学位论文 > 优秀研究生学位论文题录展示
基于SURF算法的多幅图像三维模型重建方法研究
作 者: 国飞飞
导 师: 张艳
学 校: 北京理工大学
专 业: 计算机科学与技术
关键词: 基于多幅图像的三维模型重建 SURF算法 区域增长匹配算法
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 118次
引 用: 0次
阅 读: 论文下载
内容摘要
基于多幅图像的三维模型重建是计算机视觉领域中的研究热点和难点。特征点的检测和匹配技术是基于图像三维建模过程的关键技术,从很大程度上影响了重建结果的效率和精度。本文的主要研究内容如下:(1)基于多幅图像的三维模型重建理论。本文研究了三维模型重建步骤中涉及到的特征点的检测和匹配、相机自标定(包括基础矩阵、本质矩阵的获取、相机的内外参数和摄影矩阵的确定)、通过三角测量得到物体的三维空间点坐标。并将特征点的检测和匹配作为重点研究对象。(2)SURF特征提取及匹配算法。特征点检测是三维模型重建的基础,后续步骤都是在特征点的基础上建立起来的。特征点检测算法的性能对重建至关重要。本文重点对SURF算法进行了研究,并与SIFT特征点检测算法从特征点精确度、特征点个数、和特征点检测匹配速度三个方面进行实验分析它们的性能,验证了SURF在本文应用中的优越性。(3)特征点稠密匹配算法。虽然SURF算法在速度和精度上取得了最优,但匹配得到的特征点个数相对较少,针对这一不足,将区域增长匹配算法应用于特征点的匹配中,以已有匹配点对为种子点,向四周进行区域性的扩展匹配,以得到稠密特征点。(4)在上述关键技术的基础上,实现了一个多幅图像三维模型重建系统,使用真实拍摄的图像进行实验,并将本文采用的SURF算法和区域匹配增长算法并用的重建方案与单一采用SIFT算法匹配进行比较,重建结果在精度上有很大提升。
|
全文目录
摘要 5-6 Abstract 6-9 第1章 绪论 9-17 1.1 基于图像的三维模型重建的前景和意义 9 1.2 基于图像的三维模型重建方法的现状和发展趋势 9-12 1.3 基于多幅图像的三维模型重建方法 12-15 1.3.1 基于多幅图像的三维模型重建一般流程 12-13 1.3.2 基于多幅图像的三维模型重建方法 13-15 1.4 本文研究内容 15 1.5 论文组织结构 15-17 第2章 SURF 特征提取及匹配算法的研究和实现 17-33 2.1 图像特征点检测及匹配方法综述 17-18 2.1.1 特征点的检测和匹配算法介绍 17-18 2.2 SURF 算法介绍 18-26 2.2.1 SURF 算法中的几个概念 19-21 2.2.2 SURF 特征点的检测 21-23 2.2.3 SURF 描述子的生成 23-25 2.2.4 SURF 相似性度量 25-26 2.3 SIFT 算法介绍 26-28 2.3.1 SIFT 特征点检测 26-27 2.3.2 SIFT 特征点方向的确定 27 2.3.3 SIFT 特征点描述子的生成 27 2.3.4 SIFT 相似性度量 27 2.3.5 SURF 和SIFT 算法对比 27-28 2.4 SURF 算法在重建中的实验 28-31 2.4.1 SURF 和SIFT 特征点检测情况对比实验 29-30 2.4.2 SURF 和SIFT 特征点精确度对比实验 30 2.4.3 SURF 和SIFT 算法速度对比实验 30-31 2.5 本章小结 31-33 第3章 改进的特征点稠密匹配算法研究和实现 33-41 3.1 区域增长算法理论 33-34 3.2 区域增长算法步骤 34-38 3.2.1 视差图的定义 34-35 3.2.2 确定对应点的目标函数 35 3.2.3 区域增长算法流程 35-38 3.2.4 区域增长搜索范围的控制 38 3.3 区域增量算法实验 38-40 3.4 本章小结 40-41 第4章 基于多幅图像的三维模型重建方法研究 41-53 4.1 三维实体重构建模理论 41-50 4.1.1 相机模型 41-43 4.1.2 极线几何 43-44 4.1.3 基础矩阵 44-45 4.1.4 基础矩阵的计算 45-47 4.1.5 本质矩阵计算 47 4.1.6 摄像机外参数的计算 47-48 4.1.7 投影矩阵的计算 48-49 4.1.8 空间三维点的计算 49-50 4.2 基于多视图的三维模型重建 50-52 4.3 本章小结 52-53 第5章 实验 53-60 5.1 两幅图三维模型重建系统框架介绍 53-54 5.2 将SURF 算法应用于两幅图三维模型重建 54-57 5.3 将区域增长匹配算法应用于两幅图三维模型重建 57-58 5.4 两种方法的比较 58-59 5.5 本章小节 59-60 结论 60-61 参考文献 61-63 致谢 63
|
相似论文
- 基于单目视觉的移动机器人目标识别与定位,TP242.6
- 单目视觉家庭机器人环境建模与导航问题研究,TP242
- 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
- 用于检索的人脸特征提取与匹配算法研究,TP391.41
- 基于FPGA的高速图像预处理技术的研究,TP391.41
- 基于用户兴趣特征的图像检索研究与实现,TP391.41
- 图像拼接技术研究,TP391.41
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 舌体特征的提取及融合分类方法研究,TP391.41
- 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 双传感器图像联合目标检测及系统实现研究,TP391.41
- 雾天或背光条件下图像清晰化算法研究及硬件实现,TP391.41
- 基于纹理特征的视频编码技术研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 基于内容的服装图像检索技术研究及实现,TP391.41
- 基于多示例学习的用户关注概念区域发现,TP391.41
- 电子稳像系统中旋转稳像算法研究,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 二维粗糙表面光散射特性模拟与实验研究,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
|