论文部分内容阅读
大数据时代,传统的二维地理信息已经不能完全满足社会发展的需要,对三维地理信息的需求越来越迫切。常规的三维数据获取方式所需设备成本高昂,因此如何借助低成本设备获取的影像数据来重建三维数据的运动恢复结构具有重要意义且应用潜力巨大。运动恢复结构主要基于多视图几何原理,重建时主要包括特征检测、相机位姿估计、光束法平差等多个处理过程。本文研究分析了运动恢复结构及其后续稠密重建的整体流程,对特征检测和光束法平差等关键步骤进行分析与改进。论文的主要研究内容和研究结论如下:(1)针对常规的特征提取与匹配存在正确匹配会被剔除的问题,本文构建了基于本质矩阵的特征提取及精匹配方法。在深度变化场景情况下,常规的利用单应矩阵的匹配提纯方法,存在误剔除正确匹配点、提纯后匹配点对分布集中和提纯效果差等问题。为提高提纯速度和效果,本文使用ORB算法进行特征检测匹配。该ORB算法匹配效率高,但误匹配比较多。为解决这一问题,本文采用对极几何约束作为匹配点提纯的模型。针对深度变化、平面等多种场景,本文开展对极几何约束中的单应矩阵、基础矩阵和本质矩阵实验对比分析。实验结果表明:在深度变化场景中,本质矩阵和基础矩阵剔除的正确匹配较少,本质矩阵比基础矩阵能更好的剔除错误匹配,提纯效果最好。(2)针对三维点云的稀疏重建,本文构建了共享相机内参数的光束法平差方法,避免重建过程中同一相机内参数被优化为多个不同数值的问题。三维点云重建时,需要多次利用光束法平差算法进行优化。光束法平差运算较为复杂,鉴于每个视频序列的相机内参数是相同的,但通用的光束法平差方法会把每帧影像对应的相机看作独立的参数,进而产生不必要的计算,引入不必要的误差。为更好地进行重建和优化,本文构建了共享相机内参数的光束法平差,该方法通过相机传统标定或自标定来获得可靠的相机内参数。理论推导结果表明:本文构建的共享相机内参数的光束法平差方法,具备稀疏性,可以通过数学的方法快速求解。本文通过多视频序列运动恢复结构的方法,重建目标场景。(3)在三维点云重建过程中,为解决地物顶部视野盲区重建点少的问题,本文借助多视频序列数据来减少视野盲区,进而提升重建效果。从地面和空中获得的数据,分别蕴含地物侧面和顶部的丰富信息。利用多个视频序列数据,解决了地物重建顶部视野盲区的孔洞问题。为了得到更密集的点云数据,本文使用CMVS/PMVS方法对地物进行密集重建,得到了数量密集、表面较为均匀的高质量点云。