基于双目立视觉的物体形状重建

摘要

物体表面的三维信息可以通过双目立体视觉来重建，包括摄像机标定，极线校正，对应点匹配，视差计算，亚像素精细化，模型重建等过程。对应点匹配是双目立体视觉的关键。本文采用时空立体匹配，通过人为主动地向空间物体投射一系列光条模式，使得物体表面纹理信息丰富，从而降低匹配难度，提高准确率。利用各种约束条件如对称性匹配约束，视差约束，顺序性约束等可进一步提高匹配效率。时空立体匹配方法较易得到整数级视差，为精细化视差，需要对初步得到的视差进一步亚像素优化。本文还对匹配过程中光条模式的取舍，匹配窗口大小等因素对重建模型的影响进行详细的分析与结果比较。实验结果显示，恰当的光条数目与合适的窗口大小对物体形状重建起着重要的作用。通过双目立体视觉重建得到的真实物体三维模型一般具有较大的噪声，并可能存在孔洞。
　　 本文针对这一问题，提出在规则三维点集下，通过非局部(non-local， NL)方法来滤除三维模型的噪声并填补孔洞。为提高算法效率，对含孔区域和非孔区域的点集，分别做基本NL滤波和基于主成分分析(principal component analysis， PCA)的NL滤波，然后进一步通过NL方法对孔洞做填补。实验结果表明，对于多种真实物体，本文所提出的方法均能有效地重建三维模型，且与其它方法相比具有更高的精度。

目录

文摘

英文文摘

致谢

1 绪论

1.1 计算机视觉概述

1.2 计算机视觉的分类

1.3 摄像机透视投影模型

1.4 本文研究内容与章节安排

2 双目立体视觉三维模型初步重建

2.1 摄像机的标定

2.2 双目立体标定

2.3 图像极线校正

2.4 匹配

2.5 三维模型重建原理：视差原理

2.6 三维模型初步重建结果

2.7 三维模型初步重建结果分析

2.8 小结

3 双目立体重建中的去噪及补洞方法

3.1 三维重建模型噪声产生原因

3.2 融合法向向量优化去噪

3.3 双边滤波去噪

3.4 非局部(NL)去噪

3.5 去噪结果

3.6 三维重建模型补洞

3.7 补洞结果

3.8 小结

4 结论与展望

参考文献

作者简介