基于多幅图像的几何和纹理自动重建

论文摘要

本文致力于研究输入少量几幅手持相机拍摄的图像,如何通过计算自动得到具有真实感的三维模型,所得到的模型可以应用于计算机视觉、虚拟现实等多个领域中。本文主要的研究内容如下:(1)为了获得拍摄物体的稠密点云模型,分两步进行重建。第一步,通过循环迭代基于运动恢复结构的方法,然后使用LM算法进行集束调整。在这一步骤中,采用SIFT特征点进行特征检测与匹配,根据得到的匹配点对鲁棒地估计基础矩阵,对相机进行自标定,然后计算每幅图像的投影矩阵,并生成重建的稀疏点云模型。由于仅输入较少数量的图像,再加上噪声的影响,得到的点云模型分布不均、辨识度很低。(2)第二步,采用基于片的多视角立体视觉算法进行稠密重建。首先对原图像进行特征检测与匹配,然后迭代运行片扩展、片过滤两个过程。其中使用三角测量原理生成稠密的片的三维坐标,接着过滤掉误差较大的片,最终得到稠密点云模型。(3)对稠密点云模型,采用半径递增的旋转球,累次使用旋转球算法进行表面重构,最终生成网格模型。然后对比泊松表面重构方法,实验证明改进的旋转球算法在本文提出的框架下得到了很好的效果。(4)最后用马尔可夫随机场全局优化纹理块和三角面片的配准,其求解使用经典的图割算法,接着采用梯度域混合纹理块,生成纹理图集,然后对网格模型贴上纹理图片进行渲染,得到具有真实感的三维模型。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 基于图像三维模型重建的研究背景及现状
• 1.1.1 基于多幅图像的几何重建
• 1.1.2 基于多幅图像的纹理贴图
• 1.2 基于图像建模研究所需的基础知识
• 1.2.1 常用相机模型
• 1.2.2 极线几何与基础矩阵
• 1.2.3 相机标定介绍
• 1.2.4 传统分层重建简介
• 1.3 本文的研究内容
• 1.4 本文的组织结构
• 第2章 基于多幅图像的复杂物体点云模型重建
• 2.1 基于SIFT特征点的检测与匹配
• 2.2 基于SFM算法的稀疏空间点计算
• 2.2.1 基础矩阵的鲁棒估计
• 2.2.2 相机参数的计算
• 2.2.3 由三角测量原理得到空间点坐标
• 2.2.4 使用LM算法进行集束调整
• 2.3 基于片扩展的多视角立体视觉重构
• 2.4 实验
• 2.4.1 实验环境配置
• 2.4.2 实验过程及结果
• 2.4.3 实验分析
• 2.5 本章小结
• 第3章 基于点云数据的网格模型生成
• 3.1 基于点云数据生成网格模型的研究现状
• 3.2 基于Poisson方法生成模型
• 3.3 基于球旋转方法生成模型
• 3.4 实验
• 3.4.1 实验环境配置
• 3.4.2 实验过程及结果
• 3.4.3 实验分析
• 3.5 本章小结
• 第4章 对网格模型的纹理贴图
• 4.1 对网格模型进行纹理贴图的研究现状
• 4.1.1 基于图片为网格模型添加纹理
• 4.2 使用MRF优化纹理映射
• 4.3 实验
• 4.3.1 实验环境配置
• 4.3.2 实验过程及结果
• 4.3.3 实验分析
• 4.4 本章小结
• 结论
• 参考文献
• 致谢