基于单目视觉的三维信息重构的研究与实现

论文摘要

从运动摄像机拍摄的多幅二维图像中估计摄像机运动和重建场景结构是计算机视觉领域中的一个核心问题,被称为“从运动恢复结构”问题。可靠的运动和结构估计算法在机器人视觉导航、地图生成、航空勘测、目标识别以及计算机图形学中的虚拟现实等领域都有很好的应用价值。与传统的基于双目或者多目视觉系统的立体感知算法不同,本文所描述的算法是基于单目视觉的,其优势在于极大的降低了对设备的要求,并能够应用于未经标定的普通手持单目摄像机。本文针对摄像机为透视投影模型,重建的场景为刚体的情况,研究了以点作为特征基元,恢复场景三维形状的问题。要恢复场景三维形状,首先必须建立序列图像之间的联系。其中包括特征点的提取,特征点的匹配以及基本矩阵的估计。为了减少错误匹配和提高基本矩阵估计的精度,本文提出了基于特征点分布的疏密程度的计算特征点的匹配的新方法。在立体标定阶段,本文采用张正友的方法实现了单摄像机的标定,通过标定估计出摄像机的内部参数,恢复摄像机的运动,并将场景的投影结构升级至度量结构。最后,利用矩阵分解的方法和三角形法建立了场景的三维模型。通过实际图像的仿真实验,表明了本文方法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景
• 1.2 计算机视觉概述
• 1.3 计算机视觉国内外研究现状
• 1.4 本文的研究目的和意义
• 1.5 论文组织结构
• 第2章 计算机视觉基础
• 2.1 射影几何基本概念
• 2.2 透视投影摄像机模型
• 2.2.1 图像坐标系、摄像机坐标系和世界坐标系
• 2.2.2 线性摄像机模型（针孔模型）
• 2.3 四元数表示法
• 2.4 本章小结
• 第3章 图像点特征的提取与匹配
• 3.1 点特征提取算法概述
• 3.2 角点检测算法分析
• 3.2.1 Harris角点检测算法
• 3.2.2 SUSAN角点检测算法
• 3.2.3 MIC角点检测算法
• 3.3 角点检测算法的实现
• 3.4 特征点的匹配
• 3.4.1 匹配约束性
• 3.4.2 特征匹配算法
• 3.4.3 本文提出的一种改进的匹配算法
• 3.5 基本矩阵的估计
• 3.5.1 外极几何
• 3.5.2 估计基本矩阵的算法
• 3.6 重新匹配特征点
• 3.7 本章小结
• 第4章 摄像机标定和三维重建
• 4.1 摄像机标定
• 4.1.1 Zhang's摄像机标定方法的原理
• 4.1.2 摄像机标定算法实现
• 4.2 近似的欧式重建
• 4.2.1 估计运动参数
• 4.2.2 运动参数的优化
• 4.2.3 估计场景点的三维坐标点
• 4.3 本章小结
• 第5章 实验设计及结果分析
• 5.1 实验步骤
• 5.2 角点检测算法分析
• 5.2.1 角点检测算法使用的参数
• 5.2.2 角点检测算法的效果
• 5.2.3 角点检测算法的抗噪性分析
• 5.2.4 角点检测算法的运行时间
• 5.3 特征点匹配算法实验结果
• 5.3.1 改进的初始匹配算法的有效性证明和实验结果
• 5.3.2 基本矩阵的估计
• 5.3.3 二次匹配算法的实验结果
• 5.4 摄像机标定
• 5.5 实际场景的三维重建
• 5.5.1 角点检测实验结果
• 5.5.2 特征匹配实验结果
• 5.5.3 三维重建实验结果
• 5.6 本章小结
• 第6章 总结
• 参考文献
• 致谢