基于双目立体视觉的三维图像重建

论文摘要

近年来各个城市都在陆续开展对数字城市建设的研究和应用,航空摄影测量和车载激光扫描作为其中三维信息获取的主要手段,可以很好的获得地表以及道路两侧的数据信息。然而对于所重建的建筑室内的物体陈设,则需要采用立体视觉的方法。针对这一实际应用需要,本文在分析论述目前已有研究的基础上,提出了一套基于双目立体视觉的三维图像重建系统,以求找到一种精度高、速度快的解决方案。用立体视觉方法进行三维重建,在计算机视觉中是指由两幅图像或多幅二维图像恢复物体三维可见表面几何形状的方法。三维重建的先决条件是要建立两幅图像的对应关系。在建立这种对应关系时的一个重要约束条件,称为极线约束——同一空间点在两幅图像上的投影所满足的唯一几何关系。摄像机标定是三维重建中的关键技术。本文首先给出了摄像机的线性和非线性模型,分析比较了几种不同的摄像机标定方法,并在张正友的平面模板标定法基础上结合非线性摄像机模型完成了摄像机的高精度标定。本文以双目立体视觉理论为基础,采用双摄像机获取两幅视点之间差异不大的同一物体的图像,用Harris算子提取特征角点,利用灰度相关计算对应点匹配,用RANSAC方法来求解基础矩阵,恢复极线几何,利用初匹配集和对极几何约束,进行一维搜索,并在此基础上使用SFM算法进行关键点的重建,从而恢复出物体三维表面信息,最终在OpenGL中实现物体的三维重建,获得了良好的重建效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 概述
• 1.2 国内外双目立体视觉的发展
• 1.3 课题来源与研究内容
• 1.3.1 课题来源
• 1.3.2 研究意义
• 1.3.3 结构组织
• 第二章 摄像机模型和基础矩阵
• 2.1 坐标系
• 2.2 摄像机模型
• 2.2.1 线性模型
• 2.2.2 非线性模型
• 2.3 对极几何与基础矩阵
• 2.3.1 基础矩阵
• 2.3.2 求解基础矩阵
• 2.3.3 基础矩阵的鲁棒解法
• 2.4 本章小结
• 第三章 摄像机标定
• 3.1 引言
• 3.2 传统的摄像机标定方法
• 3.2.1 Tsai's万能摄像机标定法
• 3.2.2 Weng's标定法
• 3.2.3 张氏平面模板标定法
• 3.3 标定实验及结果分析
• 3.4 本章小结
• 第四章 特征点提取和相关匹配
• 4.1 特征点的提取
• 4.2 特征点的立体匹配算法
• 4.2.1 相关匹配法
• 4.2.2 RANSAC法
• 4.2.3 LMEDS法（最小中值法）
• 4.3 恢复极线几何
• 4.4 实验结果及分析
• 4.5 本章小结
• 第五章 三维数据的获得和显示
• 5.1 重建原理
• 5.2 双目视觉传感器的数学模型
• 5.3 双目视觉传感器的标定
• 5.4 算法精度
• 5.5 本章小结
• 第六章 三维重建系统框架、结构及实现
• 6.1 流程框架图
• 6.2 模块结构
• 6.2.1 图像采集
• 6.2.2 图像处理
• 6.2.3 三维可视化
• 6.3 实验结果及分析
• 6.4 本章小结
• 第七章 全文总结及展望
• 7.1 总结
• 7.2 未来工作展望
• 参考文献
• 致谢