⑾袼刈鴺讼抵兴荒軌驕蚀_反映的位置問題解決，就需要一個新的坐標系，用該坐標來反映物理位置。在圖2里，我們將建立好的直角坐標系x-y做實際物理坐標系。x,y則是以物理單位來進行度量實際物理坐標系里的各個坐標。在坐標系x-y里，把原點1O稱其是主點，那么雙目相機的光軸與圖像所處于的面會位于該點相交，通常時候這個點會處在圖像的原點處。那么設(shè)主點1O在像素坐標系u-v里的坐標是00(u,v)，那么dy，dx就是在x，y上具有物理意義的單位。下式則表示了上述兩個坐標系之間坐標里的相互轉(zhuǎn)化關(guān)系：0010101001udxuvvdy（1）2.1.3相機坐標系把相機當作中心所創(chuàng)建的坐標系，通常我們將其稱為相機坐標系。在圖3中，表示的是相機成像的幾何關(guān)系，我們將作為原點O作為相機光心。圖3攝像機成像的幾何關(guān)系Fig.3Cameraimaginggeometry

【參考文獻】：
期刊論文
[1]基于分層自主學習的改進粒子群優(yōu)化算法[J]. 袁小平,蔣碩.  計算機應(yīng)用. 2019(01)
[2]基于位置敏感器件的視覺測量系統(tǒng)標定技術(shù)[J]. 滕玉坤,郝穎明,付雙飛,范曉鵬.  激光與光電子學進展. 2018(08)
[3]SLAM室內(nèi)三維重建技術(shù)綜述[J]. 危雙豐,劉振彬,趙江洪,龐帆.  測繪科學. 2018(07)
[4]基于模糊高斯學習策略的粒子群-進化融合算法[J]. 周偉,羅建軍,靳鍇,王凱.  計算機應(yīng)用. 2017(09)
[5]小比例尺道路網(wǎng)眼約束下的多尺度道路網(wǎng)自動匹配[J]. 裴洪星,翟仁健,武芳,李靖涵,鞏現(xiàn)勇,吳錚.  測繪學報. 2017(06)
[6]快速魯棒的城市場景分段平面重建[J]. 王偉,高偉,朱海,胡占義.  自動化學報. 2017(04)
[7]基于非采樣高斯差分金字塔的多尺度融合邊緣檢測[J]. 穆柯楠,趙祥模,惠飛.  四川大學學報(工程科學版). 2015(05)
[8]Harris角點自適應(yīng)檢測的水稻低空遙感圖像配準與拼接算法[J]. 周志艷,閆夢璐,陳盛德,蘭玉彬,羅錫文.  農(nóng)業(yè)工程學報. 2015(14)
[9]基于主動視覺的結(jié)構(gòu)光手眼系統(tǒng)自標定方法[J]. 吉峰,郭新年,曹沁婕,白瑞林,于圣龍.  自動化儀表. 2015(02)
[10]雙平面法標定的雙目視覺三維測量系統(tǒng)[J]. 田小超,李忠科.  電光與控制. 2015(03)

博士論文
[1]基于雙目視覺的空間非合作目標姿態(tài)測量技術(shù)研究[D]. 顏坤.中國科學院大學(中國科學院光電技術(shù)研究所) 2018
[2]薄膜晶狀型仿人眼結(jié)構(gòu)和成像視覺技術(shù)研究[D]. 杜佳瑋.浙江大學 2017
[3]機器人雙目立體視覺若干關(guān)鍵理論問題及其技術(shù)實現(xiàn)研究[D]. 賴小波.浙江大學 2010
[4]高精度攝像機標定和魯棒立體匹配算法研究[D]. 鄭志剛.中國科學技術(shù)大學 2008

碩士論文
[1]基于雙目視覺的泊車機器人障礙物識別系統(tǒng)研究[D]. 王帥.河南科技大學 2019
[2]基于雙目視覺與慣導信息融合的SLAM系統(tǒng)實現(xiàn)[D]. 萬薇.浙江工業(yè)大學 2019
[3]路橋工程中基于BIM的3D實景建模與應(yīng)用研究[D]. 龐浚疑.重慶交通大學 2018
[4]基于立體視覺的場景三維重建技術(shù)研究[D]. 伊璐.西安理工大學 2017
[5]基于改進SIFT算法的圖像匹配研究[D]. 馮文斌.燕山大學 2017
[6]基于雙目立體視覺的三維重建技術(shù)研究及實現(xiàn)[D]. 譚健勝.華南理工大學 2017
[7]面向機器人導航的雙目立體視覺系統(tǒng)設(shè)計與研究[D]. 張文彩.哈爾濱工業(yè)大學 2014
[8]基于雙目視覺的移動車輛三維重建方法研究與應(yīng)用[D]. 任冉冉.合肥工業(yè)大學 2010
[9]基于彩色圖像分割的立體匹配算法研究[D]. 張娟.山東大學 2007



本文編號：3070736