本文關(guān)鍵詞：影像匹配與密集點云生成研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近景攝影測量是現(xiàn)代城區(qū)建筑物三維信息獲取的手段之一，具有高效、方便、成本低廉的特點。近景攝影測量在獲取城區(qū)建筑物三維信息的流程一般分為三個步驟：相機標定、影像匹配、三維信息計算。 相機標定是計算機三維重建不可或缺的步驟。影響相機標定的因素可以分為外在因素和內(nèi)在因素，本文采用兩種比較成熟的定標方法：基于OPENCV的相機標定工具和MATLAB的camera calibration toolbox，在控制外界環(huán)境因素的情況下，通過實驗，探究外在環(huán)境因素對相機標定的影像。得出影響相機標定的外在環(huán)境因素，在本次論文中，為相機標定提供良好的外界條件。 影像匹配階段，采用基于區(qū)域增長的密集匹配算法，進行密集匹配。首先對建筑物影像進行稀疏匹配，獲取密集匹配的初始種子點。但是，城區(qū)建筑物影像基線較寬且具有較多的重復(fù)特征，這些重復(fù)特征影響影像匹配精度，針對于此,提出一種基于SIFT的抗重復(fù)特征匹配算法。該算法在首先進行特征分類，將具有多方向的特征點首先匹配；保證匹配的魯棒性，得到匹配圖像的粗略視差。然后再對其余當方向關(guān)鍵點運用相關(guān)系數(shù)再進行匹配。采用基于仿射變換模型的RANSAC算法進行誤匹配剔除，實驗結(jié)果表明，該方法較傳統(tǒng)的SIFT算法在匹配速度上有明顯的提高，并且能夠有效抑制重復(fù)特征的干擾，獲得較高的匹配精度。對城區(qū)建筑影像匹配有現(xiàn)實的意義。 在獲取初始種子點的基礎(chǔ)上，進行點的擴散，傳統(tǒng)的擴散方法不具有可控性。針對于此，提出基于建筑物結(jié)構(gòu)的區(qū)域增長準稠密匹配。具體而言就是對建筑物進行邊緣檢測，提取建筑物的邊緣信息，，將邊緣信息進行匹配，獲取建筑物的大體邊緣輪廓。該算法在一定程度上抑制了點的擴散不可控性；再運用相對定向和前方交會，生成三維點云。
【關(guān)鍵詞】：相機標定 抗重復(fù)特征匹配 密集匹配 建筑物邊緣 區(qū)域增長 可控性
【學(xué)位授予單位】：北京建筑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：P234.1
【目錄】：

• 摘要3-4
• Abstract4-7
• 第1章 緒論7-11
• 1.1 研究背景與意義7-8
• 1.2 圖像匹配研究現(xiàn)狀8
• 1.3 論文的主要內(nèi)容與框架結(jié)構(gòu)8-11
• 1.3.1 本文的主要內(nèi)容8-10
• 1.3.2 本文的框架結(jié)構(gòu)10-11
• 第2章 相機標定技術(shù)11-19
• 2.1 相機成像模型及相機標定參數(shù)解算11-13
• 2.1.1 相機成像模型11-12
• 2.1.2 相機標定參數(shù)解算12-13
• 2.2 基于 MATLAB 與 OPENCV 標定過程詳解13-15
• 2.2.1 相機成像模型 MATLAB 標定13-14
• 2.2.2 OPENCV 相機標定14-15
• 2.2.3 影響相機標定效果因素15
• 2.3 相機標定改進15-18
• 2.3.1 環(huán)境控制15-18
• 2.3.2 改進像機標定18
• 2.4 本章小結(jié)18-19
• 第3章 寬基線建筑物抗重復(fù)特征影像匹配19-35
• 3.1 仿射不變算子簡介19-22
• 3.1.1 SIFT 算法19-20
• 3.1.2 MSERs 算法20-21
• 3.1.3 ASIFT 算法21-22
• 3.2 仿射不變算子的適用性研究22-26
• 3.2.1 仿射不變算子的適用性研究的意義22-23
• 3.2.2 仿射不變算子對仿射變換程度不同的影像效果研究23-24
• 3.2.3 仿射不變算子對寬基線建筑物影像匹配研究24-26
• 3.3 改進的 SIFT 寬基線抗重復(fù)特征匹配26-33
• 3.3.1 SIFT 算法對建筑物影像匹配缺陷分析26-27
• 3.3.3 改進的 SIFT 寬基線抗重復(fù)特征匹配理論剖析27-29
• 3.3.4 改進的 SIFT 寬基線抗重復(fù)特征匹配算法流程29-32
• 3.3.5 寬基線抗重復(fù)特征匹配實現(xiàn)32-33
• 3.4 本章小結(jié)33-35
• 第4章 基于建筑物結(jié)構(gòu)的密集點云生成35-49
• 4.1 密集匹配內(nèi)容35-39
• 4.1.1 密集匹配基礎(chǔ)理論35-37
• 4.1.2 密集匹配擴散策略37
• 4.1.3 密集匹配流程37-39
• 4.2 基于建筑物結(jié)構(gòu)的密集匹配39-44
• 4.2.1 Canny 邊緣檢測40-41
• 4.2.2 基于建筑物結(jié)構(gòu)的格網(wǎng)區(qū)域增長算法41-44
• 4.3 三維點云生成44-48
• 4.3.1 單獨像對像對定向44-46
• 4.3.2 模型點坐標計算46-48
• 4.4 本章小結(jié)48-49
• 第5章 結(jié)論與展望49-51
• 結(jié)論49
• 展望49-51
• 參考文獻51-53
• 附錄53-54
• 致謝54

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉毅;;基于一致性隨機采樣的圖像特征匹配魯棒確認[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2010年03期

2 鄒崢嶸;謝萍;劉明選;肖奇;;基于相對定向和三角形約束的近景影像匹配[J];測繪工程;2011年05期

3 徐志祥;吳波;田一翔;田禮喬;;基于角點特征的近景影像匹配算法[J];測繪信息與工程;2006年04期

4 朱麗娜;劉飛;;基于Wallis濾波的改進小波去噪方法研究[J];地理空間信息;2006年06期

5 劉鳳英;王冬;盧秀山;;自穩(wěn)定雙拼航攝數(shù)碼相機技術(shù)[J];工程勘察;2012年06期

6 劉向增;田錚;溫金環(huán);武建明;張朝陽;;基于仿射不變SIFT特征的SAR圖像配準[J];光電工程;2010年11期

7 董友強;趙西安;亓晨;張海濤;;基于Matlab與Opencv的相機定標研究[J];北京建筑工程學(xué)院學(xué)報;2013年04期

8 袁春蘭;熊宗龍;周雪花;彭小輝;;基于Sobel算子的圖像邊緣檢測研究[J];激光與紅外;2009年01期

9 王金德;李曉燕;壽黎但;陳剛;;面向近重復(fù)圖像匹配的SIFT特征裁減算法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2010年06期

10 尹文生;羅瑜林;李世其;;基于OpenCV的攝像機標定[J];計算機工程與設(shè)計;2007年01期

  本文關(guān)鍵詞：影像匹配與密集點云生成研究，由筆耕文化傳播整理發(fā)布。

本文編號：264880