基于SIFT特征的多视图三维重建

论文摘要

客观世界的物体是三维的,而我们用摄像机获取的图像是二维的,但是我们可以通过二维图像感知目标的三维信息。从图像中得到真实场景的模型是计算机视觉的重要研究内容之一,通过重建出目标的三维模型,就可以对目标进行定量分析以及处理目标的相关信息。三维重建技术被广泛的应用于医学成像、机器人导航、虚拟现实、地形勘探等领域。特征的提取与匹配对于三维重建有着至关重要的作用。本文通过对SIFT、Harris、SUSAN这三种特征提取算法以及与之对应的特征匹配算法进行对比分析,并通过实验结果证明了SIFT特征匹配算法与Harris、SUSAN特征提取与匹配算法相比具有优越性。根据匹配对受极几何约束的原理,于是我们对SIFT的匹配算法进行改进,这样既能提高匹配的准确率又能提高匹配效率。本文提出了一种基于已标定摄像机的多视图欧氏重建算法,该算法是以两视图重建技术为基础,这样会得到多组三维点。每个三维点对应于不同视图的唯一的二维点,基于这一原理,就可以建立多组三维点的对应关系,从而完成多视图的欧氏重建。本文提出的多视图欧氏重建算法简单易实现。多组实验结果证明该方法能较好的恢复目标的原貌。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文的研究背景
• 1.2 国内外研究现状
• 1.3 本文的主要工作及章节安排
• 1.3.1 研究内容
• 1.3.2 章节安排
• 第二章 三维重建相关理论
• 2.1 特征提取与匹配
• 2.1.1 特征类型
• 2.1.2 特征匹配
• 2.2 摄像机标定
• 2.3 立体视觉
• 2.3.1 立体视觉基本原理
• 2.3.2 三角测量原理
• 第三章 特征提取与匹配的对比分析
• 3.1 SIFT特征提取与匹配算法
• 3.1.1 SIFT特征提取
• 3.1.2 SIFT特征匹配
• 3.2 Harris特征提取与匹配
• 3.2.1 Harris特征提取
• 3.2.2 角点匹配
• 3.3 SUSAN特征提取
• 3.4 实验结果
• 3.4.1 实验一
• 3.4.2 实验二
• 3.5 本章小结
• 第四章 基于两视图的三维重建
• 4.1 极几何
• 4.1.1 基本矩阵
• 4.1.2 摄像机外参的估计
• 4.2 基于极几何的两视图匹配
• 4.2.1 原始方法
• 4.2.2 基于对极约束的特征匹配
• 4.3 两视图的三维重建
• 4.3.1 射影重建
• 4.3.2 欧氏重建
• 4.4 实验结果
• 4.4.1 实验一
• 4.4.2 实验二
• 4.5 本章小结
• 第五章 基于多视图的欧氏重建
• 5.1 多视图的特征匹配
• 5.1.1 解决方案
• 5.1.2 存在问题
• 5.2 基于两视图重建技术的多视图重建
• 5.2.1 基本原理
• 5.2.2 存在问题
• 5.2.3 解决方案
• 5.3 实验结果
• 5.3.1 实验一
• 5.3.2 实验二
• 5.3.3 实验三
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 本文总结
• 6.2 工作展望
• 致谢
• 参考文献
• 在硕士研究生期间取得的研究成果