基于约束Delaunay三角形的多视三维重建方法研究

摘要

近年，城市级实景三维模型的需求越来越迫切，快速获取高质量建筑。物模型也成为计算机视觉及图形学领域的研究热点。利用低空多角度倾斜航拍照片，基于多视立体(Multi-view Stereo，MVS)的三维重建方法，因其数据获取成本不高，具备真实纹理，流程自动化等特点，成为大范围场景三维重建的首选方案。然而，随着各种应用对三维模型质量要求的提高，目前MVS三维重建方法存在的一些不足亟待改善。一方面，MVS方法需要进行图像间逐像素的相似度匹配，而城市建筑表面通常缺乏纹理，造成匹配失败或错误，使得的重建模型质量下降，出现扭曲变形失真、平面凹凸不平引起纹理贴图错误等问题;另一方面，对于高分辨率航拍影像，逐像素的密集匹配过程，直接导致点云的生成效率低下，难以适用于大范围城市场景的三维重建。　　针对以上问题，本文提出基于约束Delaunay三角形的多视3D重建方法和加速的基于PactchMatch的点云生成方法，对基于图片的MVS城市建筑三维重建方法进行改进，旨在提高建模精度及加快建模效率。本文的主要工作归纳如下:　　1)提出一种加入直线约束的城市建筑三维重建方法。方法的基本流程如下:首先，输入无人机获得的一系列图片，通过直线检测器(Line Segments Detector，LSD)和超级像素提取图像的直线段和边缘，并简化边缘多边形，再通过2D约束德劳内三角化（constrainted Delaunay Triangle，CDT）得到单视图2D三角格网，然后根据密集点云回算2D三角格网顶点的三维位置，得到单视图的3D格网模型，最后通过多视图合并得到场景完整3D模型。　　2)提出一种加速的改进点云生成方法，该方法主要提升点云生成速度以加快建模流程。方法基本流程如下:输入为经SFM进行相机内外参数校正的图像序列，基于PatchMatch方法，对像素块间的相似度匹配方法进行改进，采用稀疏匹配策略，并隔采样生成深度图，经过滤、合并得到3D点云。　　最后，对无人机获取的真实场景多角度航拍图像集，采用本文提出的方法进行城市场景建模。实验表明，方法具有较好的鲁棒性和稳定性，最终获得的三维模型模型质量高，生成速度快。

目录

声明

摘要

第一章 前言

1．3 选题意义

1．4 本文主要内容和主要组织形式

第二章 三维重建背景理论

2．1．1 SFM原理

2．1．2 图像匹配算法

2．1．3 生成密集点云

2．1．4 表面重建

2．2 本章小结

第三章 基于约束Delaunay三角形的多视3D重建

3．2 系统概述

3．3 基于CDT的三维格网重建

3．3．1 2D约束德劳内三角化

3．3．2 直线提取

3．3．3 超级像素

3．3．4 边缘多边形简化

3．3．5 2D CDT

3．3．6 单视图三维Mesh重建

3．3．7 多视图Mesh合并

3．4 实验与结果分析

3．5 结论

4．1 引言

4．2 点云生成流程

4．3 基于PatchMatch点云重建

4．3．1 PatchMatch基本原理

4．3．2 稀疏匹配算法

4．3．3 稀疏的Census变换

4．4 实验及结果分析

4．5 总结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢

硕士研究生期间发表的学术论文