目前,越來(lái)越多的領(lǐng)域如對(duì)地觀測(cè),工業(yè)測(cè)量,軍事應(yīng)用等對(duì)三維場(chǎng)景重建的需求逐漸增多,然而傳統(tǒng)的三維重建方式需要手工測(cè)量后在計(jì)算機(jī)中通過(guò)軟件進(jìn)行繪制,這將消耗大量的時(shí)間成本及人力成本,且很難保證戶外三維大場(chǎng)景模型的精度。隨著無(wú)人機(jī)技術(shù)的興起,無(wú)人機(jī)憑借其高機(jī)動(dòng)性,安全穩(wěn)定等特性,使其低成本且高效率的獲取航拍圖像序列,然后通過(guò)三維重建算法生成三維模型的方法逐漸成為可能,但三維重建算法仍然存在重建速度慢,重建效果差,三維模型質(zhì)量無(wú)法保證等問(wèn)題。針對(duì)上述問(wèn)題,本文提出了一種無(wú)人機(jī)航拍圖像序列三維場(chǎng)景實(shí)時(shí)重建的方法,該方法的主要內(nèi)容如下:首先通過(guò)無(wú)人機(jī)獲取航拍圖像序列,為了避免圖像匹配時(shí)產(chǎn)生視頻幀冗余現(xiàn)象及視頻分割時(shí)造成的圖像退化等現(xiàn)象,提出了一種圖像關(guān)鍵幀篩選算法,將視頻圖像序列進(jìn)行淺層篩選以及深層篩選,使得圖像特征點(diǎn)提取與匹配的質(zhì)量得到保障的前提下,大幅減少了待匹配圖像的數(shù)量,縮短了匹配的時(shí)間,極大的提升了三維重建的效率。其次對(duì)圖像進(jìn)行預(yù)處理,并提出了一種自適應(yīng)的H-SIFT高清視頻圖像特征點(diǎn)提取與匹配算法,該算法可以根據(jù)輸入的視頻圖像序列分辨率的大小動(dòng)態(tài)調(diào)節(jié)與高斯函數(shù)進(jìn)行卷積的圖像像素的間隔,...

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.3透鏡成像原理示意圖

10Fig.2.3lensimagingprinciplediagram

圖2.4小孔成像原理圖

圖2.4小孔成像原理圖Fig.2.4holeimagingprinciple像機(jī)標(biāo)定

圖2.5用于標(biāo)定目標(biāo)的棋盤(pán)格Fig.2.5Checkerboardforcalibrationofthetarget

圖2.5用于標(biāo)定目標(biāo)的棋盤(pán)格Fig.2.5Checkerboardforcalibrationofthetarget最常用的方式就是通過(guò)棋盤(pán)格來(lái)進(jìn)行標(biāo)定。照片，通過(guò)OpenCV中的cvCalibrateCamer

圖2.6對(duì)極幾何原理圖

圖2.6對(duì)極幾何原理圖Fig.2.6polegeometryprinciplediagram與單應(yīng)矩陣

本文編號(hào)：4021373