隨著計算機視覺技術的興起和發(fā)展,基于圖像的三維重建技術得到了廣大學者的密切關注,逐漸成為研究熱點。由于基于圖像的三維重建方法僅需重建場景的圖像信息,相比于基于設備的三維重建方法和幾何造型方法有著成本低廉、操作簡便、適用范圍廣泛等優(yōu)勢,現(xiàn)已在生活娛樂、文物保護、醫(yī)療領域、城市規(guī)劃等方面得到廣泛應用。論文深入研究了近年來綜合性能最好的基于面片的多視角立體重建算法(PMVS),針對PMVS算法參數(shù)空間中局部最優(yōu)問題以及初始點云過稀疏問題展開探索�？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)值問題,由于隨機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)化問題,因此論文引入隨機搜索算法改善PMVS空間面片的幾何參數(shù)優(yōu)化性能。首先介紹了經(jīng)典的隨機搜索算法原理,分別構建了基于粒子群(Particle Swarm Optimization,PSO)、差分進化及遺傳算法的空間面片幾何參數(shù)優(yōu)化模型,通過優(yōu)化性能對比分析提出了基于粒子群的改進算法PSO-PMVS,并在相關數(shù)據(jù)庫上與經(jīng)典的PMVS算法作性能比對,仿真實驗結果表明PSO-PMVS的重建結果在完整度和精確度上都有所提升。由于PMVS算法存在初始點云過稀疏及精度粗糙現(xiàn)象,造成點云擴散過程中的重建誤差累積問題,論文針對性地提出了基于準稠密匹配、三維參數(shù)空間鄰域?qū)?yōu)及隨機搜索優(yōu)化的三維重建框架。其中準稠密匹配通過稀疏匹配的鄰域傳播克服初始面片數(shù)量較少的問題,并提高了初始點云的重建質(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,且能夠補全準稠密匹配遺留的點云孔洞。最后利用隨機搜索和視圖傳播進一步提高密集點云的質(zhì)量,并利用可見一致性約束和局部連續(xù)性約束濾除外點、離群點及冗余點,完成整個重建過程。仿真實驗結果表明,與PMVS算法相比,論文所提重建框架在重建指標及視覺效果上能夠獲得有效提升。
【學位單位】：西安電子科技大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP391.41

【參考文獻】

相關期刊論文 前1條

1 史利民;郭復勝;胡占義;;利用空間幾何信息的改進PMVS算法[J];自動化學報;2011年05期

相關碩士學位論文 前1條

1 賈超;基于多視圖的瓦當三維模型重建的研究與實現(xiàn)[D];西北大學;2015年

本文編號：2821723