本文選題：三維重建 + 數(shù)據(jù)驅(qū)動　； 參考：《合肥工業(yè)大學(xué)》2017年博士論文

【摘要】：三維重建一直是計(jì)算機(jī)視覺與圖形學(xué)領(lǐng)域的熱點(diǎn)研究問題之一,它的目的是如何有效地創(chuàng)造場景的三維模型。當(dāng)今正處在虛擬現(xiàn)實(shí)與增強(qiáng)現(xiàn)實(shí)的蓬勃發(fā)展時(shí)代,三維模型是虛擬現(xiàn)實(shí)與增強(qiáng)現(xiàn)實(shí)的基礎(chǔ),因此,如何快速有效地創(chuàng)造場景的三維模型是計(jì)算機(jī)研究工作者無法回避的問題。傳統(tǒng)的以手繪制等正向三維重建方法無法在真實(shí)性、實(shí)時(shí)性和交互性等方面滿足現(xiàn)在的應(yīng)用需求,尤其是對一些大規(guī)模場景,傳統(tǒng)三維重建方法更是無法勝任。鑒于普通廉價(jià)相機(jī)的普及,極易從真實(shí)世界中采集大量的視頻或圖像數(shù)據(jù),而計(jì)算機(jī)視覺技術(shù)又能提供滿足人類視覺感知規(guī)律的計(jì)算模型,這有效地彌補(bǔ)了正向三維重建技術(shù)的不足。因此,基于視覺計(jì)算模型的三維重建技術(shù)是當(dāng)今的主流發(fā)展趨勢�；谏鲜霰尘�,本論文研究數(shù)據(jù)驅(qū)動的多視圖三維重建技術(shù),包括如何從視頻或圖像數(shù)據(jù)中獲取攝像機(jī)的內(nèi)部參數(shù)、外部參數(shù)和場景三維幾何信息,有效地解決大規(guī)模三維重建中的光照一致性和幾何一致性等問題,為當(dāng)今應(yīng)用需求提供了一套完備的解決方案。概括地說,本論文的主要創(chuàng)新點(diǎn)如下:(1)提出了一種快速魯棒的特征跟蹤框架。此框架建立在本論文提出的帶有方向的特征檢測子和具有較強(qiáng)表達(dá)能給力的特征描述子之上,較好地解決了圖像旋轉(zhuǎn)、遮擋和相似性給描述子匹配帶來的影響。此外,為了提高算法的時(shí)間效率,提出一種快速的多視圖特征匹配方法,在不需要增加計(jì)算量的條件下,此方法能夠有效地產(chǎn)生多視圖之間的匹配關(guān)系,從而提高了特征跟蹤的精度。高質(zhì)量的特征跟蹤方法能夠促進(jìn)運(yùn)動推斷結(jié)構(gòu)技術(shù)的發(fā)展,為大規(guī)模復(fù)雜場景的三維重建奠定基礎(chǔ)。(2)提出了一種快速魯棒的攝像機(jī)絕對姿態(tài)估計(jì)算法。在向量的核空間內(nèi)建立攝像機(jī)絕對姿態(tài)估計(jì)的求解方程,避免深度信息的影響,降低了計(jì)算絕對姿態(tài)需要的2D-3D點(diǎn)數(shù),簡化計(jì)算過程。在此基礎(chǔ)之上,提出一種快速的非線性優(yōu)化方法,對初始姿態(tài)進(jìn)行優(yōu)化,能夠在較短的時(shí)間內(nèi)獲得攝像機(jī)的高精度姿態(tài)信息,為三角化和集束調(diào)整奠定基礎(chǔ)。(3)提出了一種適用于大規(guī)模場景的快速魯棒的集束調(diào)整算法。此算法從損失函數(shù)的角度考慮噪聲數(shù)據(jù)對三維重建的影響。在此基礎(chǔ)之上,充分利用攝像機(jī)與三維點(diǎn)以及雅克比矩陣之間的稀疏性,將大規(guī)模場景分解為在有限內(nèi)存空間下的可求解問題,此外,采用稀疏矩陣壓縮技術(shù)進(jìn)一步提高內(nèi)存空間的利用率。最后,充分利用了正態(tài)方程系數(shù)矩陣的對陣正定性,采用快速矩陣分解算法求解未知參數(shù)的解,有效地避免了直接計(jì)算高維逆矩陣帶來的時(shí)間開銷;同時(shí)采用并行思想實(shí)現(xiàn)了計(jì)算密集型的高維矩陣乘法運(yùn)算,進(jìn)一步提高了算法的計(jì)算效率。因此,優(yōu)秀的集束調(diào)整算法為重建出與真實(shí)場景具有高度幾何一致性的三維模型奠定基礎(chǔ)。(4)提出了一種多視圖三維重建框架。此框架將三維重建流程分為運(yùn)動推斷結(jié)構(gòu)、多視圖立體重建和表面重建等主要模塊。在運(yùn)動推斷結(jié)構(gòu)模塊,提出一種新的計(jì)算流程、初始視圖選取方法和基于顯著性的歧義點(diǎn)云消除算法,有效地提高了運(yùn)動推斷結(jié)構(gòu)生成的點(diǎn)云模型質(zhì)量。在多視圖立體模塊,提出一種通用的多視圖立體算法,能夠自動選取初始化視圖,避免人工干預(yù)的影響。在表面重建模塊,采用多頻帶的混合技術(shù)優(yōu)化紋理模型,增強(qiáng)了三維模型與真實(shí)場景的光照一致性。最后,建立在本論文的研究基礎(chǔ)之上,開發(fā)了一套自動的三維重建系統(tǒng),以便促進(jìn)三維重建理論的進(jìn)一步發(fā)展與應(yīng)用。
[Abstract]:This paper presents a fast robust feature tracking framework , which can effectively solve the problems of image rotation , occlusion and similarity to describe sub - matching . ( 3 ) A fast robust clustering algorithm for large - scale scenes is proposed . This algorithm takes full advantage of the sparsity between the camera and the three - dimensional point and the jacques matrix , and decomposes the large - scale scene into solving problems in the limited memory space .

【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 Hainan CUI;Shuhan SHEN;Zhanyi HU;;Global fusion of generalized camera model for efficient large-scale structure from motion[J];Science China(Information Sciences);2017年03期

2 李尚林;李琳;曹明偉;劉曉平;;面向真實(shí)構(gòu)建的徽州建筑快速建模方法[J];軟件學(xué)報(bào);2016年10期

3 劉浩敏;章國鋒;鮑虎軍;;基于單目視覺的同時(shí)定位與地圖構(gòu)建方法綜述[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2016年06期

4 鄒丹;竇勇;郭松;;基于GPU的稀疏矩陣Cholesky分解[J];計(jì)算機(jī)學(xué)報(bào);2014年07期

5 郭復(fù)勝;許華榮;高偉;胡占義;;利用相機(jī)輔助信息的分組三維場景重建[J];計(jì)算機(jī)科學(xué)與探索;2013年09期

6 陳姝;彭小寧;;結(jié)合模型匹配與特征跟蹤的人體上半身三維運(yùn)動姿態(tài)恢復(fù)方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年11期

7 楊森;吳福朝;;攝像機(jī)位姿的加權(quán)線性算法[J];軟件學(xué)報(bào);2011年10期

8 史利民;郭復(fù)勝;高偉;胡占義;;基于語義交互的三維重建[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2011年05期

9 孫鳳梅;王波;;關(guān)于PnP問題多解的分布與解的穩(wěn)定性的討論[J];自動化學(xué)報(bào);2010年09期

10 郭陽;徐心和;;未標(biāo)定攝像機(jī)P5P問題的一種解析解[J];計(jì)算機(jī)學(xué)報(bào);2007年07期

相關(guān)會議論文 前1條

1 姜翰青;章國鋒;董子龍;華煒;劉新國;鮑虎軍;;基于圖像序列的交互式快速建模系統(tǒng)[A];中國計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國計(jì)算機(jī)圖形學(xué)大會論文集[C];2008年

，

本文編號：1822711