基于点特征从运动恢复三维形状

摘要

从运动恢复三维形状是通过序列图像获取物体深度信息的一种技术.它是计算机视觉研究领域内的前沿课题之一,具有广泛的应用前景.该文在国家自然科学基金的资助下,针对摄像机为透视投影模型,重建的场景为刚体的情况,研究了从未标定的序列图像中,以点作为特征基元,恢复场景三维形状的问题.要恢复场景三维形状,首先必须建立序列图像之间的联系.其中包括特征点的提取,特征点的匹配以及基本矩阵的估计.为了减少错误匹配和提高基本矩阵估计的精度,该文提出了同时计算特征点的匹配和估计基本矩阵的新方法.其次,利用简化的Kruppa方程进行摄像机自标定,估计摄像机内参数矩阵,降低了人机交互的可能性.最后,利用矩阵分解的方法和三角形法建立了场景的三维模型.通过实际图像的仿真实验,表明了该文方法的有效性.

目录

文摘

英文文摘

第一章 绪论

1.1本文的研究意义

1.2从运动恢复三维形状概述

1.3本文的研究背景

1.4本文的研究内容

第二章 计算机视觉算法基础

2.1射影几何基础

2.2透视投影摄像机模型

2.2.1常用坐标系

2.2.2透射投影模型

2.2.3摄像机投影矩阵

2.3透视投影的线性近似

2.4小结

第三章 点特征提取、匹配和基本矩阵的估计

3.1简介

3.2特征点提取

3.2.1序列图像运动模型

3.2.2角点检测器

3.2.3半象素精度

3.2.4本文计算角点检测器的步骤

3.3匹配特征点

3.3.1基于灰度的匹配算法

3.3.2基于特征的匹配算法

3.3.3本文的匹配方法

3.4基本矩阵的估计

3.4.1极线几何

3.4.2估计基本矩阵

3.4.3本文估计基本矩阵的方法

3.5试验结果

3.6小结

第四章 摄像机自标定

4.1简介

4.2自标定的原理

4.3经典Kruppa方程

4.4简化Kruppa方程

4.5标定结果

4.6小结

第五章 从运动恢复三维形状

5.1简介

5.2射影重建

5.2.1建立一个射影坐标帧

5.2.2建立一个近似的欧氏坐标帧

5.2.3计算场景点的三维坐标

5.2.4顺序更新所有图像的投影重建

5.3近似的欧氏重建(metric reconstruction)

5.3.1估计运动参数

5.3.2运动参数的优化

5.3.3估计场景点三维坐标

5.4重建结果

5.5小结

第六章 总结与展望

参考文献

附录

致谢

西北工业大学学位论文知识产权声明书及原创性声明