从序列图象重建三维物体形状方法研究

论文摘要

本文主要研究了利用由一个摄像机拍摄的序列图像重建三维景物的方法以及相关技术。由于该方法采用了特征集来实现，因此本文研究了边缘与直线段提取，特征点匹配与跟踪，相机参数自标定以及三维物体重建方法。主要研究成果包括：(1)本文定义了像素灰度平方为像素能量，研究了局部区域内不同边缘两侧能量的分布和区域能量阈值差与区域面积比值。基于这个比值与边缘密度分布关系，提出了基于区域能量的自适应多尺度边缘检测方法。实验结果表明该方法边缘检测结果更加清晰并能显著地去除噪声。(2)提出了一种基于小波变换的自适应多尺度边缘检测方法。该方法采用了由粗到细的多分辨率技术，以及自适应多尺度与自适应阈值技术。与sobel方法比较，新方法明显提高了去除噪声干扰及去除伪边缘能力。此外，在基于小波变换的自适应多尺度边缘检测基础上，研究了直线边缘提取方法；采用了角标记生成直线支持区，利用最小二乘法拟合获得直线方程与相关位置信息。(3)提出了一种自适应的多尺度特征点匹配跟踪方法。该方法基于最多相似点原理，使检测尺度与特征点运动速度自适应，模板区域分层加权更新自适应，模板阈值更新自适应。实验结果表明区域的相关性图形更陡，相关性图形峰值更大，峰值范围更小；因此缩小了匹配范围，提高了匹配速度和精度。此外，研究了区域分层快速算法，并应用于运动特征点区域匹配跟踪，提高了跟踪匹配速度。(4)改进了基于序列图像的平面约束与空间相互正交直线约束的相机内、外参数自标定方法。与现有的方法不同，本文方法是基于不同帧的图像焦距不断变化的自标定基础之上，因此更符合实际应用模型。此外，提出了基于共线的摄像机的径向二阶透镜畸变系数标定方法；和现有方法比较，新方法计算更加简单。(5)利用基本矩阵及对极线计算相机内外参数，改进了求解图像序列空间点之间关系的算法，并实现空间点的三维重建。与以前方法的不同之处是新方法建立在焦距变化的自标定基础之上。此外，利用直线方程和射平面直线方程，提出了基于图像序列的重建三维直线方法。新方法比基于点的重建方法更加稳定，比较而言，基于射平面直线方程重建三维直线方法，更加简便。(6)在考虑焦距变化的自标定与求解三维空间点坐标及深度系数基础之上，提出了基于行列最佳曲线拟合取平均填补缺失数据的方法，并且改进了基于阈值的角点检测方法，从而实现了有遮挡物的三维物体重建。改变了过去对缺失数据先用零向量填充方法，该方法重建效果更好。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题来源、研究目的与意义
• 1.2 国内外研究现状
• 1.3 本文主要工作和贡献
• 1.4 本文结构安排
• 第二章 自适应的多尺度边缘与直线段提取
• 2.1 引言
• 2.2 基于区域能量自适应多尺度边缘检测
• 2.2.1 区域能量测度
• 2.2.2 区域尺度自适应选择
• 2.2.3 算法步骤
• 2.2.4 结论
• 2.3 基于小波变换的自适应多尺度边缘检测
• 2.3.1 小波变换原理
• 2.3.2 基于小波变换的边缘检测原理
• 2.3.3 自适应多尺度下边缘提取算法
• 2.3.4 基于三次样条插值的亚像素边缘
• 2.3.5 结论
• 2.4 自适应多尺度下的直线提取
• 2.4.1 梯度方向角标记
• 2.4.2 自适应多尺度下的直线提取算法
• 2.4.3 结论
• 2.5 实验结果
• 2.5.1 基于区域能量自适应多尺度边缘检测实验结果
• 2.5.2 基于小波变换的自适应多尺度边缘检测实验结果
• 2.5.3 自适应多尺度边缘直线提取实验结果
• 2.6 本章小结
• 第三章 自适应多尺度的帧间特征匹配与跟踪
• 3.1 引言
• 3.2 基于区域相关自适应阈值跟踪
• 3.2.1 基于区域相关匹配原理
• 3.2.2 阈值计算方法
• 3.2.3 自适应的阈值计算
• 3.3 自适应多尺度与模板自适应更新
• 3.3.1 运动目标速度与多尺度的自适应关系
• 3.3.2 模板自适应更新方法
• 3.3.3 自适应多尺度下的模板自适应更新方法
• 3.3.4 结论
• 3.4 区域分层快速搜索
• 3.5 实验结果
• 3.6 本章小结
• 第四章 基于图像序列的参数自标定
• 4.1 引言
• 4.2 基于空间平面自定标
• 4.2.1 摄像机模型与坐标系
• 4.2.2 基于空间平面上的相机参数自定标
• 4.3 基于空间相互正交直线的自定标
• 4.4 基于共线的二阶径向畸变系数标定
• 4.4.1 透镜有二阶径向畸变的摄像机模型
• 4.4.2 基于直线的二阶透镜畸变系数标定
• 4.5 实验结果
• 4.5.1 基于空间平面的自定标实验结果
• 4.5.2 基于空间相互正交直线的自定标实验结果
• 4.5.3 基于共线的二阶径向畸变系数标定实验结果
• 4.6 本章小结
• 第五章 基于图像序列的三维重建
• 5.1 引言
• 5.2 基于序列图像三维点重建
• 5.2.1 基于序列图像的相机内外参数计算
• 5.2.2 基本矩阵及其计算
• 5.2.3 三维点重建
• 5.2.4 结论
• 5.3 基于序列图像的三维直线重建
• 5.3.1 基于直线方程的三维直线重建
• 5.3.2 基于射平面方程的空间直线重建
• 5.3.3 结论
• 5.4 基于序列图像的有遮挡三维重构
• 5.4.1 有遮挡和异常情况的数据模型
• 5.4.2 角点提取的方法
• 5.4.3 算法思想和算法描述
• 5.4.4 结论
• 5.5 实验结果
• 5.5.1 基于序列图像的相机内、外参数标定实验
• 5.5.2 基于序列图像的点重建实验结果
• 5.5.3 基于序列图像的三维直线重建实验结果
• 5.5.4 基于序列图像的有遮挡重构实验结果
• 5.6 本章小结
• 第六章 结论与展望
• 6.1 本文总结
• 6.2 未来展望
• 参考文献
• 致谢
• 攻读博士期间主持（或参加）科研项目和发表论文
• 一、博士期间主持或参加科研项目
• 二、博士期间发表相关论文