隨著信息技術(shù)的不斷發(fā)展,在機(jī)械工程、工業(yè)設(shè)計(jì)、虛擬現(xiàn)實(shí)等領(lǐng)域?qū)εc真實(shí)場景具有高度幾何一致性的三維模型的需求越來越大,傳統(tǒng)的建模方法許多缺點(diǎn),難以滿足對真實(shí)場景建模的需求�；趫D像的三維重建技術(shù)可以對真實(shí)場景進(jìn)行建模,但現(xiàn)有三維重建技術(shù)越來越難以滿足實(shí)際應(yīng)用中的各種嚴(yán)苛要求。本文為了形成更具一般性的低成本三維重建解決方案,提高三維重建技術(shù)的實(shí)際應(yīng)用價(jià)值,以非結(jié)構(gòu)化場景的無序圖像集為研究對象,針對非結(jié)構(gòu)化場景三維重建過程中的關(guān)鍵技術(shù)展開了研究。首先,研究了基于運(yùn)動恢復(fù)結(jié)構(gòu)法的非結(jié)構(gòu)化場景稀疏重建技術(shù)。研究并對比了多種多視圖特征跟蹤方法,通過算法融合與并行化改進(jìn),提出了一種基于GPU加速的高效特征跟蹤方法,提高了特征跟蹤的效率。針對非結(jié)構(gòu)化場景中無特定人工標(biāo)記的特點(diǎn),根據(jù)Kruppa方程所確定的二次非線性約束,實(shí)現(xiàn)了相機(jī)內(nèi)參自標(biāo)定,解決了無序圖像集中的相機(jī)內(nèi)參標(biāo)定問題。為了提高相機(jī)位姿估計(jì)精度,引入了帶權(quán)連接圖的概念,對無序圖像集中的圖像進(jìn)行團(tuán)體檢測,并在團(tuán)體內(nèi)和團(tuán)體間分別進(jìn)行相對位姿估計(jì)。通過光束法平差對稀疏點(diǎn)云進(jìn)行優(yōu)化,為后續(xù)密集重建提供了基礎(chǔ)。其次,研究了基于特征點(diǎn)擴(kuò)散的非機(jī)構(gòu)化場景密...

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1三維重建技術(shù)的應(yīng)用領(lǐng)域

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文2e)器官重建與醫(yī)學(xué)診斷[5]f)文化遺產(chǎn)保護(hù)和建筑物修復(fù)[6]g)城市規(guī)模重建[7]h)虛擬現(xiàn)實(shí)與增強(qiáng)現(xiàn)實(shí)[8]圖1-1三維重建技術(shù)的應(yīng)用領(lǐng)域基于視覺的三維重建技術(shù)作為計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要分支，在如圖1-2所示Marr提出的視覺計(jì)算理論框架[9....

圖1-2Marr提出的視覺計(jì)算理論框架

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文2e)器官重建與醫(yī)學(xué)診斷[5]f)文化遺產(chǎn)保護(hù)和建筑物修復(fù)[6]g)城市規(guī)模重建[7]h)虛擬現(xiàn)實(shí)與增強(qiáng)現(xiàn)實(shí)[8]圖1-1三維重建技術(shù)的應(yīng)用領(lǐng)域基于視覺的三維重建技術(shù)作為計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要分支，在如圖1-2所示Marr提出的視覺計(jì)算理論框架[9....

圖1-4增量式運(yùn)動恢復(fù)結(jié)構(gòu)法拓?fù)浣Y(jié)構(gòu)圖

是利用Keller等[27]提出的K-最近鄰算法（k-nearestneighboralgorithm,KNN）,Garcia等[28]在實(shí)現(xiàn)了基于GPU加速的并行KNN算法，提高了特征匹配的效率。Cheng等[29]提出了一種基于局部敏感哈希（LocalitySensitive....

圖1-5全局式運(yùn)動恢復(fù)結(jié)構(gòu)法拓?fù)浣Y(jié)構(gòu)圖

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文6進(jìn)行自適應(yīng)閾值計(jì)算，因此增加了算法的時(shí)間復(fù)雜度。增量式運(yùn)動恢復(fù)結(jié)構(gòu)法具有很高的重建精度，整體魯棒性強(qiáng)，但是它對初始圖像對的選擇和圖像添加順序敏感；增量式添加圖像導(dǎo)致無法閉環(huán)，因此重建誤差會不斷累積，甚至導(dǎo)致場景漂移；隨著圖像集規(guī)模變大時(shí)效率明顯降低....

本文編號：3988533