發(fā)布時間：2017-06-28 10:01

  本文關(guān)鍵詞：融合影像序列的三維激光數(shù)據(jù)建模技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著計算機技術(shù)的發(fā)展,三維重建成為計算機視覺的研究熱點,并在醫(yī)療行業(yè)、電影行業(yè)、游戲產(chǎn)業(yè)、工業(yè)建筑等領(lǐng)域得到了廣泛的應(yīng)用。三維重建的最終目的是恢復(fù)場景的三維模型,基于圖像的三維重建是獲取三維模型的主要手段之一。很多學(xué)者基于sfm算法和稠密點云生成算法PMVS算法來實現(xiàn)基于影像序列的三維重建。本文深入研究國內(nèi)外關(guān)于三維建模的理論和方法,針對三維激光掃描數(shù)據(jù)易產(chǎn)生點云空洞、數(shù)據(jù)缺失等問題,將三維模型的建立相關(guān)問題作為研究對象。深化認(rèn)識了三維激光掃描數(shù)據(jù)的預(yù)處理流程和近景攝影測量的基本原理,探討了多源點云數(shù)據(jù)融合的相關(guān)理論,提出了基于多維尺度因子的點云匹配方法,并針對非專業(yè)相機拍攝的具有一定重疊度的序列影像,研究了融合運動恢復(fù)結(jié)構(gòu)(sfm)的近景攝影測量方法與PMVS算法的稠密點云建模技術(shù)。具體地,本文針對點云數(shù)據(jù)因物體遮擋、掃描區(qū)域和掃描對象的限制等原因造成的數(shù)據(jù)缺失狀況,分析三維激光掃描對象點云缺失部位,將其分為三大類：(1)遮擋性數(shù)據(jù)缺失；(2)物體反射和激光吸收性數(shù)據(jù)缺失；(3)物體大小和掃描盲區(qū)引起的數(shù)據(jù)缺失；為解決這上述問題,本文深入研究了近景攝影測量原理及多視圖像點云重構(gòu)方法,并使用未標(biāo)定的數(shù)碼相機,通過拍攝多張具有一定重疊率的系列影像,然后通過sfm算法原理生成稀疏三維點集,并根據(jù)基于區(qū)域增長原理的稠密點云匹配算法(PMVS算法)生成稠密三維空間點集,最后將兩種不同尺度的點云數(shù)據(jù),基于多維尺度因子匹配算法進行融合；最終通過使用Geomagic和Polyworks三維數(shù)據(jù)處理平臺,完成了實驗?zāi)繕?biāo)的三維模型建立的研究工作。通過論文研究工作發(fā)現(xiàn)在融合影像序列的三維激光數(shù)據(jù)建模技術(shù)中,有效地提取圖像的特征點并選取匹配點,對于后續(xù)有關(guān)稠密點云的生成建模具有很大影響作用；論文研究通過綜合運用相機成像原理,融合SHIF特征點提取算法和Harris角點提取算法,開展了基于物像角和物像比的實驗對比,得出在其它外在因素不變的條件下,當(dāng)物像角在15。且物像比在80%時,研究實驗重建的三維模型效果最優(yōu)�？傊�,根據(jù)多源數(shù)據(jù)融合的基本思想,在點云融合方面提出了多維尺度因子的點云融合方法,并得到了很好的效果。
【關(guān)鍵詞】：三維重建 影像序列 點云缺失 PMVS 多維尺度因子 控制因素sfm
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;P23
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-18
• 1.1 研究背景及意義10-12
• 1.1.1 研究背景10-12
• 1.1.2 研究意義12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 三維激光技術(shù)的進展12-14
• 1.2.2 基于多視影像三維建模進展14-16
• 1.3 研究的主要目標(biāo)和內(nèi)容16-18
• 1.3.1 研究主要內(nèi)容16-17
• 1.3.2 研究技術(shù)路線17-18
• 第二章 三維模型建立基礎(chǔ)理論18-28
• 2.1 三維激光掃描技術(shù)原理及數(shù)據(jù)特征18-19
• 2.1.1 三維激光工作原理18-19
• 2.1.2 數(shù)據(jù)特點19
• 2.2 三維激光測量系統(tǒng)分類及相關(guān)軟件19-22
• 2.3 攝影測量原理22-25
• 2.3.1 近景攝影測量基礎(chǔ)22-24
• 2.3.2 相機參數(shù)及型號24-25
• 2.4 點數(shù)據(jù)處理相關(guān)研究25-28
• 2.4.1 點云數(shù)據(jù)配準(zhǔn)25-26
• 2.4.2 點云數(shù)據(jù)分割26
• 2.4.3 點云數(shù)據(jù)去噪26-28
• 第三章 點云數(shù)據(jù)缺失分類研究28-36
• 3.1 遮擋性數(shù)據(jù)缺失28-30
• 3.1.1 物體遮擋缺失28-30
• 3.1.2 自身遮擋數(shù)據(jù)缺失30
• 3.2 目標(biāo)物特性影響所致數(shù)據(jù)缺失30-33
• 3.2.1 表面反射缺失30-32
• 3.2.2 激光吸收缺失32-33
• 3.3 掃描盲區(qū)及目標(biāo)物大小原因缺失33-34
• 3.4 點云缺失彌補方法相關(guān)研究34-35
• 3.5 本章結(jié)語35-36
• 第四章 影像序列稀疏點集生成36-63
• 4.1 特征點提取及匹配算法37-44
• 4.1.1 Harris角點檢測算法37-39
• 4.1.2 SIFT算法39-43
• 4.1.3 特征提取實驗43-44
• 4.2 運動恢復(fù)結(jié)構(gòu)技術(shù)(sfm技術(shù))44-53
• 4.2.1 相機成像模型45-48
• 4.2.2 對極幾何原理48-50
• 4.2.3 三角法空間三維結(jié)構(gòu)重建50-52
• 4.2.4 稀疏光束法平差原理52-53
• 4.3 基于控制因素的sfm算法稀疏點云生成實驗53-63
• 4.3.1 物像軸夾角因素55-58
• 4.3.2 視距和物像比因素58-63
• 第五章 基于稠密點云和三維激光點云三維建模63-77
• 5.1 基于區(qū)域增長的稠密匹配(PMVS)算法63-64
• 5.2.1 PMVS算法原理64
• 5.2 稠密點云算法步驟64-71
• 5.2.1 匹配64-68
• 5.2.2 面片擴展68
• 5.2.3 過濾68-71
• 5.3 基于稠密點云和三維激光點云三維建模71-77
• 5.3.1 三維建模技術(shù)要點71-72
• 5.3.2 基于多維尺度因子的點云融合技術(shù)實驗研究72-77
• 第六章 總結(jié)和展望77-80
• 6.1 總結(jié)77-78
• 6.2 展望78-80
• 致謝80-82
• 參考文獻82-87
• 附錄A87

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高恩陽;鄭昊鴻;;點云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

2 龔書林;;三維激光點云處理軟件的若干關(guān)鍵技術(shù)[J];測繪通報;2014年06期

3 趙強;彭國華;王鋒;;點云精簡的一種方法[J];西南民族大學(xué)學(xué)報(自然科學(xué)版);2006年05期

4 李德江;張延波;于曼竹;姜麗麗;曲雪光;;基于掃描模式的點云修復(fù)技術(shù)研究[J];測繪與空間地理信息;2011年06期

5 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[J];測繪通報;2012年S1期

6 詹慶明;張海濤;喻亮;;古建筑激光點云-模型多層次一體化數(shù)據(jù)模型[J];地理信息世界;2010年04期

7 曾敬文;朱照榮;丁銳;;基于立方體網(wǎng)格的數(shù)據(jù)點云約簡和體積計算方法[J];測繪科學(xué);2008年06期

8 楊欣;姚海燕;;平面點云邊界參數(shù)識別[J];中國西部科技;2009年27期

9 孫瑞;張彩霞;;點云數(shù)據(jù)壓縮算法綜述[J];科技信息;2010年32期

10 張毅;閆利;;地面激光點云強度噪聲的三維擴散濾波方法[J];測繪學(xué)報;2013年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點云生成和預(yù)處理[A];2011年全國通信安全學(xué)術(shù)會議論文集[C];2011年

2 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

3 馬國慶;陶萍萍;楊周旺;;點云空間曲線的微分信息計算及匹配方法[A];第四屆全國幾何設(shè)計與計算學(xué)術(shù)會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點云精簡算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機載激光點云快速繪制方法[A];第二十五屆全國空間探測學(xué)術(shù)研討會摘要集[C];2012年

6 李凱;張愛武;;基于激光點云的糧倉儲糧數(shù)量測量方法[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 朱曉強;余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點云的城市道路提取[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點云簡化與特征提取研究[A];促進科技經(jīng)濟結(jié)合，服務(wù)創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學(xué)術(shù)年會論文集[C];2012年

9 李濱;王佳;;基于點云的建筑測繪信息提取[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點云切片技術(shù)研究[A];全國先進制造技術(shù)高層論壇暨第八屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 曹裕華 高化猛 江鴻賓;激光點云 亦真亦幻[N];解放軍報;2013年

2 中國工程院院士 劉先林;四維遠(yuǎn)見的裝備創(chuàng)新[N];中國測繪報;2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

2 劉涌;基于連續(xù)序列自動快速拼接的全方位三維測量技術(shù)研究[D];西南交通大學(xué);2013年

3 袁小翠;產(chǎn)品表面缺陷視覺檢測數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];南昌大學(xué);2015年

4 賴祖龍;基于LiDAR點云與影像的海岸線提取和地物分類研究[D];武漢大學(xué);2013年

5 王瑞巖;計算機視覺中相機標(biāo)定及點云配準(zhǔn)技術(shù)研究[D];西安電子科技大學(xué);2015年

6 韓峰;基于點云信息的既有鐵路狀態(tài)檢測與評估技術(shù)研究[D];西南交通大學(xué);2015年

7 金龍存;3D點云復(fù)雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學(xué);2012年

8 李揚彥;基于點云的三維重建與形變事件分析[D];中國科學(xué)院深圳先進技術(shù)研究院;2013年

9 楊德賀;面向虛擬測方系統(tǒng)的點云聚類與擬合理論[D];中國礦業(yè)大學(xué)（北京）;2014年

10 何朝明;離散點云處理的關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 龔碩然;基于Delaunay三角剖分的點云三維網(wǎng)格重構(gòu)[D];河北大學(xué);2015年

2 楊紅粉;頻域技術(shù)應(yīng)用于點云配準(zhǔn)研究[D];北京建筑大學(xué);2015年

3 段紅娟;點云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學(xué);2015年

4 張永恒;散亂點云數(shù)據(jù)配準(zhǔn)方法研究[D];長安大學(xué);2015年

5 吳愛;面向特征擬合的點云簡化方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

6 薛廣順;基于立體視覺的牛體點云獲取方法研究與實現(xiàn)[D];西北農(nóng)林科技大學(xué);2015年

7 胡誠;精度約束下地表LiDAR點云抽稀方法研究[D];西南交通大學(xué);2015年

8 余明;三維離散點云數(shù)據(jù)處理技術(shù)研究[D];南京理工大學(xué);2015年

9 陳星宇;基于三維彩色點云的地形分類方法研究[D];南京理工大學(xué);2015年

10 朱東方;基于復(fù)雜拓?fù)浣Y(jié)構(gòu)點云的曲線擬合研究與應(yīng)用[D];山東大學(xué);2015年

  本文關(guān)鍵詞：融合影像序列的三維激光數(shù)據(jù)建模技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：493386