多视图立体匹配三维重建方法

摘要

近些年计算机视觉领域在三维模型重建方向取得了极大的进展，三维重建技术被广泛用于事件仿真及可视化应用，例如飞行模拟器，虚拟地图，游戏等。多视图立体匹配三维重建作为重建技术中的一种，从图像或图像序列中获取场景信息用以重建场景中重建对象的三维模型。因为基于多视图的立体匹配三维重建方法的便捷及适用性强，其成为三维重建领域的热门研究。
　　针对当前平面扫描算法的几点不足，在平面扫描方法的基础上做出一定的改进，同时结合运动中恢复结构方法，设计并实现了一种稠密点云生成方法。方法提取图片中SIFT特征点，基于运动中恢复结构（structure from motion,SFM），用迭代方法同时考虑多幅图像的匹配对，恢复出摄像机位置的同时求得场景稀疏点云，其中使用捆集调整对生成的摄像机位置及姿态进行微调；随后从场景稀疏点云信息获取场景中重建物体的位置信息，基于物体的位置信息用局部的平面扫描（Plane-Sweep）算法恢复出场景准稠密点云，其中为处理场景遮挡问题，Plane-Sweep采用迭代裁减技术计算平方差之和以消除部分遮挡对计算分数的负面影响；对准稠密点云采用中值及均值过滤，初步消除其中明显杂点，对其进行基于归一化互相关系数的过滤方法以消除因光照亮度变化等原因产生的杂点。将基于多视点生成的多个准稠密点云进行融合，进而生成可供后续重建使用的稠密点云。
　　实验结果表明，该方法对遮挡情况的处理能力较强，同时能减少弱纹理背景对重建结果的不良影响，可以根据多幅输入图像生成杂点较少同时精度较高的场景稠密点云。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1研究目的及意义

1.2国内外研究现状

1.3研究目标和所做的工作

1.4论文的组织结构

2 相机与稀疏点云重建

2.1特征点检测及匹配

2.2多视图几何计算

2.3恢复场景结构及相机运动

2.4捆集调整（Bundle Adjustment）

2.5最终结果

2.6本章小结

3 稠密点云的生成

3.1平面扫描（Plane-Sweep）算法

3.2改进的平面扫描算法

3.3几种方法的对比

3.4本章小结

4 点云后续处理

4.1 中值及均值过滤

4.2 基于NCC匹配算法的过滤

4.3 多视点深度图的生成及融合

4.4本章小结

5 总结与展望

5.1 全文总结

5.2 存在的问题

5.3 研究展望

致谢

参考文献