三维重建技术中欧氏重建的研究

摘要

三维重建是计算机视觉研究的核心问题之一，三维重建目的是通过物体的二维图像信息恢复物体的空间三维几何形状，主要步骤包括:特征点检测与匹配，空间约束矩阵的求解，摄像机内外参数的标定，特征点重建，三角剖分，纹理映射等。本文主要围绕最终重建目标即欧氏重建进行相关的研究。主要工作包括:
　　(1)本文在特征点检测方面提出了一种对角点、边缘点同时进行检测的Harris改进算法实现多基元提取，增强特征点三维重建效果。
　　(2)在匹配方面提出了一种自适应对特征点进行最优分组匹配的策略，通过特征值遵循直方图性质将获得的特征点进行最优分组，然后采用单演相位进行匹配。该策略能够有效的去除误匹配点，同时减少特征点的匹配搜索时间。
　　(3)在三视图的三维重建方面提出了一种自适应加权迭代算法，该算法通过给匹配点对加权进行迭代筛选来实现，可以获得更多的较准确的匹配点对，从而精确求解三焦点张量。
　　(4)在分层重建方面，设计并实现了一种基于hough算法的直线聚类检测方法求取图像中的直线信息并进行分类，然后结合改进的ransac估计算法准确求解灭点的策略，提高了重建的鲁棒性。
　　(5)设计并实现了一种通过具有显著特征信息的参照物作为标尺进而对待测物体进行重建的策略。该策略避免了误差特征点的干扰，可以应用于一些复杂情况下的三维重建，且能保证获得较为理想的重建效果。

目录

封面

中文摘要

英文摘要

目录

插图和附表清单

1 绪论

1.1 计算机视觉

1.2 国内外研究现状

1.3 技术流程

1.4 论文的研究内容和创新

1.5 论文的组织结构

2 三维重建基础知识

2.1 坐标系

2.2 摄像机模型与投影矩阵

2.3 二视图几何与三视图几何

2.4 三维几何空间层次

2.5 本章小结

3 基于Harris的改进特征检测算法

3.1 Harris改进算法

3.2 模拟算法实验

3.3 本章小结

4 一种自适应特征点最优分组匹配的策略

4.1 自适应特征点最优分组匹配策略流程

4.2 分组评价标准的选取

4.3 最优分组匹配

4.4 模拟实验

4.6 本章小结

5 基于三视图的匹配筛选的自适应加权迭代算法

5.1 自适应加权迭代算法

5.2 误差检验方法

5.3 模拟实验

5.4 模拟立体重建实验

5.5 本章小结

6 基于鲁棒估计灭点分层重建的研究

6.1 灭点

6.2 基于hough的直线聚类检测方法

6.3 改进的鲁棒估计灭点算法

6.4 射影重建，仿射重建与欧氏重建

6.5 误差检验

6.6 实验过程

6.7 本章小结

7 基于参照物的三维重建策略

7.1 基于参照物的三维重建方法流程

7.2 水平集分割算法应用及调整

7.3 遗传算法（GASAC）

7.4 参照物的选取方法

7.5 模拟实验

7.6 本章小结

8 总结与展望

8.1 总结

8.2 工作展望

致谢

参考文献

作 者 简 介