利用二維圖像,重構(gòu)出三維的物體或者場景的三維重建技術(shù),是計算機視覺領(lǐng)域的一個重要研究方向,廣泛應(yīng)用于各種應(yīng)用場合。作為三維重建的一種有效實現(xiàn)途徑,非剛性運動恢復(fù)結(jié)構(gòu)（Non-Rigid Structure From Motion,NRSFM）技術(shù)能夠利用二維圖像序列的特征點,同時恢復(fù)物體的三維形狀和相機的相對運動。由于非剛性形變的不確定性以及缺乏關(guān)于三維形狀變形的先驗信息,已有的NRSFM模型在精準性和魯棒性上仍有待進一步提高。本文針對NRSFM模型的魯棒性增強問題,結(jié)合相關(guān)約束,開展了以下三個方面的研究工作。（1）提出了一種基于局部偏差約束的列空間擬合方法,以降低部分特征點的估計結(jié)果可能顯著偏離其真實值的問題。首先,在考慮了每幀的總體估計誤差的基礎(chǔ)上,設(shè)計了一個以重建誤差的方差作為局部偏差的約束,以此構(gòu)建一個有效的三維形狀估計模型。然后,采用增廣拉格朗日乘子迭代算法將有約束的目標(biāo)函數(shù)轉(zhuǎn)化為無約束的目標(biāo)函數(shù),并對此目標(biāo)函數(shù)進行優(yōu)化。此外,通過分析模型的可行解及參數(shù)的收斂性等問題,對此估計模型的優(yōu)化部分進行了分析。由于利用了總體估計誤差和局部偏差,所提出的方法,可以對不同的特征點,實現(xiàn)良... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：103 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１－１人類視覺系統(tǒng)可以毫不費力地解釋這張照片中存在的由半透明材質(zhì)和陰??影形成的微妙變化，并從背景中將物體正確地分割開來??

輪廓Ｊ１紋琿??ｘ＞?Ｍｍ??圖１－２基于Ｍａｒｒ的視覺理論的視覺系統(tǒng)的三個表象層次??Ｆｉｇ．?１－２?Ｔｈｒｅｅ?ｒｅｐｒｅｓｅｎｔａｔｉｏｎ?ｌｅｖｅｌｓ?ｏｆ?ｔｈｅ?ｖｉｓｕａｌ?ｓｙｓｔｅｍ?ｂａｓｅｄ?ｏｎ?Ｍａｒｒ＇ｓ?ｖｉｓｕａｌ?ｔｈｅｏｒｙ??運動恢復(fù)結(jié)構(gòu)（Ｓｔｒｕｃｔｕｒｅ?Ｆｒｏｍ?Ｍｏｔｉｏｎ，ＳＦＭ）技術(shù)是圖像三維形狀獲取的一??種重要途徑［６－７］。ＳＦＭ通過分析物體的運動，獲得相應(yīng)物體的三維結(jié)構(gòu)和運動信??息。對于給定的一組二維特征點觀測值，ＳＦＭ能夠估計這些特征點的深度值以??及尺度、旋轉(zhuǎn)和移動參數(shù)。因此，ＳＦＭ在計算機視覺等領(lǐng)域具有廣泛和巨大的??應(yīng)用前景，如與“匹配運動”問題密切相關(guān)的機器人導(dǎo)航，增強現(xiàn)實等。圖１－３??展示了?ＳＦＭ應(yīng)用到增強現(xiàn)實的兩個實例［８＿９］。??根據(jù)研究對象的不同，可將ＳＦＭ分為剛性運動恢復(fù)結(jié)構(gòu)和非剛性運動恢復(fù)??結(jié)構(gòu)（Ｎｏｎ－Ｒｉｇｉｄ?Ｓｔｒｕｃｔｕｒｅ?Ｆｒｏｍ?Ｍｏｔｉｏｎ，ＮＲＳＦＭ）。目前，針對靜態(tài)的剛性運動??恢復(fù)結(jié)構(gòu)的研究

圖像坐標(biāo)系，以及像素坐標(biāo)系）之間轉(zhuǎn)換關(guān)系的基本知識。隨后，為了得??到一一對應(yīng)的基于特征點的二維圖像序列，本章簡單介紹了點集配準的相關(guān)基礎(chǔ)??知識。本章的基礎(chǔ)理論知識可為理解后續(xù)的非剛性運動恢復(fù)結(jié)構(gòu)模型奠定了一定??的基礎(chǔ)。??

【參考文獻】：
期刊論文
[1]基于三維虛擬測量的瀝青混合料級配參數(shù)分析[J]. 金燦,汪培松,楊旭,劉凱,凌天清.  公路交通科技. 2019(08)
[2]實時三維超聲心動圖檢測左室質(zhì)量指數(shù)評價主動脈瓣置換術(shù)后左心室重構(gòu)的改善情況[J]. 童仙君,曹慧,熊文峰,程遵華,金露,萬文婷,孫輝.  實用醫(yī)學(xué)雜志. 2019(13)
[3]基于Hi-c數(shù)據(jù)的酵母染色體三維結(jié)構(gòu)重構(gòu)[J]. 豐繼華,牟錦,郭亞茹.  生物信息學(xué). 2019(03)
[4]Hierarchical Visual Attention Model for Saliency Detection Inspired by Avian Visual Pathways[J]. Xiaohua Wang,Haibin Duan.  IEEE/CAA Journal of Automatica Sinica. 2019(02)
[5]Geographic,Geometrical and Semantic Reconstruction of Urban Scene from High Resolution Oblique Aerial Images[J]. Xiaofeng Sun,Shuhan Shen,Hainan Cui,Lihua Hu,Zhanyi Hu.  IEEE/CAA Journal of Automatica Sinica. 2019(01)
[6]基于運動恢復(fù)結(jié)構(gòu)的非量測相機三維地質(zhì)重建[J]. 陳鈺,張榮春,衣雪峰,陸鳳.  現(xiàn)代測繪. 2018(05)
[7]基于分段式序列圖片集的運動恢復(fù)結(jié)構(gòu)[J]. 羅米,趙霞,陳萌,郭松,倪穎婷.  計算機工程與應(yīng)用. 2018(22)
[8]基于運動恢復(fù)結(jié)構(gòu)的空間點定位方法[J]. 解則曉,周作琪.  激光與光電子學(xué)進展. 2018(08)
[9]Training and Testing Object Detectors With Virtual Images[J]. Yonglin Tian,Xuan Li,Kunfeng Wang,Fei-Yue Wang.  IEEE/CAA Journal of Automatica Sinica. 2018(02)
[10]Human Interaction Dynamics for Its Use in Mobile Robotics:Impedance Control for Leader-follower Formation[J]. Daniel Herrera,Flavio Roberti,Marcos Toibero,Ricardo Carelli.  IEEE/CAA Journal of Automatica Sinica. 2017(04)



本文編號：2955215