基于立体视觉的三维重建理论与算法研究

论文摘要

本文结合实际项目和工作研究了基于立体视觉的三维重建关键技术。并且形成了一套三维重建基础软件，可应用于实际的项目工程实践中。立体视觉是机器视觉和计算机视觉领域的一个重要分支，涉及人工智能、计算机科学、图像处理和模式识别等诸多领域的理论知识。具有重要的实用价值，而且对促进人类视觉机理的研究具有非常重要的意义。本文对现有的三维重建中的摄像机标定、立体匹配和三维重建技术进行了研究分析，并研究了开源计算机视觉函数库OpenCV中的三维重建模型，提出了结合基于角点的亚像素特征提取算法和张正友的摄像机标定法的新的摄像机标定算法；采用了改进的SIFT算法解决了月球表面图像纹理稀少，图像的亮度受太阳入射角的变换影响很大，立体匹配困难的问题。最后分析了基于图像校正的特征点三维重建算法，并以VisualC++、OpenCV和OpenGL为平台，实现了本文中各算法并对结果数据进行了分析。首先介绍定标过程中常用到的图像坐标系、摄像机坐标系和世界坐标系三个坐标系；然后分析了摄像机模型和定标思想，重点分析基于张正友平面标定法的摄像机标定方法；提出了结合基于角点的亚像素特征提取算法和张正友的摄像机标定法的新的摄像机标定算法，并进行了实验，得到了摄像机的内外参数标定结果，包括相机内参数矩阵、畸变系数、旋转向量、旋转矩阵和平移向量等。其次进行了基于特征点的特征提取和立体匹配，它是三维重建的基础和关键，分析对比常用基本特征点提取算子Harris和SUSAN角点检测算子，并进行了实验验证；采用改进的SIFT算法解决了月球表面图像纹理稀少，图像的亮度受太阳入射角的变换影响很大，立体匹配困难的问题，分别用月表多光谱图像数据、不同尺度和不同视点的月表图像进行特征点提取和立体匹配实验。最后，分析了图像校正在三维重建中的必要性，解释了图像校正的原理和算法，并重点研究了已校正图像的快速三维重建算法，实验验证和分析了已校正图像和未校正图像的三维重建算法。本文以VisualC++，OpenCV和OpenGL为平台，对本文的各算法进行实验验证和结果分析。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1. 立体视觉概述
• 1.2 研究背景、目的和意义
• 1.3 研究现状
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.4 论文的主要工作和组织结构
• 第2章 摄像机的标定
• 2.1 坐标系
• 2.2 摄像机模型
• 2.3 基于张正友平面标定法的摄像机标定
• 2.4 基于角点的亚像素特征提取算法
• 2.5 实验及结果分析
• 2.6 本章小结
• 第3章 特征点的特征提取和立体匹配
• 3.1 立体匹配评估方法
• 3.2 常用基本特征点提取算法
• 3.2.1 SUSAN角点检测
• 3.2.2 Harris角点检测
• 3.2.3 实验及结果分析
• 3.3 基于SIFT特征提取与立体匹配
• 3.3.1 尺度空间极值检测
• 3.3.2 特征点精确定位
• 3.3.3 特征点方向确定
• 3.3.4 SIFT描述子生成
• 3.3.5 SIFT特征向量的立体匹配
• 3.3.6 实验及结果分析
• 3.4 本章小结
• 第4章 基于图像校正的特征点三维重建
• 4.1 图像校正
• 4.2 特征点的三维重建
• 4.3 实验及结果分析
• 4.4 本章小结
• 第5章 结束语
• 5.1 全文总计
• 5.2 进一步研究与展望
• 参考文献
• 发表论文和参加科研项目情况说明
• 致谢