基于稠密视觉的室内三维场景重构算法研究

摘要

针对室内场景的三维重构最早起源于计算机视觉领域的同步定位与地图构建（Simultaneous Localization and Mapping简称SLAM）问题，是一种根据传感器采集场景真实信息，并在计算机上实现重建的技术。被广泛应用在如增强现实、虚拟现实、人工智能等多个领域。近年来随着SLAM技术的发展，针对室内场景的三维重构也取得了较大成果。但由于室内场景具有数据量大，环境复杂等特点，算法在运行效率、结果精度、重构效果上依然存在问题，并有较大的提升空间。基于此，本文研究设计了一种基于稠密视觉的室内场景重构算法，能高效的对真实室内环境进行重建。本文的主要研究工作如下： 1）针对相机运动的求解问题，本文研究设计了一个使用所有像素点来估计相机运动的稠密方法。相比较仅使用特征信息的特征点方法，运行效率更快，精度也更高。算法在原理上类似于光流法，但在最小化误差阶段，引入概率的方法求解。相比较一般光流方法，该算法降低了对光流不变假设的依赖，使得对较大的相机运动，也能通过由粗到精的计算方式得到。 2）针对相机全局运动轨迹计算过程中的跟踪丢失与误差累积问题，本文研究设计了一种基于随机蕨丛的稠密关键帧算法。首先利用随机蕨丛对整幅图像进行分类编码；然后通过对比帧间差异得到关键帧序列，并根据该序列对丢失图像进行恢复；最后，利用关键帧序列构造出优化模型，对运动轨迹进行优化计算，进而减少累积误差。相比较一般关键帧算法，本文算法在关键帧查找的正确率和跟踪丢失的找回率上具有更好的效果。同时，相比较一般的优化模型，基于关键帧的优化算法运行效率更高。 3）针对室内场景在计算机里的三维重建问题。本文研究设计了一种基于体素八叉树的建模方法，对整个场景进行稠密建图。主要利用体素八叉树数据模型，对场景三维信息进行保存、融合以及渲染。相较传统基于点云或体素的方法，本文算法的综合表现更佳，更适合对室内场景进行建模。 经过理论分析和实验验证，本文的研究工作较好的解决了室内场景重构中的精度问题和效率问题，为三维重构技术的发展做出了有利的贡献和帮助。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文主要内容和结构安排

1.3.1 主要研究内容

1.3.2 论文结构安排

第2章 基于稠密视觉的相机位姿估计算法

2.1 相机位姿

2.2 基于稠密方法的相机位姿估计

2.2.1 三维相机运动位姿模型

2.2.2 基于概率方法的位姿估计求解

2.2.3 位姿估计算法设计

2.3 实验结果与分析

2.3.1 实验平台介绍

2.3.2 实验结果与分析

2.4 本章小结

第3章 基于随机蕨丛的关键帧算法

3.1 关键帧

3.2 基于随机蕨丛的关键帧选取

3.2.1 图像编码与帧间差异

3.2.2 关键帧选取与跟踪恢复

3.2.3 关键帧算法设计

3.2.4 基于关键帧的优化模型构建

3.3实验结果与分析

3.3.1 关键帧选取实验

3.3.2 位姿模型优化实验

3.4 本章小结

第4章 基于体素八叉树的室内场景构建算法

4.1 稠密建图

4.2 基于体素八叉树的三维建模算法

4.2.1 数据模型

4.2.2 数据融合

4.2.3 三维渲染

4.3 实验结果与分析

4.3.1 数据集场景建模

4.3.2 真实场景建模

4.4 本章小结

第5章 总结和展望

5.1 工作总结

5.2 未来展望

致谢

参考文献

攻读硕士学位期间获得的学术成果