无序图像的多视立体匹配算法研究

摘要

近年来，三维重建技术被广泛地应用。现在有很多设备可以直接获得场景的深度信息，重建场景模型，但是这些设备容易受到自然环境的影响，限制了一些特定场景的重建，并且设备成本较高操作复杂。无序图像的多视立体匹配算法可以针对于简单的图像采集设备在自然环境下采集的图像数据重建场景模型，适应范围较广，因此无序视图的多视图立体匹配是三维重建技术的研究重点之一。
　　目前多视图立体匹配（Multi-View Stereo matching，MVS）的算法研究中有些较好的算法，但是算法普遍存在处理时间长，精度不高等问题。本文重点研究了MVS算法，并针对目前的研究现状在算法处理时间和重建精度上做出改进。具体的研究内容和创新工作如下：
　　1.本文首先结合SIFT和SURF两种特征进行视图匹配，提高了图像的匹配精度。在从运动中恢复结构（Structure from Motion，SFM）的过程中，两特征结合提高了相机之间位置参数的精度，同时增加了稀疏点云的数目，不仅增加了算法的稳定性，而且减少了在区域增长过程中增长到错误区域的概率，因此可以提高最后重建模型的精度。
　　2.本文研究了基于图像级的全局视图选择以及基于像素级的局部视图选择，本文首先在全局视图选择过程中加入判决条件，并且自适应的确定邻域视图候选集合中的视图数目，不仅提高了整个重建过程的速度，而且提高了立体匹配中邻域视图的准确度。另外本文在局部视图选择过程中改进了打分函数中极平面夹角的权重因子，提高了局部视图选择的准确性。
　　3.在区域增长过程中，MVS算法可以得到准确度较高的重建结果，但是在重建模型的边界处误差点较多。研究中发现，在匹配过程中MVS算法利用n?n的矩形窗口，窗口大小的选择对重建的精度有影响。在本文中将矩形窗口改进为自适应形状，使得投影到空间中的空间平面片形状也是自适应的，可以捕捉足够的信息提高重建的精度。最后文章简单介绍了泊松建面的过程。
　　本文的实验首先选择了Middlebury数据库中的templeRing图像集和在自然环境中采集的多组图像数据集，通过实验验证改进算法在运行时间和重建精度上性能的提高。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 课题研究现状

1.3 主要研究工作

1.4 论文章节安排

第二章 多视立体匹配基础

2.1 相机成像模型

2.2 相机标定

2.3 多视角几何学

2.4 从运动中恢复结构

2.5 本章小结

第三章 视图选择算法研究

3.1 算法基本思想研究

3.2 特征提取与匹配

3.3 视图选择算法

3.4 视图选择改进算法

3.5 实验结果与分析

3.6 本章小结

第四章 多视图立体匹配算法研究

4.1 算法基本思想研究

4.2 区域增长

4.3 匹配优化

4.4 改进算法

4.5 泊松建面概述

4.6 实验结果与分析

4.7 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

致谢

参考文献