学位论文 > 优秀研究生学位论文题录展示

基于图像三维模型重建的研究

作　者: 阮孟贵
导　师: 章毓晋
学　校: 清华大学
专　业: 信息与通信工程
关键词: 目标分割机器学习图割轮廓交叉三维模型重建
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 170次
引　用: 0次
阅　读: 论文下载

内容摘要

本文的主要研究内容是利用从不同视角拍摄的图像序列来重建物体三维模型的相关技术。基于图像序列的三维模型重建可以分成两个大问题:第一是如何从图像中精确地将物体分割出来,第二是如何从物体在不同视角下的图像序列进行三维模型的重建。首先,对于目标分割问题,本文提出一个交互式的目标分割框架。在该框架下,用户通过交互式工具在图像标注一些属于目标(前景)的象素和一些属于背景的象素,然后利用这些象素进行模型参数学习或能量函数优化以更精确地将目标分割出来。在该框架下,本文分别实现了基于机器学习的目标分割方法和基于图割的目标分割方法。基于机器学习目标分割采用SVM学习方法和Boosting学习方法,从而将目标分割问题转换成有监督学习问题,通过用户标注的象素对模型进行训练获得模型的参数,然后用模型去判别剩下象素是否属于目标,最终实现了目标的分割。基于图割的目标分割方法将目标分割问题转换成能量最小化问题,根据分割问题定义相应的能量函数,然后根据能量函数构建图,在图中找最小割(对应能量最小),最终实现了目标的分割。其次,对于三维模型重建问题,本文分别采用了立体视觉方法和基于轮廓三维模型重建方法。本文立体视觉方法采用动态规划方法进行匹配获得对应象素的视差,并通过三角测量原理获得深度信息。本文也提出一种快速的基于轮廓的三维模型重建方法,将传统三维锥形交叉问题转换成二维轮廓交叉问题。首先将不同视角下的二维侧影轮廓反投影到若干平行的三维平面上,然后在三维平面上计算所有反投影轮廓的交叉轮廓,最后对相邻三维平面上的交叉轮廓进行匹配并重建物体的表面。基于轮廓的三维模型重建方法主要以增加视角数目来提高模型的精确度,而本文算法的时间复杂度和视角数目成线性关系。理论分析和实验结果表明本文的方法能更有效重建物体的三维模型。

全文目录

摘要  3-4
Abstract  4-9
第1章引言  9-19
  1.1 选题背景介绍  9-10
  1.2 基于图像三维重建发展现状  10
  1.3 三维模型表达方法  10-12
  1.4 摄像机标定  12-16
    1.4.1 摄像机的数学模型  12-15
    1.4.2 摄像机标定方法  15-16
  1.5 研究内容和主要贡献  16-18
  1.6 论文组织  18-19
第2章基于机器学习目标分割  19-32
  2.1 特征提取  19
  2.2 基于SVM 的目标分割方法  19-27
    2.2.1 SVM 方法介绍  19-21
    2.2.2 SVM 方法原理  21-24
    2.2.3 基于SVM 的目标分割  24-27
  2.3 基于Boosting 的目标分割方法  27-31
    2.3.1 Boosting 方法介绍  27
    2.3.2 AdaBoost 算法  27-28
    2.3.3 基于AdaBoost 的目标分割  28-31
  2.4 本章小结  31-32
第3章基于图割目标分割方法  32-43
  3.1 图割方法介绍  32-33
  3.2 图割的基本理论  33-34
  3.3 基于图割的目标分割  34-39
    3.3.1 分割能量函数  35-36
    3.3.2 前景和背景建模  36-38
    3.3.3 图的构造  38-39
  3.4 实验结果  39-42
  3.5 本章小结  42-43
第4章立体视觉三维重建方法  43-51
  4.1 立体视觉三维重建方法介绍  43-45
  4.2 特征提取  45-47
  4.3 基于动态规划匹配方法  47-48
  4.4 实验结果  48-50
  4.5 本章小结  50-51
第5章基于轮廓三维模型重建方法  51-61
  5.1 基于轮廓三维模型重建介绍  51-52
  5.2 物体表面的点集生成  52-55
    5.2.1 反投影方程  52-53
    5.2.2 二维轮廓交叉  53-55
  5.3 物体表面生成  55-57
  5.4 本文三维模型重建算法复杂度分析  57-58
  5.5 实验结果  58-59
  5.6 本章小结  59-61
第6章总结与展望  61-63
参考文献  63-67
致谢  67-68
个人简历、在学期间发表的学术论文与研究成果  68

基于图像三维模型重建的研究

内容摘要

全文目录

相似论文