学位论文 > 优秀研究生学位论文题录展示

无组织多视图图像的自动化三维场景重建

作　者: 徐帆
导　师: 王宏远
学　校: 华中科技大学
专　业: 信息与通信工程
关键词: 从运动恢复结构多视图重建基础矩阵射影重建摄像机自标定度量重建 RANSAC
分类号: TP391.41
类　型: 博士论文
年　份: 2007年
下　载: 420次
引　用: 3次
阅　读: 论文下载

内容摘要

从一个静态场景的多幅未标定视图来同时恢复摄像机的运动和场景的三维结构是计算机视觉领域的一个基本问题,拥有着广泛的应用前景。其理论基础多视图几何学在经过了20多年的深入研究后也在近年迈向成熟,相关的教科书也已经相继面世。本文要挑战的问题是如何在输入大量无组织的多视图图像上实现自动化的度量重建。难点主要体现在两个方面:(1)如果输入的图像组是有序的,如视频序列,则重建可以通过分层迭代的策略来实现;而对于没有任何先验信息的无序图像组,如何采取合适的重建策略是亟待解决的问题,目前的解决方案也只能有效的处理输入视图数较少的情况。(2)现有的系统在重建过程中需要大量专家级的人机交互,实现完全自动化的多视图重建对系统的鲁棒性提出了新的挑战。本文针对多视图重建的各个子模块提出了改良算法;并提出了一种新颖的基于图论的多视图重建策略,该策略完全不依赖输入图像组的序列信息;最终实现了一个高性能高鲁棒性的自动化多视图重建系统。基础矩阵鲁棒性估计的主流算法是随机抽样一致性算法RANSAC,我们分析了RANSAC在理论和应用上的缺陷并提出了两种新算法:自适应Tc,d预检验RANSAC以及基于高斯混合模型GMM的随机抽样最大似然算法GMSAC。自适应Tc,d预检验使用了近似优化的预检验参数选择实现了自适应的RANSAC加速。GMSAC详细分析了局外点的成因,并针对不同成因的局外点采用了不同参数集的GMM建模,实现了基础矩阵的最大似然估计。提出了一种最小化重投影误差的线性射影重建方法,算法实现基于场景结构、摄像机运动以及射影深度之间的加权交替最小二乘法。本射影重建算法可以与作为射影光束法平差的引导算法或者组成混合算法,有效的提高射影重建的效率与精度。提出了一种基于双向准仿射重建的度量重建方法。使用准仿射重建作为度量重建的中间步骤可以增加算法取得全局最优的机会,提升重建质量。我们在多个不同类型的图像组上进行了系统实验,包括室内与室外的图像组。实验结果表明,本文的系统能够在不依赖任何人机交互的情况下在复杂的无组织图像组上输出质量良好度量重建结果。

全文目录

摘要  4-5
Abstract  5-9
符号及中英对照表  9-10
1 绪论  10-22
  1.1 研究方向与应用前景  11-15
  1.2 研究思路与系统框架  15-22
2 计算机视觉中的多视图几何学  22-40
  2.1 小孔成象与透视投影  22-23
  2.2 单视图几何  23-25
  2.3 双视图几何  25-26
  2.4 三视图几何  26-27
  2.5 多视图几何与代数张量  27-29
  2.6 分层化重建  29-35
  2.7 绝对二次曲线与Kruppa等式  35-36
  2.8 手性  36-38
  2.9 本章小结  38-40
3 基础矩阵的鲁棒性估计  40-64
  3.1 问题描述  40
  3.2 线性8点算法  40-43
  3.3 RANSAC  43-44
  3.4 RANSAC的自适应Tc,d预检验  44-50
  3.5 GMSAC  50-62
  3.6 本章小结  62-64
4 射影重建的矩阵分解方法  64-84
  4.1 问题描述与优化原则  64-65
  4.2 最新研究进展  65-75
  4.3 最小化重投影误差的PowerFactorization算法  75-77
  4.4 实验结果  77-82
  4.5 本章小结  82-84
5 度量重建与摄像机自标定  84-100
  5.1 问题描述与优化原则  84-85
  5.2 最新研究进展  85-89
  5.3 定向射影重建与准仿射重建  89-91
  5.4 基于双向准仿射重建的度量重建算法  91-92
  5.5 实验结果  92-99
  5.6 本章小结  99-100
6 基于图论的多视图重建系统  100-122
  6.1 宽基线特征点提取与匹配  100-101
  6.2 多视图图论与相容重建条件  101-105
  6.3 无序视图组的空间拓扑排序  105-108
  6.4 基于顶点间最短路径的EG重要性  108-112
  6.5 基于合并的多视图重建策略  112-116
  6.6 三视图几何的退化检测  116-118
  6.7 系统实验结果与局限性分析  118-120
  6.8 本章小结  120-122
7 总结与展望  122-124
  7.1 本文的研究成果与创新点  122-123
  7.2 研究展望  123-124
致谢  124-126
参考文献  126-135
附录1 攻读学位期间发表的学术论文  135-136
附录2 向量和矩阵的求导  136-137
附录3 混合概率分布和EM算法  137-145
  3.1 有限混合概率分布  137
  3.2 最大似然估计  137-138
  3.3 EM算法  138-142
  3.4 EM算法求解混合高斯模型  142-145

无组织多视图图像的自动化三维场景重建

内容摘要

全文目录

相似论文