基于立体影像的云体表面三维重建关键技术研究与实现

摘要

相对于越来越贫乏的地表和地下水资源而言，大气水资源极为丰富且具有较大的开发利用潜力。对云进行测量建模，取得基本几何特征并建立云表面三维几何模型，可为云的气象参数科学可视化与云内大气动力学分析提供基础。由于云形态复杂且纹理不明显，现有对云建模的研究较少，且算法较复杂、重建尺度较大。本文研究了基于立体图像对的云表面三维重建技术。论文的主要工作如下：
　　针对现有对云观测设备成本高、部署难的问题，本文设计了一种低成本可便携的对云立体测量系统，该系统由取景、测量、支撑和同步几部分构成，可方便地进行云底高的测量和对云进行同步拍摄。
　　针对云形态不一和云图像纹理较弱的特点，本文使用多种特征提取和匹配算法在云体图像上进行了实际应用和比较分析：其一是对各种算法在云图像上的处理时间、匹配点对数量等进行比较；其二是以SIFT算法为例进行参数调整并进行比较；其三是对各算法的匹配点结果进行覆盖程度比较。本文认为综合使用多种相互覆盖程度最小的算法提取的结果，可显著提高特征点数目。
　　由于图像特征提取与匹配过程的效率较低，本文改进了基于序列图像的增量式重建方法：使用简化的图像对选择算法，仅对相邻图像做特征匹配，缩减了匹配工作量；改善了基础矩阵的计算方法，保证了基础矩阵计算的成功率；分析并确定了算法中使用的误差阈值，增加了点云数量。经比较证明本文实验结果在运行时间、点云数量和视觉效果上要优于photosynth、visualSFM等软件。
　　对于弱纹理立体匹配不精确的问题，本文提出一种基于图像分割与像素梯度的立体匹配算法。本文利用基于图割算法的超像素分割方法来对图像进行分割，并构造了一种基于像素梯度和颜色区域的视差函数，该方法能够提取更为细化的视差图，从而使点云的稠密性和准确性提高。
　　最后，本文对散乱点云进行处理并进行网格化重构。本文使用点云的局部几何信息对噪声进行滤除，使用降采样对数据进行了简化，最终使用Delaunay三角剖分和区域生长相结合的办法完成了曲面网格化。
　　本文的研究可为云场景模拟、气象参数科学可视化提供实现基础。本文关于云图稀疏和稠密重建的部分对于弱纹理图像立体匹配领域有一定的参考价值。

目录

封面

声明

中文摘要

英文摘要

目录

英文缩写名称一览表

1 绪论

1.1 研究背景、目的和意义

1.2 国内外在该方向的研究现状及分析

1.3 研究内容、研究目标及拟解决的关键问题

1.4 研究思路与章节安排

2 对云测量网构建与布置

2.1 引言

2.2 对云测量系统构建

2.3 云的类型与特点

2.4 本章小结

3 特征提取与匹配算法比较与选择

3.1 引言

3.2 主要的特征提取与描述算法

3.3 云图像特征分析与特征提取匹配问题

3.4 低纹理云体图像特征提取与匹配实验

3.5 本章小结

4 基于SFM的稀疏场景重建

4.1 引言

4.2 SFM算法原理

4.3 基于图像序列的增量重建

4.4 实验与点云提取效果

4.5 本章小结

5 基于立体匹配的稠密场景重建

5.1 引言

5.2 稠密场景重建

5.3 一种基于图像分割的深度图计算算法

5.4 验证与本章小结

6 点云处理与云体曲面重建

6.1 引言

6.2 点云预处理

6.3 基于三角剖分与区域增长的点云网格化

6.4 验证与本章小结

7 结论

7.1 全文总结

7.2 创新点

7.3 工作展望

致谢

参考文献

附录1 攻读学位期间的主要成果和奖励