学位论文 > 优秀研究生学位论文题录展示
基于视觉的三维场景建模研究与实现
作 者: 李文凯
导 师: 赵德斌;姚鸿勋
学 校: 哈尔滨工业大学
专 业: 计算机科学与技术
关键词: 计算机视觉 三维场景建模 集束调整 自定标 多视图立体化
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 180次
引 用: 0次
阅 读: 论文下载
内容摘要
随着信息技术的发展,越来越多的图像和视频出现在几们的生活中和互联网上。而且,现有的虚拟现实技术和自由视点视频技术等,使几们越来越倾向于观看数字化的三维场景。于是,将已有的图像和视频组织成为三维场景模型,就成为一个非常有必要而且非常有前景的工作。计算机视觉几十年的长足发展,也为用视觉方法进行三维场景建模奠定了坚实的基础。三维场景建模是计算机视觉和计算机图形学两个学科交叉的重要研究领域。基于视觉的三维场景建模阶段,就是用计算机视觉的方法,将相关图像或视频进行处理,最终得到三维场景模型的过程。基于图形学的相关技术,主要作为后处理,对三维场景模型进行渲染和展示。本文着重于基于视觉的三维场景建模阶段的研究。本文主要研究工作如下:第一,本文详细的总结了三维场景建模领域的重要理论和算法,对Bundler自定标算法进行了改进,大大提高了其迭代优化的效率。第二,本文提出并实现了对光照和设备变化鲁棒的二视图三维场景深度估计方法。本文将SIFT特征和NCC方法相结合,提出了一种对光照和设备变化不敏感的匹配代价函数:SIFT-_NCC,并使用二阶平滑约束下的MRF优化算法进行逐步求精,所得结果比其他该类算法更为精确。第三,本文提出并实现了使用较大规模未定标图像集合进行三维场景建模的方法。本文制定了有效的图像筛选策略,在得到的高质量图像子集上,实现了一种基于集束调整优化策略的自定标方法,并提出了基于多特征融合的MFF—MVS算法,使用定标数据和图像集合重建出了稠密的三维点云数据,并得到了三维表面模型。
|
全文目录
摘要 4-5 Abstract 5-8 第1章 绪论 8-18 1.1 课题背景及意义 8-9 1.2 国内外总体研究情况综述 9-15 1.2.1 基于轮廓线索的三维对象建模方法 9-10 1.2.2 基于视觉的二视图三维场景深度估计方法 10-12 1.2.3 基于视觉的无序图像集合三维场景建模方法 12-14 1.2.4 基于视觉的图像序列三维场景建模方法 14-15 1.3 基于视觉的三维场景建模的方法分析及研究难点 15-16 1.4 论文的主要工作及章节安排 16-18 1.4.1 论文的主要工作 16-17 1.4.2 论文的组织结构 17-18 第2章 基于视觉的三维场景建模相关理论和算法 18-34 2.1 引言 18 2.2 特征检测和相似性匹配 18-23 2.2.1 NCC匹配算法 18-19 2.2.2 Harris角点检测算法 19-20 2.2.3 SIFT 特征检测、描述和匹配算法 20-23 2.3 摄像机定标 23-27 2.3.1 相机模型 23-25 2.3.2 物理定标和半自动定标技术 25-26 2.3.3 自定标技术 26-27 2.4 视觉问题最优化方法 27-31 2.4.1 基于MRF的优化方法 27-30 2.4.2 基于集束调整的优化方法 30-31 2.5 Delaunay表面重构技术 31-33 2.6 本章小结 33-34 第3章 光照和设备变化不敏感的二视图三维场景深度估计 34-44 3.1 引言 34 3.2 SIFT-NCC代价函数 34-37 3.2.1 基于成像过程的图像模型 34-35 3.2.2 光照和设备变化的处理 35-36 3.2.3 SIFT-NCC匹配策略 36-37 3.3 MRF优化 37-39 3.3.1 能量函数 38-39 3.3.2 TRW-S优化 39 3.4 实验结果 39-41 3.4.1 曝光时间变化情况下的实验 40 3.4.2 曝光时间和外部光源都变化情况下的实验 40-41 3.5 本章小结 41-44 第4章 多特征融合的多视图三维场景建模 44-59 4.1 引言 44-45 4.2 高质量图像子集合选取 45-48 4.2.1 图像质量和基线大小对三维场景建模的影响分析 45-46 4.2.2 图像筛选准则 46-48 4.3 图像集合自定标 48-49 4.4 多特征融合的MFF-MVS算法 49-51 4.4.1 多特征提取、匹配与融合 50 4.4.2 稠密点云重建 50-51 4.4.3 三角织网及表面重构 51 4.5 图像序列/视频的三维场景建模 51-52 4.6 实验结果 52-58 4.6.1 MFF-MVS算法的已定标建模实验 52-53 4.6.2 MFF-MVS算法的自定标建模实验 53-54 4.6.3 视频序列三维场景建模实验 54-58 4.7 本章小结 58-59 结论 59-60 参考文献 60-66 攻读硕士学位期间发表的学术论文及其它成果 66-68 致谢 68-69 个人简历 69
|
相似论文
- 基于学习的低阶视觉问题研究,TP391.41
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 基于计算机视觉对“次郎”甜柿外部品质检测与分级的研究,S665.2
- 基于计算机视觉的脱水蒜片检测与分级研究,TP391.41
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 基于计算机视觉的带钢表面缺陷在线检测系统的设计与实现,TP391.41
- 空间增强现实中实时建模相关技术的研究,TP391.41
- 应用Kinect与手势识别的增强现实教育辅助系统,TP391.41
- 基于DSP的单目视觉定位方法关键技术研究,TP391.41
- 基于计算机图像处理的叶片氮素检测系统研究,TP391.41
- 基于线特征的规则物体影像的关系匹配研究,TP391.41
- 基于视觉的人体跟踪技术在人机交互中的应用,TP11
- 基于计算机视觉的机车乘务员驾驶疲劳监测研究,TP274
- 基于多源信息融合技术的猪肉新鲜度无损检测方法研究,TP274.4
- 汽车仪表板的计算机视觉检测系统研究,TP391.41
- 视频图像中运动车辆检测与跟踪技术的研究,TP391.41
- 摄像机标定方法研究,TP391.41
- 基于计算机视觉的袜套辨色分级系统研究,TP391.41
- 基于计算机视觉的三维人机交互技术研究及应用,TP391.41
- 基于合作目标的无人机位姿估计算法研究,TP391.41
- 双目视觉匹配算法研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|