植物建模在農業(yè)指導、虛擬景觀、古樹名木保護等方面有著廣泛應用,而如何快速低成本地對植物模型進行重建是計算機視覺領域中亟待解決的難題�；谏疃葓D生成的多視圖三維重建是植物建模的常用手段,但由于植物生長環(huán)境復雜,樹干樹葉紋理重復,植物枝條較細,且目前立體匹配算法的魯棒性不足等原因,通常難以生成精確完整的深度圖,導致深度圖融合得到的植物模型存在殘缺。針對此問題,本文提出了一種基于深度圖修補的植物重建算法進行植物重建,并采用多級視圖選擇法對多視圖立體視覺算法進行改進,另外,本文提出一種基于超像素的深度圖修補算法,對生成的植物深度圖中存在的空洞和噪聲進行修補。實驗表明,本文方法計算出的植物稠密點云更加密集,最終重建的植物模型更加精確完整。本文的主要工作如下:（1）本文采用多級視圖選擇對多視圖立體視覺算法進行改進,提升立體匹配過程的魯棒性。算法通過圖像級和像素級的匹配視圖選擇,使得鄰域匹配集更加滿足圖像匹配一致性要求,減少深度圖的空洞和噪聲,改善深度圖生成質量。（2）本文對植物深度圖的修補進行重點研究,提出基于超像素的深度圖濾波修補算法,提升物體邊緣附近的深度圖空洞修補能力。在修補過程中,算法根據... 

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【文章目錄】：
摘要
英文摘要
1 緒論
    1.1 研究背景與意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 植物三維重建研究現(xiàn)狀
        1.2.2 深度圖修補研究現(xiàn)狀
    1.3 論文的研究內容
    1.4 論文的組織結構
    1.5 本章小結
2 基于多視圖的三維重建基本理論
    2.1 引言
    2.2 相機模型
    2.3 對極幾何原理
    2.4 從相機運動恢復場景結構算法
    2.5 多視圖立體視覺算法
    2.6 深度圖原理
    2.7 本章小結
3 基于多視圖的植物深度圖生成
    3.1 引言
    3.2 算法整體流程
    3.3 增量式SfM算法
        3.3.1 特征點檢測
        3.3.2 特征點匹配
        3.3.3 相機姿態(tài)估計
        3.3.4 三角化重建點云
        3.3.5 集束調整
        3.3.6 增量重建
    3.4 基于多級視圖選擇的區(qū)域生長MVS算法
        3.4.1 算法整體流程
        3.4.2 全局視圖選擇
        3.4.3 局部視圖選擇
        3.4.4 初始化優(yōu)先隊列
        3.4.5 立體匹配與優(yōu)化
    3.5 本章小結
4 基于超像素的深度圖濾波修補算法
    4.1 引言
    4.2 基于超像素的聯(lián)合雙邊濾波算法(SLIC-DJBF)
        4.2.1 基于方向的聯(lián)合雙邊濾波算法
        4.2.2 SLIC超像素算法
        4.2.3 SLIC-DJBF的算法原理
        4.2.4 修復優(yōu)先級策略
        4.2.5 補洞策略
    4.3 本章小結
5 實驗對比及效果分析
    5.1 實驗環(huán)境及數(shù)據準備
    5.2 實驗效果展示
        5.2.1 深度圖生成結果
        5.2.2 深度圖修補結果
        5.2.3 深度圖融合過程
        5.2.4 表面重建過程
    5.3 實驗對比
        5.3.1 深度圖生成效果對比
        5.3.2 深度圖修復效果對比
        5.3.3 最終模型效果對比
    5.4 本章小結
6 總結與展望
    6.1 本文工作總結
    6.2 本文工作未來展望
參考文獻
附錄
致謝



本文編號：3705355