發(fā)布時(shí)間：2025-05-10 23:57

　　大數(shù)據(jù)時(shí)代,傳統(tǒng)的二維地理信息已經(jīng)不能完全滿足社會(huì)發(fā)展的需要,對(duì)三維地理信息的需求越來越迫切。常規(guī)的三維數(shù)據(jù)獲取方式所需設(shè)備成本高昂,因此如何借助低成本設(shè)備獲取的影像數(shù)據(jù)來重建三維數(shù)據(jù)的運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)具有重要意義且應(yīng)用潛力巨大。運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)主要基于多視圖幾何原理,重建時(shí)主要包括特征檢測(cè)、相機(jī)位姿估計(jì)、光束法平差等多個(gè)處理過程。本文研究分析了運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)及其后續(xù)稠密重建的整體流程,對(duì)特征檢測(cè)和光束法平差等關(guān)鍵步驟進(jìn)行分析與改進(jìn)。論文的主要研究內(nèi)容和研究結(jié)論如下:(1)針對(duì)常規(guī)的特征提取與匹配存在正確匹配會(huì)被剔除的問題,本文構(gòu)建了基于本質(zhì)矩陣的特征提取及精匹配方法。在深度變化場景情況下,常規(guī)的利用單應(yīng)矩陣的匹配提純方法,存在誤剔除正確匹配點(diǎn)、提純后匹配點(diǎn)對(duì)分布集中和提純效果差等問題。為提高提純速度和效果,本文使用ORB算法進(jìn)行特征檢測(cè)匹配。該ORB算法匹配效率高,但誤匹配比較多。為解決這一問題,本文采用對(duì)極幾何約束作為匹配點(diǎn)提純的模型。針對(duì)深度變化、平面等多種場景,本文開展對(duì)極幾何約束中的單應(yīng)矩陣、基礎(chǔ)矩陣和本質(zhì)矩陣實(shí)驗(yàn)對(duì)比分析。實(shí)驗(yàn)結(jié)果表明:在深度變化場景中,本質(zhì)矩陣和基礎(chǔ)矩陣剔除的正確匹配...

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 論文的研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)分析
    1.3 本文研究內(nèi)容、技術(shù)路線和組織結(jié)構(gòu)
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
        1.3.3 組織結(jié)構(gòu)
第二章 相機(jī)模型與對(duì)極幾何
    2.1 引言
    2.2 相機(jī)模型
        2.2.1 參考坐標(biāo)系統(tǒng)
        2.2.2 針孔相機(jī)模型
    2.3 對(duì)極幾何
        2.3.1 基礎(chǔ)矩陣與本質(zhì)矩陣
        2.3.2 單應(yīng)矩陣
    2.4 相機(jī)標(biāo)定
    2.5 本章小結(jié)
第三章 基于本質(zhì)矩陣的特征匹配
    3.1 特征檢測(cè)與初匹配
        3.1.1 SIFT
        3.1.2 SURF
        3.1.3 ORB
    3.2 估計(jì)本質(zhì)矩陣
    3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第四章 多視頻序列大場景運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)
    4.1 相機(jī)初始化
        4.1.1 選取合適的影像對(duì)
        4.1.2 分解本質(zhì)矩陣恢復(fù)位姿
        4.1.3 三角測(cè)量重建三維點(diǎn)
    4.2 光束法平差
        4.2.1 梯度下降法
        4.2.2 牛頓法
        4.2.3 Levenberg-Marquardt法
    4.3 稀疏性
    4.4 PnP估計(jì)相機(jī)的姿態(tài)
    4.5 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
第五章 多視頻序列稠密重建
    5.1 視圖聚類MVS(CMVS)
        5.1.1 聚類條件
        5.1.2 聚簇算法實(shí)現(xiàn)
    5.2 基于面片模型的密集匹配(PMVS)
        5.2.1 面片模型
        5.2.2 面片模型約束條件
        5.2.3 光度一致性函數(shù)
        5.2.4 算法流程
    5.3 實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
附錄 A



本文編號(hào)：4044524