運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)（StructurefromMotion，SfM）是從圖像集中重建場(chǎng)景結(jié)構(gòu)（即三維空間點(diǎn)）和計(jì)算相機(jī)運(yùn)動(dòng)（即相機(jī)位姿）的一系列方法,其主流方法分為增量式重建和全局式重建。首先,對(duì)這兩種重建方式而言,圖像的特征點(diǎn)匹配是耗時(shí)最多的階段,尤其是當(dāng)圖像集中的圖像之間沒有匹配順序的先驗(yàn)信息（即無序圖像集）的時(shí)候,所有圖像之間都需要兩兩匹配。其次,相對(duì)于全局式重建,增量式重建的優(yōu)勢(shì)是重建精度高、對(duì)外點(diǎn)（Outlier）魯棒,缺點(diǎn)是耗時(shí)、依賴初始圖像對(duì)的選擇及無法閉環(huán);相對(duì)于增量式重建,全局式重建的優(yōu)勢(shì)是重建速度快、能準(zhǔn)確閉環(huán),缺點(diǎn)是重建精度不高、對(duì)外點(diǎn)不魯棒。快速、閉環(huán)、精度高的重建方法就顯得尤為重要。在2017年提出的混合式SfM（Hybrid SfM，HSfM）的基礎(chǔ)上,本文針對(duì)以上兩個(gè)問題提出了如下改進(jìn)方法:1)在特征點(diǎn)匹配階段提出了基于場(chǎng)景幾何結(jié)構(gòu)約束及特征不變尺度變換（Scale Invariant Feature Transform，SIFT）數(shù)值統(tǒng)計(jì)特征的 SIFT 匹配算法GeoMatch（Geometric structure and SIFT-based Match... 

【文章來源】：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

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１對(duì)極幾何示意圖??

?：??圖３．１交叉Ｑｕａｄｔｒｅｅ示意圖?圖３．２搜索策略示意圖??３．１．３三賴建的圖像數(shù)據(jù)集特征??自然圖像與非自然圖像。自然圖像是真實(shí)世界的二維快照，是由成像設(shè)備在??一定光照條件下拍攝所形成的數(shù)字圖像，具有像素灰度逐漸過渡的特征。非自然??圖像則不是對(duì)客觀世界的反應(yīng)，包括在計(jì)算機(jī)內(nèi)生成的圖（比如漫畫、手繪圖等??等）、圖形學(xué)生成的真實(shí)感圖像等，這些圖像由于不是真實(shí)世界的客觀反應(yīng)，所以??主要有以下兩點(diǎn)問題：第一，像素灰度在某一區(qū)域可能存在劇變；第二，圖像反??應(yīng)的幾何關(guān)系不夠精確。因此，進(jìn)行圖像三維重建時(shí)應(yīng)該盡可能選擇自然圖像。??本文以后章節(jié)的所有實(shí)驗(yàn)均使用自然圖像。??平面結(jié)構(gòu)與非平面結(jié)構(gòu)。自然圖像的前景主體有時(shí)候是平面結(jié)構(gòu)（比如建筑??物的側(cè)面、壁畫等），由于平面結(jié)構(gòu)的所有信息都展現(xiàn)在二維平面上而不具有第三??個(gè)維度的信息

４．７．１過外點(diǎn)的魯棒賊比測(cè)試??算法ＳＭＳＴ主要是通過動(dòng)態(tài)調(diào)整團(tuán)體圖中邊的權(quán)值來魯棒地過濾外點(diǎn)。針對(duì)??旋轉(zhuǎn)誤差的過濾能力對(duì)比測(cè)試結(jié)果如圖４．５所示。由于ＳＭＳＴ算法是針對(duì)ＨＳｆＭ??進(jìn)行的改進(jìn)，因此測(cè)試僅僅針對(duì)ＨＳｆＭ進(jìn)行。實(shí)驗(yàn)結(jié)果表明，在固定的旋轉(zhuǎn)誤差??范圍內(nèi)，ＳＭＳＴ有更高的累積分布函數(shù)值（Ｃｕｍｕｌａｔｉｖｅ?Ｄｉｓｔｒｉｂｕｔｉｏｎ?Ｆｕｎｃｔｉｏｎ，ＣＤＦ）；??在固定的ＣＤＦ上，ＳＭＳＴ有更低的旋轉(zhuǎn)誤差。因此，通過動(dòng)態(tài)地調(diào)整權(quán)重選擇??ＭＳＴ，?ＳＭＳＴ達(dá)到了比ＨＳｆＭ更好的過濾外點(diǎn)的效果。??０?２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０??０．８?－?ｔ?＾?－???－－???－０．８??ｆｉ?１?！?■??０．６?４??ｉ???—?．！?－—－?－…Ｉ?－－?－?．－０．６??１?Ｉ?■??０．４??；??０．４??０－２??１?１?：?１—?ＨＳｆＭｌ￣￣－?〇－２??Ｉ?１－＾－?ｓｍｓｔ！??０．０?￣￣＇￣￣１￣￣＇￣￣Ｓ￣￣＇￣￣


本文編號(hào)：2954846