论文部分内容阅读
基于图像的三维重建一直是学者们研究的热点问题。而三维重建的问题是一个多学科综合的一个研究问题,使得三维重建需要很多的知识来完成。为了使重建效果更好,填补模型的空洞,简化模型,网格化在三维重建中也是十分重要。本文对基于图像的三维重建以及网格化算法进行了研究。首先,介绍了三维重建的基础,两视图几何,包含了对极几何、单应变换、基本矩阵、本质矩阵等计算机视觉中的概念。然后,介绍了相机标定的概念。简单介绍了传统的相机标定方法,并重点介绍了相机自标定算法中的光束平差法,并提出减小迭代的矩阵尺寸的方法,这种方法也可以保持相机外参旋转矩阵的正交特性,同时对于初始值的选取做了详尽的解释。接着,提出了基于面片的多视图重建的改进算法,提高了重建点的数量和质量,修正了法向量同时用于点云校准操作。点云校准操作,不仅可以用于后续的观察,同时也用于将点云反投影到图像中,然后通过图像分割的方法,将每幅图生成深度图。之后,针对重建生成的点云,由于点云的密度不均,而且点云不封闭的特点,设计了改进的泊松网格化算法。最后介绍了纹理映射的方法。针对研究过程中用到的两种网格化方法,设计了两种纹理映射的方法:直接选择法和最大面积投影法。