基于物体表面形状模型由单幅图象重构三维曲面的研究

论文摘要

三维重构技术作为计算机视觉领域重要的研究方向,已在各个方面显示出重要的地位和作用,具有广泛的应用价值。本文研究基于利用计算机视觉技术,从单幅图象提取目标的信息来进行三维重构目标物体的方法与技术。论文的主要研究工作有：1)在比较各种边缘特征检测算法的基础上,介绍了otsu方法进行图象分割获方法原理。本文采用了基于RGB彩色模型来对图象进行分割,利用中值滤波原理去除图象上的噪声,同时,结合LOG检测器提取了物体的边缘。2)分析比较了相机标定的各种方法,本文采用了基于立方体的相机标定法,利用立方体上已知的六个特征点的坐标,标定出了相机的内外参数。3)基于单幅图象求其表面形状。对于所分割出的目标区域,若不考虑亮度分布,几何重构会产生两种情况,一种是二维平面,另一种是三维曲面。本文先提出的几何模型假设,首先利用物体的几何模型构造物体表面,再利用物体Lambert漫放射模型和目标图象的灰度信息重构出物体的光源方向和强度,进而验证物体几何模型假设的正确性。本文进一步对简单规则物体的表面重构方法推广到重构一个不规则的物体表面,即将不规则的物体表面分割成若干区域,每一区域都用一个统一的二次曲面表示,结合物体表面的灰度分布,重构出该模型的参数,每一区域的参数确定之后,整个物体三维表面也就随即确定。

论文目录

• 基于物体表面形状模型由单幅图象重构三维曲面的 研究
• 摘要
• Abstract
• 第1章 基于图象的三维重构概述
• 1.1 基于图象的三维重构的研究现状和意义
• 1.2 论文的主要研究内容及组织结构
• 第2章 图象中的目标分割
• 2.1 图象分割的一般过程
• 2.2 图象分割算法概述
• 2.2.1 Otsu类判别分析法进行图象分割算法概述
• 2.2.2 基于RGB彩色模型的分割
• 2.3 利用中值滤波去除图象中的噪声点
• 2.4 图象边缘检测
• 2.4.1 利用高斯—拉普拉斯算子检测边缘
• 2.4.2 实验结果与分析
• 第3章 三维重构中摄像机的标定
• 3.1 摄像机模型
• 3.1.1 图象坐标系、摄像机坐标系、世界坐标系
• 3.1.2 摄像机模型
• 3.2 基于立方体的摄像机标定法
• 3.2.1 特征点的获取
• 3.2.2 线性模型摄像机标定
• 3.2.3 实验结果
• 第4章 基于物体表面形状的三维曲面重构分析
• 4.1 图象灰度与物体表面光辐照度的关系
• 4.2 简单的规则物体重构分析
• 4.2.1 求解非线性方程组最小二乘解广义逆法
• 4.2.2 物体光源方向的确定
• 4.2.3 实验分析与结果
• 4.3 基于二次曲面的不规则曲面重构分析
• 4.3.1 空间二次曲面的表示及不规则曲面重构
• 4.3.2 非线性方程组的梯度法求解
• 4.3.3 实验验证与结果
• 4.4 本章小节
• 第5章 结论与展望
• 5.1 结论
• 5.2 进一步工作展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢
• 基于图象的三维重构方法探讨
• 第1章 绪论
• 1.1 计算机视觉
• 第2章 三维重构技术
• 2.1 基于主动技术的三维重构
• 2.1.1 三角测量法
• 2.1.2 相位测量法
• 2.2 基于被动技术的三维重构
• 2.2.1 从纹理恢复形状（SFT）
• 2.2.2 从明暗恢复形状（SFS）
• 2.2.3 从轮廓恢复形状
• 2.2.4 从几何信息恢复形状
• 2.2.5 基于骨架模型
• 2.2.6 立体视觉技术
• 2.2.7 分层重构技术
• 第3章 图象预处理
• 3.1 图像平滑处理
• 3.1.1 均值滤波器
• 3.1.2 中值滤波器
• 3.2 图象分割
• 3.2.1 图象分割的定义及过程
• 3.2.2 基于阈值的分割方法
• 3.2.3 基于边缘的分割方法
• 3.2.4 基于区域的分割方法
• 3.2.5 基于人工神经网络的分割方法
• 3.2.6 基于小波分析和变换的分割方法
• 3.2.7 基于数学形态学的分割技术
• 3.2.8 遗传算法在图像分割中的应用
• 3.2.9 基于偏微分方程的图像分割
• 3.2.10 基于模糊集理论的分割方法
• 3.3 图像边缘检测
• 3.3.1 梯度
• 3.3.2 常用边缘检测算子
• 第4章 摄相机标定
• 4.1 传统标定方法
• 4.2 基于主动视觉系统的自定标方法
• 4.3 自标定方法（self-calibration）
• 第5章 结论与展望
• 5.1 结论
• 5.2 进一步工作展望
• 参考文献
• The study of Based on the object's surface shape mode of three-dimensional reconstruction from a single image
• Chapter 1 Based on the image three-dimensional reconstructionOverview
• 1.1 Image-based measurement technology of the status and significance
• 1.2 the paper the main content and organizational structure
• Chapter 2 the goals of image segmentation
• 2.1 Segmentation of the general process
• 2.2 Image Segmentation Overview
• 2.2.1 Otsu category discriminant analysis method outlined Segmentation Algorithm
• 2.2.2 RGB color model based on the segmentation
• 2.3 in the use of median filtering to remove images of isolated points
• 2.3.1 median filtering
• 2.4 Edge detection
• 2.4.1 detection of useing Gauss-Laplace operator edge
• 2.4.2 The results and analysis
• Chapter 3 the camera calibration of three-dimensional reconstruction
• 3.1 camera model
• 3.1.1 image coordinates,the camera coordinate system,the world coordinate system
• 3.1.2 camera model
• 3.2 Based on the calibration of the cube
• 3.2.1 feature points of access
• 3.2.2 linear model calibration
• 3.2.3 The results
• Chapter 4 based on the surface of the three-dimensional shape ofsurface reconstruction
• 4.1 image with the gray surface of the relationship between the radiation
• 4.2 simple rules objects of reconstruction
• 4.2.1 for solving nonlinear equations generalized inverse law of the least-squares
• 4.2.2 objects determine the direction of light
• 4.2.3 experimental analysis and results
• 4.3 on the second surface of the irregular surface reconstruction
• 4.3.1 space and that the second surface of the irregular surface reconstruction
• 4.3.3 nonlinear equations of the gradient method
• 4.3.4 experimental verification and results
• Chapter 5 conclusions and Prospects
• 5.1 Conclusion
• 5.2 Prospects for further work
• Based on the three-dimensional image reconstruction of Discussion
• Chapter 1 Computer Vision
• 1.1 Computer Vision
• Chapter 2 3D Reconstruction
• 2.1 The 3D Reconstruction base on the initiative technology
• 2.1.1 triangulation method
• 2.1.2 phase measurement
• 2.2 passive technology based on the three-dimensional reconstruction
• 2.2.1 texture from the resumption of shape （SFT）
• 2.2.2 resume from the dark shape（SFS）
• 2.2.3 resume from the contour shape
• 2.2.4 information from the geometric shape resume
• 2.2.5 based on the model skeleton
• 2.2.6 three-dimensional visual technology
• 2.2.7 layered Reconstruction
• Chapter 3 Image Segmentation
• 3.1 image segmentation approach
• 3.1.1 based on the threshold of segmentation
• 3.1.2 based on the edge of the Segmentation
• 3.1.3 based on the regional segmentation method
• 3.1.4 based on artificial neural network segmentation
• 3.1.5 based on wavelet analysis and transform the segmentation method
• 3.1.6 based on the mathematical morphology Segmentation
• 3.1.7 genetic algorithm in the application of image segmentation
• 3.1.8 based on partial differential equations of image segmentation
• 3.1.9 based on fuzzy set theory of segmentation
• 3.2 image segmentation and technological development trend
• 3.2.1 the integration of a variety of features
• 3.2.2 The combination of a variety of separate ways
• 3.3 edge detection
• Chapter 4 camera calibration
• 4.1 The traditional method of calibration
• 4.2 Based on the initiative of the visual system since Calibration
• 4.3 self-calibration methods（self-calibration）
• Chapter 5 conclusions and Prospects
• 5.1 Conclusion
• 5.2 Prospects for further work