發(fā)布時(shí)間：2020-09-18 13:40

　　 隨著計(jì)算機(jī)視覺(jué)技術(shù)的興起和發(fā)展,基于圖像的三維重建技術(shù)得到了廣大學(xué)者的密切關(guān)注,逐漸成為研究熱點(diǎn)。由于基于圖像的三維重建方法僅需重建場(chǎng)景的圖像信息,相比于基于設(shè)備的三維重建方法和幾何造型方法有著成本低廉、操作簡(jiǎn)便、適用范圍廣泛等優(yōu)勢(shì),現(xiàn)已在生活?yuàn)蕵?lè)、文物保護(hù)、醫(yī)療領(lǐng)域、城市規(guī)劃等方面得到廣泛應(yīng)用。論文深入研究了近年來(lái)綜合性能最好的基于面片的多視角立體重建算法(PMVS),針對(duì)PMVS算法參數(shù)空間中局部最優(yōu)問(wèn)題以及初始點(diǎn)云過(guò)稀疏問(wèn)題展開(kāi)探索�？臻g面片的幾何參數(shù)優(yōu)化是PMVS算法的重要環(huán)節(jié),其采用的共軛梯度法易陷入局部最優(yōu)值問(wèn)題,由于隨機(jī)搜索算法具有全局尋優(yōu)能力,能夠有效求解非線性、多峰函數(shù)優(yōu)化問(wèn)題,因此論文引入隨機(jī)搜索算法改善PMVS空間面片的幾何參數(shù)優(yōu)化性能。首先介紹了經(jīng)典的隨機(jī)搜索算法原理,分別構(gòu)建了基于粒子群(Particle Swarm Optimization,PSO)、差分進(jìn)化及遺傳算法的空間面片幾何參數(shù)優(yōu)化模型,通過(guò)優(yōu)化性能對(duì)比分析提出了基于粒子群的改進(jìn)算法PSO-PMVS,并在相關(guān)數(shù)據(jù)庫(kù)上與經(jīng)典的PMVS算法作性能比對(duì),仿真實(shí)驗(yàn)結(jié)果表明PSO-PMVS的重建結(jié)果在完整度和精確度上都有所提升。由于PMVS算法存在初始點(diǎn)云過(guò)稀疏及精度粗糙現(xiàn)象,造成點(diǎn)云擴(kuò)散過(guò)程中的重建誤差累積問(wèn)題,論文針對(duì)性地提出了基于準(zhǔn)稠密匹配、三維參數(shù)空間鄰域?qū)?yōu)及隨機(jī)搜索優(yōu)化的三維重建框架。其中準(zhǔn)稠密匹配通過(guò)稀疏匹配的鄰域傳播克服初始面片數(shù)量較少的問(wèn)題,并提高了初始點(diǎn)云的重建質(zhì)量。三維參數(shù)空間鄰域?qū)?yōu)則利用空間面片之間的鄰域信息約束完成面片幾何參數(shù)的初始優(yōu)化,且能夠補(bǔ)全準(zhǔn)稠密匹配遺留的點(diǎn)云孔洞。最后利用隨機(jī)搜索和視圖傳播進(jìn)一步提高密集點(diǎn)云的質(zhì)量,并利用可見(jiàn)一致性約束和局部連續(xù)性約束濾除外點(diǎn)、離群點(diǎn)及冗余點(diǎn),完成整個(gè)重建過(guò)程。仿真實(shí)驗(yàn)結(jié)果表明,與PMVS算法相比,論文所提重建框架在重建指標(biāo)及視覺(jué)效果上能夠獲得有效提升。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 史利民;郭復(fù)勝;胡占義;;利用空間幾何信息的改進(jìn)PMVS算法[J];自動(dòng)化學(xué)報(bào);2011年05期

相關(guān)碩士學(xué)位論文 前1條

1 賈超;基于多視圖的瓦當(dāng)三維模型重建的研究與實(shí)現(xiàn)[D];西北大學(xué);2015年

本文編號(hào)：2821723