基于SFM的多源目标三维重构方法研究

摘要

基于SFM（Structure From Motion，从运动恢复结构）算法的三维重构技术是计算机视觉中非常重要的研究内容，这种技术是将不同角度拍摄的照片作为输入数据，通过重构算法来获取目标的三维模型。由于该技术具有计算精度高、采集数据便捷、实用性较高等优点，因此常用于光电虚拟现实中仿真真实场景、游戏动画中制作真实模型、医疗诊断中模拟人体组织结构等。目前很多应用领域不仅需要重构出目标的三维模型，也需要模型表面具有红外热信息，但是由于红外成像原理的独特性，导致获取的红外图像具有细节不明显，纹理不清晰等特点，很难直接从红外图像恢复场景或目标的三维模型，因此需要将可见光图像与红外图像进行配准，然后重构出具有形状大小、颜色信息，又具有温度特征的三维模型。 本文分析了三维重构方法的发展现状，并在研究SFM三维重构算法原理的基础上，针对可见光图像与红外图像各自的特征，提出一种基于SFM算法的多源目标三维重构方法，实现了对多源目标进行三维重构的目的。研究内容主要有以下几个方面： （1）摄像机的标定是对图像进行三维重构的前提，本文研究了摄像机的成像模型和标定方法。首先介绍了三维重构所需相关坐标系之间的转换原理和摄像机成像模型；然后介绍了几种常见的摄像机标定方法，并重点介绍了棋盘格平面标定法；最后借鉴棋盘格方法对本文所使用的摄像机进行标定，并进行畸变校正。 （2）可见光图像与红外图像的配准是实现多源目标三维重构的重点，本文深入研究了多源图像配准的实现原理和过程。首先针对可见光图像与红外图像的特征，分别对其进行预处理以增强图像特征；然后检测出图像的边缘并提取SURF特征点；再利用SURF特征点对多源图像进行匹配，并通过仿射变换实现红外图像与可见光图像的配准。 （3）重点研究了基于SFM算法的三维重构实现过程。首先介绍了SIFT特征点的提取原理，并通过SIFT方法检测图像特征；然后介绍了SFM重构算法的具体过程，包括极线约束、求解本征矩阵、分解出投影矩阵、进行三角化重构、合并多目视图重构结果。利用可见光图像获得目标的三维模型，最后再将红外图像映射到三维模型。实现多源目标三维重构的目的。

目录

第一个书签之前

摘要

ABSTRACT

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1可见光图像的三维重构研究现状

1.2.2红外图像的三维重构研究现状

1.3 本文的工作内容

1.4 本文的组织结构

第二章 摄像机的标定

2.1 空间坐标系

2.2 摄像机的成像模型

2.2.1线性成像模型

2.2.2摄像机的内部参数矩阵

2.2.3摄像机的外部参数

2.3 摄像机的参数标定方法介绍

2.3.1传统标定法

2.3.2自标定法

2.3.3棋盘格平面标定法

2.4 标定结果及分析

2.4.1摄像机定标的实验过程

2.4.2定标的实现结果

2.5 本章小结

第三章 红外图像与可见光图像的配准

3.1 图像预处理

3.1.1可见光图像预处理

3.1.2红外图像预处理

3.1.3提取图像边缘轮廓

3.2 SURF特征的提取与描述

3.2.1积分图像

3.2.2构建Hessian矩阵

3.2.3尺度不变性

3.2.4SURF特征描述算子

3.3 可见光图像和红外图像的配准方法

3.3.1特征点粗配准

3.3.2图像精确配准

3.3.3红外图像的仿射变换

3.4 配准结果与分析

3.5 本章小结

第四章 三维重构的实现

4.1 SIFT特征的提取与描述

4.1.1SIFT尺度空间极值检测

4.1.2SIFT特征描述算子

4.1.3SIFT特征点匹配

4.2 基于SFM算法的三维重构

4.2.1双目视觉与极线约束

4.2.2本征矩阵与基础矩阵

4.2.3恢复投影矩阵

4.2.4三角化重构

4.2.5多目视觉的三维重构算法

4.3 红外图像的三维重构

4.4 重构结果与分析

4.4.1重构算法流程

4.4.2三维重构实现过程

4.5 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

致谢

作者简介

1.基本情况

2.教育背景

3.攻读硕士学位期间的研究成果

3.1申请（授权）专利

3.2参与科研项目