论文部分内容阅读
本文主要研究基于无序图像集合,利用全局的方法快速精确地的恢复三维场景和图像对应的相机参数。本文实现并改进了两种全局线性的运动恢复结构技术,从无序的二维图像数据重建稳定的三维场景。传统的运动恢复结构方法,一般是一个个地按次序添加相机到初始重建中。这种方法在添加相机过程中会导致误差累积,影响最后三维场景质量;另一方面,由于这种方法每次添加相机后,都需要对中间重建结果做集束调整优化,数据集的规模越大,集束优化的次数就越多,因此时间效率不高。相反,全局线性的方法可以从全局分担这些错误,从而保证整体的重建效果;另外,全局线性方法一次性得到场景的相对粗糙的结果和相机的参数,最后只需一次集束优化,因此在运行效率上有很大的优势。本文实现并改进了两种全局线性方法,其中在第二种方法的基础上提出了新的非线性优化的方法,可以准确稳定地求解相机三元组的线性关系,接着再用全局线性的方法求解全部相机的姿态以及图像中特征点的三维坐标。本文的研究内容概括如下: 1.图像处理建立匹配图本文利用从图像中提取的稳定的特征点描述子进行图像间的匹配,从而找出图像间的关联关系,鲁棒地建立图像集合的匹配图。进而根据图像特征点匹配结果得到稳定相机二视图的重建,这个结果在下一步中非常重要。 2.全局线性地恢复三维场景和参数本文研究并实现了两种全局线性恢复三维场景和相机参数的方法,它们都是首先通过相机二视图重建得到相对旋转关系,鲁棒线性地求解得到所有相机的朝向。第一种方法求解相机三元组中二视图重建之间的线性变换关系,这些线性变换关系可以组成线性方程组,从而把二视图重建与全局三维重建关联,然后通过把二视图重建中的相机和三维结构点变换到全局重建中,得到初始的三维重建结果,最后通过集束调整的技术对场景重建结果进行优化。第二种方法同时考察相机三元组位置间的几何关系和三维结构点的投影误差,通过非线性优化技术得到稳定的相机三元组重建,求解相机三元组位置的线性关系,然后通过上一步得到的足够多的相机三元组提供的线性方程,可以组成一个线性方程组,通过数值方法即可全局求解得到所有相机准确的位置信息,并通过三角化技术恢复场景中的三维结构点;最后通过集束调整的技术对场景重建结果进行优化。 本文提出的方法框架在多种不同规模和类型的图像集进行了实验验证,实验证明该框架是快速稳定和精确的。