基于图像的三维重建及网格化算法研究

摘要

基于图像的三维重建一直是学者们研究的热点问题。而三维重建的问题是一个多学科综合的一个研究问题,使得三维重建需要很多的知识来完成。为了使重建效果更好,填补模型的空洞,简化模型,网格化在三维重建中也是十分重要。本文对基于图像的三维重建以及网格化算法进行了研究。
　　首先,介绍了三维重建的基础,两视图几何,包含了对极几何、单应变换、基本矩阵、本质矩阵等计算机视觉中的概念。然后,介绍了相机标定的概念。简单介绍了传统的相机标定方法,并重点介绍了相机自标定算法中的光束平差法,并提出减小迭代的矩阵尺寸的方法,这种方法也可以保持相机外参旋转矩阵的正交特性,同时对于初始值的选取做了详尽的解释。接着,提出了基于面片的多视图重建的改进算法,提高了重建点的数量和质量,修正了法向量同时用于点云校准操作。点云校准操作,不仅可以用于后续的观察,同时也用于将点云反投影到图像中,然后通过图像分割的方法,将每幅图生成深度图。之后,针对重建生成的点云,由于点云的密度不均,而且点云不封闭的特点,设计了改进的泊松网格化算法。最后介绍了纹理映射的方法。针对研究过程中用到的两种网格化方法,设计了两种纹理映射的方法:直接选择法和最大面积投影法。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 计算机视觉简介

1.2 三维重建的研究背景

1.3国内外研究现状

1.4 本文的研究内容及结构

第二章 两视图几何

2.1 2D摄影平面

2.2对极几何和基本矩阵

2.3计算基本矩阵F

2.4 本章小结

第三章 相机标定

3.1 传统标定方法

3.2 自标定方法

3.3本章小结

第四章 点云获取

4.1重建算法简介

4.2基于面片的多视图立体视觉重建算法（PMVS）

4.3基于面片的多视图立体视觉重建算法的改进

4.4点云校准

4.5 点云的其他操作

4.6实验结果对比

4.6本章小结

第五章 点云网格化及模型简化

5.1网格化的意义

5.2泊松表面重建算法

5.3算法的改进

5.4实验结果

5.5本章小结

第六章 纹理映射

6.1 OpenGL纹理映射的方法

6.2直接选择法

6.3最大面积投影法

6.4实验结果

6.5本章小结

第七章 结束语

7.1主要工作与创新点

7.2后续研究工作

参 考 文 献

致谢

攻读硕士学位期间已发表或录用的论文或专利