本文關(guān)鍵詞： 三維重建 單目視頻 雙目視頻 視差 場(chǎng)景流　出處：《華中科技大學(xué)》2016年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：基于視頻的重建技術(shù)在計(jì)算機(jī)視覺(jué)領(lǐng)域中扮演著非常重要的角色,而如何恢復(fù)場(chǎng)景的三維模型是目前研究的熱點(diǎn)與難點(diǎn)問(wèn)題。本文圍繞基于視頻的場(chǎng)景重建技術(shù)展開(kāi)討論,包括基于單目視頻的三維場(chǎng)景重建和基于雙目視頻的視差圖和場(chǎng)景流獲取。由于單目包含的深度信息比較少,如何基于單目視頻恢復(fù)相機(jī)的運(yùn)動(dòng)參數(shù)以及目標(biāo)的深度信息是研究的重點(diǎn)與難點(diǎn)。雙目視頻雖然包含了非常顯著的深度信息,但是考慮到視頻中場(chǎng)景的連續(xù)性問(wèn)題,如何使得恢復(fù)出的深度圖保持前后幀的連續(xù)性以及場(chǎng)景中運(yùn)動(dòng)目標(biāo)的一致性,也是比較困難的問(wèn)題。因此,針對(duì)上述所提到的問(wèn)題進(jìn)行了深入的研究,具體的研究工作如下:第一,對(duì)三維重建研究進(jìn)行了詳細(xì)的介紹,介紹了對(duì)于特征點(diǎn)匹配的理解以及我們提出的基于特征引導(dǎo)偏向性高斯混合模型(Feature Guided Biased Gaussian Mixture model,FGBG);詳細(xì)介紹立體視覺(jué)中立體匹配算法的原理、分類(lèi)及評(píng)測(cè)標(biāo)準(zhǔn),并在4個(gè)典型的數(shù)據(jù)集上對(duì)有代表性的局部、全局、半全局算法進(jìn)行對(duì)比實(shí)驗(yàn)。此外,詳細(xì)介紹運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)(SFM)的基本原理,并進(jìn)行了實(shí)驗(yàn)分析。第二,提出一種基于雙目視頻的視差圖和場(chǎng)景流獲取技術(shù)�；陔p目視頻,首先獲得初始的視差圖和2D特征點(diǎn)軌跡;在此基礎(chǔ)上獲得初始的3D稀疏運(yùn)動(dòng)軌跡,利用本文提出的Object Motion Hypothesis(OMH)算法獲得運(yùn)動(dòng)物體的一致性假設(shè);采用slanted-plane model以及參考圖像與前后時(shí)間點(diǎn)圖像對(duì)的約束關(guān)系,構(gòu)建超像素和運(yùn)動(dòng)物體之間的能量模型,通過(guò)優(yōu)化獲得視差和場(chǎng)景流的估計(jì)結(jié)果。第三,提出一種基于單目視頻的動(dòng)態(tài)場(chǎng)景重建系統(tǒng)。在獲取特征點(diǎn)軌跡的基礎(chǔ)上,基于運(yùn)動(dòng)信息獲得特征點(diǎn)軌跡的聚類(lèi)結(jié)果;提出一種基于超像素的多標(biāo)記Graph-cut算法,得到每一個(gè)目標(biāo)的精確邊界;為每一個(gè)運(yùn)動(dòng)目標(biāo)分配一個(gè)虛擬相機(jī);通過(guò)標(biāo)準(zhǔn)的SFM方法分別單獨(dú)估計(jì)每個(gè)運(yùn)動(dòng)目標(biāo)對(duì)應(yīng)的虛擬相機(jī)的參數(shù)和稀疏三維點(diǎn)云,通過(guò)PMVS和泊松表面重建獲得目標(biāo)的稠密重建結(jié)果。
[Abstract]:Video based reconstruction technology plays a very important role in the field of computer vision. How to restore the 3D model of scene is a hot and difficult problem. This paper focuses on the video based scene reconstruction technology. It includes 3D scene reconstruction based on monocular video and parallax map and scene stream acquisition based on binocular video. How to recover camera motion parameters and depth information based on monocular video is the key and difficulty of the research. Although binocular video contains very significant depth information. However, considering the continuity of the scene in the video, how to make the restored depth map maintain the continuity of the frame before and after and the consistency of the moving object in the scene is also a more difficult problem. The research work is as follows: first, the 3D reconstruction research is introduced in detail. This paper introduces the understanding of feature point matching and our hybrid model of feature-based guided bias Gao Si (. Feature Guided Biased Gaussian Mixture model. FGBGN; The principle, classification and evaluation criteria of stereo matching algorithm in stereo vision are introduced in detail, and the typical local, global and semi-global algorithms are compared with each other on four typical data sets. The basic principle of motion recovery structure (SFM) is introduced in detail, and the experimental analysis is carried out. Secondly, a parallax image and scene stream acquisition technology based on binocular video is proposed, which is based on binocular video. First, the initial parallax map and 2D feature point locus are obtained. On this basis, the initial 3D sparse motion trajectory is obtained, and the consistency hypothesis of moving objects is obtained by using the Object Motion HypothesisOMH algorithm proposed in this paper. The energy model between superpixel and moving object is constructed by using slanted-plane model and the constraint relation between reference image and image pair. The estimation results of parallax and scene flow are obtained by optimization. Thirdly, a dynamic scene reconstruction system based on monocular video is proposed. The clustering results of feature point locus are obtained based on motion information. A multi-label Graph-cut algorithm based on super-pixel is proposed to obtain the exact boundary of each target. Assign a virtual camera for each moving target; The parameters and sparse 3D point clouds of each moving target are estimated separately by the standard SFM method. The dense reconstruction results of the target are obtained by PMVS and Poisson surface reconstruction.
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李萬(wàn)祥 ,牛衛(wèi)中;三維重建[J];甘肅科技;2002年Z1期

2 汪國(guó)昭,陳凌鈞;血管三維重建的問(wèn)題[J];工程數(shù)學(xué)學(xué)報(bào);2002年S1期

3 章勤,李光明,黃琨;一種基于雙眼系統(tǒng)的物體表面三維重建方法[J];計(jì)算機(jī)工程;2003年15期

4 劉巧紅,李利軍;脊柱外科三維重建系統(tǒng)設(shè)計(jì)[J];計(jì)算機(jī)工程;2005年09期

5 張文博;;鯽魚(yú)肝組織細(xì)胞核電鏡圖像三維重建的研究[J];安徽農(nóng)業(yè)科學(xué);2009年31期

6 何桂珍;程效軍;許誠(chéng)權(quán);;基于單幅影像的三維重建及精度分析[J];河南科學(xué);2010年07期

7 張繼華;;MSCT三維重建及多平面重建在頸胸腰椎病變?cè)\斷中的臨床應(yīng)用[J];楚雄師范學(xué)院學(xué)報(bào);2010年12期

8 蘭守忍;劉輝;張宏慶;吳俊;;基于X線片的脊柱三維重建及分析[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

9 張于北;王倩妮;;VGStudio MAX2.0軟件在CT圖像三維重建中的應(yīng)用[J];計(jì)測(cè)技術(shù);2011年05期

10 韓成虎;韓成龍;丘文峰;;CT圖像三維重建系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2013年02期

相關(guān)會(huì)議論文 前10條

1 王穎穎;張偉成;;數(shù)字減影血管造影的三維重建技術(shù)[A];第三屆全國(guó)數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

2 彭貞;汪時(shí)機(jī);;巖土體CT圖像三維重建方法研究[A];自主創(chuàng)新與持續(xù)增長(zhǎng)第十一屆中國(guó)科協(xié)年會(huì)論文集（2）[C];2009年

3 陳昊;焦紅杰;康曉鵬;原建榮;周平;胡熙;梅舒婷;;螺旋CT三維重建在發(fā)育性髖關(guān)節(jié)脫位的術(shù)前應(yīng)用[A];第六屆西部骨科論壇暨貴州省骨科年會(huì)論文匯編[C];2010年

4 曹治;;多層螺旋CT二維和三維重建在骨折中的臨床應(yīng)用[A];全國(guó)醫(yī)學(xué)影像技術(shù)學(xué)術(shù)會(huì)議（CMIT-2004）論文匯編[C];2004年

5 李佳;羅月童;龍鵬程;黃善清;閆鋒;孔維華;吳宜燦;FDS團(tuán)隊(duì);;三維放射治療計(jì)劃系統(tǒng)中快速三維重建方法的研究與應(yīng)用[A];第二屆全國(guó)核技術(shù)及應(yīng)用研究學(xué)術(shù)研討會(huì)大會(huì)論文摘要集[C];2009年

6 楊玉模;梁瑋;;多視角體三維重建中的分層可視性[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

7 胡霞;朱虹;;基于生物圖像的三維重建技術(shù)研究[A];2007年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

8 張愛(ài)東;李炬;陳發(fā);孫靈霞;;基于面操作的工業(yè)CT圖像的三維重建[A];2004年CT和三維成像學(xué)術(shù)年會(huì)論文集[C];2004年

9 胡罷生;譚歡慶;曲華麗;邱士軍;張雪林;昌仁民;;多層螺旋CT掃描三維重建后逐層顯示解剖結(jié)構(gòu)及臨床意義[A];中華醫(yī)學(xué)會(huì)第十三屆全國(guó)放射學(xué)大會(huì)論文匯編（下冊(cè)）[C];2006年

10 劉帥;陳軍;;一種基于物體橫向切片的可量測(cè)三維重建方法[A];中國(guó)測(cè)繪學(xué)會(huì)第九次全國(guó)會(huì)員代表大會(huì)暨學(xué)會(huì)成立50周年紀(jì)念大會(huì)論文集[C];2009年

相關(guān)重要報(bào)紙文章 前3條

1 張質(zhì)堅(jiān)　劉海君;航測(cè)局申報(bào)“國(guó)家863計(jì)劃”專(zhuān)項(xiàng)課題喜獲成功[N];中煤地質(zhì)報(bào);2011年

2 深圳商報(bào)記者 肖晗;“博士后創(chuàng)新講堂”場(chǎng)場(chǎng)精彩[N];深圳商報(bào);2007年

3 本報(bào)記者 王星;還原洞窟佛像[N];文匯報(bào);2012年

相關(guān)博士學(xué)位論文 前10條

1 盧俊;基于無(wú)序多視影像的三維重建關(guān)鍵技術(shù)研究[D];解放軍信息工程大學(xué);2015年

2 孫大為;高功率激光焊接等離子體三維重建及能量傳輸研究[D];上海交通大學(xué);2015年

3 杜娟;基于高頻超聲的人牙釉質(zhì)三維重建[D];華南理工大學(xué);2016年

4 熊波;高血壓腎交感神經(jīng)的病理三維重建及組織學(xué)和功能學(xué)重塑研究[D];重慶醫(yī)科大學(xué);2017年

5 孫向軍;場(chǎng)景三維重建的若干關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2004年

6 王劍;果樹(shù)枝干三維重建關(guān)鍵技術(shù)研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2009年

7 劉道明;利用“中國(guó)虛擬人”的三維重建構(gòu)建外科三維診療平臺(tái)[D];中國(guó)人民解放軍第一軍醫(yī)大學(xué);2003年

8 高劍;三維重建應(yīng)用系統(tǒng)研究[D];山東大學(xué);2009年

9 劉勇;基于非定標(biāo)圖象的三維重建方法研究[D];西安電子科技大學(xué);2001年

10 楊宇;水下多通道真彩色三維重建與顏色還原方法研究[D];中國(guó)海洋大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王曄;基于MRI序列的鯊魚(yú)影像三維重建系統(tǒng)的軟件設(shè)計(jì)與實(shí)現(xiàn)[D];燕山大學(xué);2015年

2 倪海明;基于多重分形頻譜理論的野生東北虎頭骨三維重建研究[D];東北林業(yè)大學(xué);2015年

3 方程駿;基于雙目視覺(jué)的自由曲面三維重建研究[D];江南大學(xué);2015年

4 張建;基于雙目視覺(jué)的三維重建研究與實(shí)現(xiàn)[D];西南交通大學(xué);2015年

5 王偉;基于TerraSAR-X影像的城市建筑物的三維重建[D];長(zhǎng)安大學(xué);2015年

6 李琛;基于Kinect的三維重建與形態(tài)識(shí)別[D];長(zhǎng)安大學(xué);2015年

7 錢(qián)文秀;基于PAL相機(jī)的三維重建[D];長(zhǎng)安大學(xué);2015年

8 陳崢嶸;基于RGBD傳感器的室內(nèi)三維重建[D];南京理工大學(xué);2015年

9 應(yīng)兆平;采用光學(xué)和圖像方法的三維重建[D];南京理工大學(xué);2015年

10 馬福建;蝙蝠翅膀的三維重建研究[D];山東大學(xué);2015年

，

本文編號(hào)：1471405