本文關(guān)鍵詞：基于環(huán)形陣列的多目立體視覺三維重建研究

  更多相關(guān)文章： 三維重建 特征匹配 點(diǎn)云處理 點(diǎn)云拼接

【摘要】：隨著社會進(jìn)步和科學(xué)技術(shù)的迅猛發(fā)展,人類越來越傾向于讓機(jī)械或機(jī)器人來幫忙和處理日常工作和解決一些難題。這就需要機(jī)器人能像人一樣通過視覺觀察和理解世界,甚至能適應(yīng)環(huán)境的多變性。因此,計(jì)算機(jī)視覺應(yīng)運(yùn)而生。在計(jì)算機(jī)視覺領(lǐng)域中,如何由多個感光元件獲取的二維圖像得到目標(biāo)物體的三維信息,就是多目三維重建技術(shù),其研究成果已應(yīng)用于醫(yī)學(xué)成像,地形地貌檢測,機(jī)器人導(dǎo)航,工業(yè)零件測量等多個領(lǐng)域。但多目三維重建技術(shù)仍未成熟,市面上大多數(shù)的三維重建應(yīng)用都依賴于高昂的掃描設(shè)備,這也就限制了三維重建技術(shù)的普及。本文研究了基于多目立體視覺的三維重建,分析了多目立體視覺三維重建的實(shí)現(xiàn)方法,并在此基礎(chǔ)上分析現(xiàn)有點(diǎn)云處理算法存在的缺陷,提出了新的點(diǎn)云簡化方法和點(diǎn)云拼接方法。本文完成的工作主要分為以下幾個部分：(1)建立基于多目視覺的三維重建模型。研究攝像機(jī)成像理論,總結(jié)經(jīng)典的成像模型和成像方式。然后對三維重建各個模塊中現(xiàn)有常用的三維重建思路和方法進(jìn)行整理和比較,比如特征提取中角點(diǎn)與斑點(diǎn)提取方法的對比,立體匹配中特征點(diǎn)與特征區(qū)域匹配方法的對比,三維重建中單目,雙目,多目的對比。(2)提出一種新的攝像機(jī)擺放陣列——環(huán)形多目擺放陣列。對虛擬三維場景獲取圖像后,進(jìn)行預(yù)處理,然后使用ASIFT算法進(jìn)行特征提取和特征匹配,接著依次進(jìn)行極線校正,計(jì)算三維深度,重建三維點(diǎn),擴(kuò)展種子點(diǎn),去除密集點(diǎn),最終得到場景的三維點(diǎn)云效果。實(shí)驗(yàn)表明環(huán)形多目視覺陣列可實(shí)現(xiàn)簡單場景和復(fù)雜真實(shí)場景的點(diǎn)云三維重建并取得較好效果。(3)提出基于snake點(diǎn)云簡化方法。針對重建區(qū)域過大會導(dǎo)致目標(biāo)物體不明確,效果不佳,運(yùn)行時間長的問題,通過snake輪廓提取不斷簡化重建范圍,最后只對窗口內(nèi)的目標(biāo)物進(jìn)行重建。實(shí)驗(yàn)表明該方法減少了重建時間,提高了重建有效性。(4)提出基于投影面的點(diǎn)云拼接算法。針對重建區(qū)域過小會導(dǎo)致目標(biāo)物體不完整,信息丟失的問題,通過對點(diǎn)云的投影圖像進(jìn)行基于ASIFT的二維拼接,再將其變換關(guān)系反饋到三維空間,實(shí)現(xiàn)點(diǎn)云拼接和恢復(fù)目標(biāo)物體完整信息。實(shí)驗(yàn)表明該改進(jìn)彌補(bǔ)了點(diǎn)云三維重建時出現(xiàn)的局限性和不穩(wěn)定性。
【關(guān)鍵詞】：三維重建 特征匹配 點(diǎn)云處理 點(diǎn)云拼接
【學(xué)位授予單位】：廣西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第—章 緒論8-11
• 1.1 課題研究背景與意義8-9
• 1.2 多目立體視覺的研究現(xiàn)狀9
• 1.3 論文研究內(nèi)容及組織安排9-11
• 第二章 攝像機(jī)成像理論11-15
• 2.1 攝像機(jī)成像模型11-13
• 2.2 攝像機(jī)成像方式13-14
• 2.3 本章小結(jié)14-15
• 第三章 三維重建系統(tǒng)研究15-25
• 3.1 三維重建系統(tǒng)介紹15
• 3.2 圖像獲取15
• 3.3 攝像機(jī)標(biāo)定15-16
• 3.4 圖像預(yù)處理16
• 3.5 特征提取16-19
• 3.5.1 基于角點(diǎn)的特征提取算法17-18
• 3.5.2 基于斑點(diǎn)的特征提取算法18-19
• 3.6 立體匹配19-22
• 3.6.1 匹配準(zhǔn)則19-21
• 3.6.2 匹配算法21-22
• 3.7 三維重建方法22-24
• 3.7.1 單目視覺重建22
• 3.7.2 雙目視覺重建22-23
• 3.7.3 多目視覺重建23-24
• 3.8 本章小結(jié)24-25
• 第四章 環(huán)形陣列點(diǎn)云三維重建25-42
• 4.1 引言25
• 4.2 環(huán)形陣列成像方法25-26
• 4.3 攝像機(jī)參數(shù)的計(jì)算26-27
• 4.4 ASIFT圖像匹配法27-32
• 4.4.1 SIFT算法特點(diǎn)及其實(shí)現(xiàn)步驟27-29
• 4.4.2 ASIFT算法特點(diǎn)及其實(shí)現(xiàn)步驟29-31
• 4.4.3 SIFT與ASIFT算法比較實(shí)驗(yàn)31-32
• 4.5 極線約束法32-33
• 4.6 分步投影測試算法33-34
• 4.7 基于3X3窗口的種子點(diǎn)擴(kuò)展法34-35
• 4.8 去除密集點(diǎn)算法35-36
• 4.9 重建方案的整體過程36-37
• 4.10 場景點(diǎn)云重建實(shí)驗(yàn)37-40
• 4.10.1 實(shí)驗(yàn)平臺介紹37
• 4.10.2 場景數(shù)據(jù)來源37-38
• 4.10.3 實(shí)驗(yàn)數(shù)據(jù)及結(jié)果38-40
• 4.11 結(jié)果對比與分析40-41
• 4.12 本章總結(jié)41-42
• 第五章 點(diǎn)云處理42-49
• 5.1 引言42-43
• 5.2 基于snake的感興趣區(qū)域點(diǎn)云重建算法43
• 5.2.1 主動輪廓跟蹤snake算法43
• 5.2.2 基于改進(jìn)snake算法的點(diǎn)云重建算法43
• 5.3 基于投影面的點(diǎn)云拼接算法43-45
• 5.3.1 點(diǎn)云拼接算法43-44
• 5.3.2 基于投影面的點(diǎn)云拼接算法實(shí)現(xiàn)步驟44-45
• 5.4 實(shí)驗(yàn)數(shù)據(jù)及結(jié)果45-48
• 5.5 本章小結(jié)48-49
• 第六章 總結(jié)與展望49-51
• 6.1 全文工作總結(jié)49
• 6.2 展望49-51
• 參考文獻(xiàn)51-54
• 攻讀碩士期間參與的項(xiàng)目及發(fā)表的學(xué)術(shù)論文54-55
• 致謝55-56

，

本文編號：902399