多視圖三維重建是一種通過(guò)不同視角的靜態(tài)目標(biāo)圖片,估計(jì)目標(biāo)的三維形狀及表面紋理的三維重建方法。相比于激光掃描法、結(jié)構(gòu)光法等主動(dòng)式方法,它具有成本低、易于操作、應(yīng)用場(chǎng)景廣的優(yōu)點(diǎn)。近十年來(lái),隨著運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法（Structure from Motion,SFM）的成功和硬件設(shè)備的發(fā)展（如高精度數(shù)字相機(jī)的普及、計(jì)算機(jī)算力的提升）,多視圖三維重建的研究和應(yīng)用得到了極大的發(fā)展。比如,已經(jīng)可以通過(guò)互聯(lián)網(wǎng)上的圖片對(duì)城市規(guī)模的目標(biāo)進(jìn)行稀疏重建。盡管如此,為了適應(yīng)更加多樣的應(yīng)用場(chǎng)景,比如對(duì)紋理重復(fù)或紋理缺失的目標(biāo)進(jìn)行重建,相關(guān)算法的魯棒性、完整性和精度仍有待提高。本文對(duì)以無(wú)序圖像集作為輸入的多視圖三維重建的相關(guān)技術(shù)進(jìn)行研究,并對(duì)部分算法進(jìn)行改進(jìn),提升了三維重建的魯棒性、完整性和精確度。主要的研究貢獻(xiàn)如下:1.實(shí)現(xiàn)了 GPU加速的SIFT算法,解決了 SIFT算法中特征點(diǎn)提取耗時(shí)長(zhǎng)的問(wèn)題。實(shí)驗(yàn)表明,該GPU加速的SIFT算法在保證精度的前提下,大大地提升了特征點(diǎn)的檢測(cè)速度。同時(shí),與同樣利用GPU實(shí)現(xiàn)的SiftGPU算法和CudaSift算法相比,本文的實(shí)現(xiàn)具有速度快或精度高的優(yōu)勢(shì)。2.提出并實(shí)現(xiàn)了一種高魯... 

【文章來(lái)源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖ｉ．ｉ：多視圖三姙重建的流程示意??

浙江大學(xué)碩士學(xué)位論文?１緒＂ｉ侖??１．３本文研究?jī)?nèi)容??本文對(duì)多視圖三維重建流程中的第２步和第３步的相關(guān)技術(shù)進(jìn)行研究，包括相機(jī)??模型、特征點(diǎn)提娶運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法、基于塊匹配的多視圖立體匹配算法。技術(shù)路線(xiàn)??如圖１．２所示。具體的研究?jī)?nèi)容如下：??１．多視圖幾何原理。多視圖幾何是多視圖三維重建的理論基石之一，貫穿整個(gè)多視??圖三維重建流程。相關(guān)內(nèi)容包含了相機(jī)模型與相機(jī)標(biāo)定、三角重構(gòu)、對(duì)極約束、捆??集調(diào)整等。??２．?ＳＩＦＴ算法原理及實(shí)現(xiàn)細(xì)節(jié)。本文基于ＣＵＤＡ實(shí)現(xiàn)了?ＧＰＵ加速的ＳＩＦＴ算法，極大??地加快了特征點(diǎn)提取速度。??３．添加式和整體式的ＳＦＭ算法。結(jié)合相關(guān)論文和開(kāi)源庫(kù)ｏｐｅｎＭＶＧ的源代碼，對(duì)??ＳＦＭ算法的理論和實(shí)現(xiàn)細(xì)節(jié)進(jìn)行學(xué)習(xí)。結(jié)合兩種方法的優(yōu)缺點(diǎn)，提出一種混合式??的ＳＦＭ算法。在保留添加式方法魯棒性的同時(shí)，利用旋轉(zhuǎn)平均得到的全局旋轉(zhuǎn)來(lái)??排除誤匹配圖像對(duì)、優(yōu)化初始圖像對(duì)選擇和圖像添加順序，緩解了誤差累計(jì)的問(wèn)??題。??４．基于塊匹配的多視圖立體匹配算法。結(jié)合相關(guān)論文和開(kāi)源庫(kù)ｃ〇ｌｍａｐ的源代碼，對(duì)??ＭＶＳ算法的理論和實(shí)現(xiàn)細(xì)節(jié)進(jìn)行學(xué)習(xí)。通過(guò)尋找點(diǎn)云平面，對(duì)生成的稠密點(diǎn)云進(jìn)??行位置優(yōu)化和孔洞填充，提高了重建結(jié)果的真實(shí)性和完整性。??■?■?■?ｋ?■?＾?＿？？計(jì)算相對(duì)—■＾稀瞭ｋ？建?＿＿士??Ｈｉ＊？?與聊?（ＳＦＭ?算法）（ＭＶＳ?算法）＞?｜???＾?＿＿＿＿＿議議＿＿議＿??圖１．２：技術(shù)路線(xiàn)??１．４論文內(nèi)容安排??本文共有六章，每一章的內(nèi)容概要如下：??第一章為緒論，介紹了多視圖三維重建的研究背景及意義、研究現(xiàn)狀、本文的研究??內(nèi)容及論文內(nèi)容安排。??６??

浙ａ：大學(xué)碩士學(xué)位論文?２多視圖幾何基礎(chǔ)??２多視圖幾何基礎(chǔ)??本章將介紹多視圖幾何的基礎(chǔ)知識(shí)，包括相機(jī)模型、對(duì)極幾何、三角重構(gòu)和相機(jī)位??姿估計(jì)。這一章的內(nèi)容是整個(gè)研究的基礎(chǔ)，也是理解ＳＦＭ算法和ＭＶＳ算法的必備知??識(shí)。??２．１相機(jī)模型??２．１．１基本針孔相機(jī)模型??常見(jiàn)的相機(jī)拍攝遵循透鏡成像原理，如圖２．１所示。其中，／表示凸透鏡的焦距，ｇ??表示成像平面到透鏡的距離，ｐ表示物體到透鏡的距離。它們關(guān)系如式２．１所示。??＇?ｐ?＾＾ｑ——Ｈ??圖２．１：透鏡成像原理??１?１?１??７?＝?Ｐ?＋?－ｑ?（２．１）??在一般的場(chǎng)景中，式２．１可近似為式２．２。小孔模型就是這種近似下的透鏡成像??模型。??１?—?１?ｆ??—ｆ?＝?—，ｆ?＝?ｑ?（２．２）??雖然直接蕕得的成像是倒立的，但可以通過(guò)筒單像素變換獲得正立的像。為了使??得針孔相機(jī)模型更加直觀和筒潔，一般采用前投影模型［３〇］，如圖２．２所示。在前投影模??型下，成像是正立的。在前投影模型中，存在兩個(gè)坐標(biāo)系：三維的攝像機(jī)坐標(biāo)系和二維??的圖像坐標(biāo)系，如圖２．３所示。根據(jù)相似三角形，可知３Ｄ點(diǎn)Ｘ?＝?（Ｘ，ｙ，Ｚ）ｒ到投影點(diǎn)??８??

【參考文獻(xiàn)】：
碩士論文
[1]基于圖像序列的稠密三維重建關(guān)鍵技術(shù)研究[D]. 隗娜.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所) 2019



本文編號(hào)：3406396