發(fā)布時間：2025-05-10 23:57

　　大數(shù)據(jù)時代,傳統(tǒng)的二維地理信息已經(jīng)不能完全滿足社會發(fā)展的需要,對三維地理信息的需求越來越迫切。常規(guī)的三維數(shù)據(jù)獲取方式所需設(shè)備成本高昂,因此如何借助低成本設(shè)備獲取的影像數(shù)據(jù)來重建三維數(shù)據(jù)的運動恢復(fù)結(jié)構(gòu)具有重要意義且應(yīng)用潛力巨大。運動恢復(fù)結(jié)構(gòu)主要基于多視圖幾何原理,重建時主要包括特征檢測、相機位姿估計、光束法平差等多個處理過程。本文研究分析了運動恢復(fù)結(jié)構(gòu)及其后續(xù)稠密重建的整體流程,對特征檢測和光束法平差等關(guān)鍵步驟進(jìn)行分析與改進(jìn)。論文的主要研究內(nèi)容和研究結(jié)論如下:(1)針對常規(guī)的特征提取與匹配存在正確匹配會被剔除的問題,本文構(gòu)建了基于本質(zhì)矩陣的特征提取及精匹配方法。在深度變化場景情況下,常規(guī)的利用單應(yīng)矩陣的匹配提純方法,存在誤剔除正確匹配點、提純后匹配點對分布集中和提純效果差等問題。為提高提純速度和效果,本文使用ORB算法進(jìn)行特征檢測匹配。該ORB算法匹配效率高,但誤匹配比較多。為解決這一問題,本文采用對極幾何約束作為匹配點提純的模型。針對深度變化、平面等多種場景,本文開展對極幾何約束中的單應(yīng)矩陣、基礎(chǔ)矩陣和本質(zhì)矩陣實驗對比分析。實驗結(jié)果表明:在深度變化場景中,本質(zhì)矩陣和基礎(chǔ)矩陣剔除的正確匹配...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 論文的研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)分析
    1.3 本文研究內(nèi)容、技術(shù)路線和組織結(jié)構(gòu)
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
        1.3.3 組織結(jié)構(gòu)
第二章 相機模型與對極幾何
    2.1 引言
    2.2 相機模型
        2.2.1 參考坐標(biāo)系統(tǒng)
        2.2.2 針孔相機模型
    2.3 對極幾何
        2.3.1 基礎(chǔ)矩陣與本質(zhì)矩陣
        2.3.2 單應(yīng)矩陣
    2.4 相機標(biāo)定
    2.5 本章小結(jié)
第三章 基于本質(zhì)矩陣的特征匹配
    3.1 特征檢測與初匹配
        3.1.1 SIFT
        3.1.2 SURF
        3.1.3 ORB
    3.2 估計本質(zhì)矩陣
    3.3 實驗結(jié)果與分析
    3.4 本章小結(jié)
第四章 多視頻序列大場景運動恢復(fù)結(jié)構(gòu)
    4.1 相機初始化
        4.1.1 選取合適的影像對
        4.1.2 分解本質(zhì)矩陣恢復(fù)位姿
        4.1.3 三角測量重建三維點
    4.2 光束法平差
        4.2.1 梯度下降法
        4.2.2 牛頓法
        4.2.3 Levenberg-Marquardt法
    4.3 稀疏性
    4.4 PnP估計相機的姿態(tài)
    4.5 實驗結(jié)果與分析
    4.6 本章小結(jié)
第五章 多視頻序列稠密重建
    5.1 視圖聚類MVS(CMVS)
        5.1.1 聚類條件
        5.1.2 聚簇算法實現(xiàn)
    5.2 基于面片模型的密集匹配(PMVS)
        5.2.1 面片模型
        5.2.2 面片模型約束條件
        5.2.3 光度一致性函數(shù)
        5.2.4 算法流程
    5.3 實驗結(jié)果與分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
附錄 A



本文編號：4044524