【摘要】：多視角立體(Multi-view Stereo)三維重建,簡稱MVS重建,旨在從一組標定的二維多視角圖像精確地重建三維幾何形狀,是計算機視覺中一個基礎(chǔ)且活躍的研究領(lǐng)域。隨著數(shù)碼相機,無人機和智能手機的廣泛使用,日常生活中每天可以捕獲大量的圖像數(shù)據(jù)。MVS提供了一種使用圖像重建室內(nèi)和室外場景的有效方式,并在許多實際應(yīng)用中發(fā)揮重要的作用,例如,娛樂、增強現(xiàn)實、數(shù)字文化遺產(chǎn)保護、城市重建、3D打印、對象檢測和識別。雖然MVS重建方法已經(jīng)取得了穩(wěn)定的進展,目前已有的方法仍然在如下幾個方面具有局限性,包括:(a)在處理深凹陷區(qū)域和細長突起結(jié)構(gòu)時重建效果較差,對初始值敏感;(b)不易恢復(fù)尖銳表面特征和表面小尺度細節(jié),占用內(nèi)存較高;(c)較高的計算成本和較慢的收斂速度;(d)在實時重建中缺乏高質(zhì)量的實時反饋。為了處理上述問題,本文從不同角度改進MVS重建。首先,為了提高在深凹陷和細長突起結(jié)構(gòu)的重建質(zhì)量,提出一種面向廣義重投影誤差最小化的兩階段最優(yōu)化方法:Tw GREM。提出的廣義重投影誤差將立體和輪廓線索信息整合在一個統(tǒng)一的能量泛函中。為了最小化能量泛函,首先在三維體素上引入凸松弛和凸優(yōu)化,重建初始的表面。然后,基于三角網(wǎng)格的表面演化算法細化重建結(jié)果產(chǎn)生高質(zhì)量的重建輸出。實驗驗證了Tw GREM在重建精度和完整度方面的優(yōu)勢,特別是對于覆蓋有弱紋理的三維場景和空間視角比較稀疏的圖像數(shù)據(jù)。第二,為了重建表面的小尺度細節(jié)和尖銳的表面特征,并同時對弱紋理區(qū)域魯棒且有效的抑制噪聲的影響,本文提出一種細節(jié)保留的且目標自適應(yīng)的變分MVS重建算法:DCV。算法通過交替執(zhí)行重投影誤差最小化和三角網(wǎng)格去噪算法重建三維表面。在重投影誤差最小化中,提出一種新穎的圖像間相似性度量方法,有效地保留重建表面的小尺度細節(jié),并且建立起了引導(dǎo)濾波和圖像配準之間的聯(lián)系。在三角網(wǎng)格去噪中,提出一種目標自適應(yīng)的p去噪算法,可以自適應(yīng)地估計p值和正則化參數(shù)。定量的實驗評估驗證了提出的DCV方法能夠恢復(fù)更多的表面細節(jié),獲得更干凈的和精確的重建結(jié)果。特別地,DCV在Middlebury dino ring和dino sparse數(shù)據(jù)集上的精度和完整度均實現(xiàn)了當前最好的結(jié)果。第三,為了快速重建高質(zhì)量的三維形狀,本文提出一種簡單,高效靈活的基于深度圖融合的MVS算法:Co D-Fusion。方法的核心是采用坐標下降(Coordinate Decent,即Co D)高效地最小化各向異性或各項同性全變分(TV)與L1結(jié)合的能量泛函。Co D-Fusion通過求解一組逐體素的L1最小化子問題來最小化TV+L1。這些L1最小化子問題可以使用快速加權(quán)中值濾波(WMF)高效的求解。WMF可被擴展到更大的鄰域以更好的抑制重建中的瑕疵。定量和定性的評估結(jié)果驗證了Co D-Fusion算法作為一種面向大尺度重建的MVS算法的靈活性和高效性。第四,為了實現(xiàn)面向?qū)崟r應(yīng)用的高效、魯棒且低成本的MVS重建,本文提出一種基于GPU和單目RGB相機的實時重建系統(tǒng)和MVS算法。系統(tǒng)的輸入來自低成本的消費級相機,如網(wǎng)絡(luò)攝像頭或手機端的攝像頭。提出的算法可以魯棒地追蹤相機姿態(tài)和估計深度圖,并將深度圖融合為高質(zhì)量的三維模型,同時實時地細化相機姿態(tài)。通過對深度搜索空間隨機的初始化,估計深度圖的復(fù)雜度獨立于深度的搜索范圍,因此算法相對于場景的大小具有可擴展性。通過采用一種基于置信度的深度調(diào)整算法,重建算法對于弱紋理比較魯棒。由于系統(tǒng)可以實時高質(zhì)量地可視化重建結(jié)果,拍攝者可以在重建過程中自由的調(diào)整相機位置并規(guī)劃拍攝路徑�？偟膩碚f,本文的工作不僅提升了MVS的重建質(zhì)量和效率,產(chǎn)生新的當前最好結(jié)果,而且它的解決重建問題的思路可以激發(fā)新的MVS算法或者其它重建方法。
[Abstract]:......
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【引證文獻】

相關(guān)博士學(xué)位論文 前1條

1 李亞蘭;基于空間一致生長的多視圖三維重建[D];華中師范大學(xué);2017年

，

本文編號：2429799