本文選題：三維重建 + 數(shù)據(jù)驅(qū)動��； 參考：《合肥工業(yè)大學(xué)》2017年博士論文

【摘要】：三維重建一直是計算機(jī)視覺與圖形學(xué)領(lǐng)域的熱點研究問題之一,它的目的是如何有效地創(chuàng)造場景的三維模型。當(dāng)今正處在虛擬現(xiàn)實與增強(qiáng)現(xiàn)實的蓬勃發(fā)展時代,三維模型是虛擬現(xiàn)實與增強(qiáng)現(xiàn)實的基礎(chǔ),因此,如何快速有效地創(chuàng)造場景的三維模型是計算機(jī)研究工作者無法回避的問題。傳統(tǒng)的以手繪制等正向三維重建方法無法在真實性、實時性和交互性等方面滿足現(xiàn)在的應(yīng)用需求,尤其是對一些大規(guī)模場景,傳統(tǒng)三維重建方法更是無法勝任。鑒于普通廉價相機(jī)的普及,極易從真實世界中采集大量的視頻或圖像數(shù)據(jù),而計算機(jī)視覺技術(shù)又能提供滿足人類視覺感知規(guī)律的計算模型,這有效地彌補(bǔ)了正向三維重建技術(shù)的不足。因此,基于視覺計算模型的三維重建技術(shù)是當(dāng)今的主流發(fā)展趨勢�；谏鲜霰尘�,本論文研究數(shù)據(jù)驅(qū)動的多視圖三維重建技術(shù),包括如何從視頻或圖像數(shù)據(jù)中獲取攝像機(jī)的內(nèi)部參數(shù)、外部參數(shù)和場景三維幾何信息,有效地解決大規(guī)模三維重建中的光照一致性和幾何一致性等問題,為當(dāng)今應(yīng)用需求提供了一套完備的解決方案。概括地說,本論文的主要創(chuàng)新點如下:(1)提出了一種快速魯棒的特征跟蹤框架。此框架建立在本論文提出的帶有方向的特征檢測子和具有較強(qiáng)表達(dá)能給力的特征描述子之上,較好地解決了圖像旋轉(zhuǎn)、遮擋和相似性給描述子匹配帶來的影響。此外,為了提高算法的時間效率,提出一種快速的多視圖特征匹配方法,在不需要增加計算量的條件下,此方法能夠有效地產(chǎn)生多視圖之間的匹配關(guān)系,從而提高了特征跟蹤的精度。高質(zhì)量的特征跟蹤方法能夠促進(jìn)運動推斷結(jié)構(gòu)技術(shù)的發(fā)展,為大規(guī)模復(fù)雜場景的三維重建奠定基礎(chǔ)。(2)提出了一種快速魯棒的攝像機(jī)絕對姿態(tài)估計算法。在向量的核空間內(nèi)建立攝像機(jī)絕對姿態(tài)估計的求解方程,避免深度信息的影響,降低了計算絕對姿態(tài)需要的2D-3D點數(shù),簡化計算過程。在此基礎(chǔ)之上,提出一種快速的非線性優(yōu)化方法,對初始姿態(tài)進(jìn)行優(yōu)化,能夠在較短的時間內(nèi)獲得攝像機(jī)的高精度姿態(tài)信息,為三角化和集束調(diào)整奠定基礎(chǔ)。(3)提出了一種適用于大規(guī)模場景的快速魯棒的集束調(diào)整算法。此算法從損失函數(shù)的角度考慮噪聲數(shù)據(jù)對三維重建的影響。在此基礎(chǔ)之上,充分利用攝像機(jī)與三維點以及雅克比矩陣之間的稀疏性,將大規(guī)模場景分解為在有限內(nèi)存空間下的可求解問題,此外,采用稀疏矩陣壓縮技術(shù)進(jìn)一步提高內(nèi)存空間的利用率。最后,充分利用了正態(tài)方程系數(shù)矩陣的對陣正定性,采用快速矩陣分解算法求解未知參數(shù)的解,有效地避免了直接計算高維逆矩陣帶來的時間開銷;同時采用并行思想實現(xiàn)了計算密集型的高維矩陣乘法運算,進(jìn)一步提高了算法的計算效率。因此,優(yōu)秀的集束調(diào)整算法為重建出與真實場景具有高度幾何一致性的三維模型奠定基礎(chǔ)。(4)提出了一種多視圖三維重建框架。此框架將三維重建流程分為運動推斷結(jié)構(gòu)、多視圖立體重建和表面重建等主要模塊。在運動推斷結(jié)構(gòu)模塊,提出一種新的計算流程、初始視圖選取方法和基于顯著性的歧義點云消除算法,有效地提高了運動推斷結(jié)構(gòu)生成的點云模型質(zhì)量。在多視圖立體模塊,提出一種通用的多視圖立體算法,能夠自動選取初始化視圖,避免人工干預(yù)的影響。在表面重建模塊,采用多頻帶的混合技術(shù)優(yōu)化紋理模型,增強(qiáng)了三維模型與真實場景的光照一致性。最后,建立在本論文的研究基礎(chǔ)之上,開發(fā)了一套自動的三維重建系統(tǒng),以便促進(jìn)三維重建理論的進(jìn)一步發(fā)展與應(yīng)用。
[Abstract]:This paper presents a fast robust feature tracking framework , which can effectively solve the problems of image rotation , occlusion and similarity to describe sub - matching . ( 3 ) A fast robust clustering algorithm for large - scale scenes is proposed . This algorithm takes full advantage of the sparsity between the camera and the three - dimensional point and the jacques matrix , and decomposes the large - scale scene into solving problems in the limited memory space .

【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 Hainan CUI;Shuhan SHEN;Zhanyi HU;;Global fusion of generalized camera model for efficient large-scale structure from motion[J];Science China(Information Sciences);2017年03期

2 李尚林;李琳;曹明偉;劉曉平;;面向真實構(gòu)建的徽州建筑快速建模方法[J];軟件學(xué)報;2016年10期

3 劉浩敏;章國鋒;鮑虎軍;;基于單目視覺的同時定位與地圖構(gòu)建方法綜述[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2016年06期

4 鄒丹;竇勇;郭松;;基于GPU的稀疏矩陣Cholesky分解[J];計算機(jī)學(xué)報;2014年07期

5 郭復(fù)勝;許華榮;高偉;胡占義;;利用相機(jī)輔助信息的分組三維場景重建[J];計算機(jī)科學(xué)與探索;2013年09期

6 陳姝;彭小寧;;結(jié)合模型匹配與特征跟蹤的人體上半身三維運動姿態(tài)恢復(fù)方法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2012年11期

7 楊森;吳福朝;;攝像機(jī)位姿的加權(quán)線性算法[J];軟件學(xué)報;2011年10期

8 史利民;郭復(fù)勝;高偉;胡占義;;基于語義交互的三維重建[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2011年05期

9 孫鳳梅;王波;;關(guān)于PnP問題多解的分布與解的穩(wěn)定性的討論[J];自動化學(xué)報;2010年09期

10 郭陽;徐心和;;未標(biāo)定攝像機(jī)P5P問題的一種解析解[J];計算機(jī)學(xué)報;2007年07期

相關(guān)會議論文 前1條

1 姜翰青;章國鋒;董子龍;華煒;劉新國;鮑虎軍;;基于圖像序列的交互式快速建模系統(tǒng)[A];中國計算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國計算機(jī)圖形學(xué)大會論文集[C];2008年

，

本文編號：1822711