论文部分内容阅读
三维重建作为立体视觉中的热点问题,一直是计算机视觉领域的研究重点。本文以Marr的计算机视觉理论为依据,在阅读大量国内外文献的基础上,借鉴各种经典算法,搭建出基于双目视觉的三维离散点重建平台。并对其中的基础矩阵估算、立体匹配等关键步骤的算法进行了相关的改进。实验证明,本文所用的方法是鲁棒的,取得了较为满意的结果。
在进行摄像机定标时,本文采用张氏平面标定法,定标精度比采用自定标法有所提高,而且克服了传统定标法对设备要求高、操作繁琐等缺点;在估算基础矩阵F时,本文结合线性法、迭代法优化了鲁棒法中的基础矩阵初值设定,并采用FNS算法求取鲁棒法中的代价函数,保证了基础矩阵的估计精度,同时缩短了计算时间;匹配阶段首先利用Harris角点提取算子提取图像特征,然后经过灰度相关匹配、松弛迭代法去除误匹配、对极几何约束进一步去除错误匹配并充实匹配点集,最终得到一个鲁棒的匹配点集。其中,对松弛法进行了改进,采用新的自适应SWTA更新策略进行唯一化约束,降低了匹配过程中的误匹配率和误剔除率;最后利用基础矩阵F和定标得出的摄像机内参数,采用SFM(Structurefrom Motion)算法得出摄像机的外参数(旋转矩阵R和平移向量t),并计算出离散特征点的空间三维坐标。
在进行摄像机定标时,本文采用张氏平面标定法,定标精度比采用自定标法有所提高,而且克服了传统定标法对设备要求高、操作繁琐等缺点;在估算基础矩阵F时,本文结合线性法、迭代法优化了鲁棒法中的基础矩阵初值设定,并采用FNS算法求取鲁棒法中的代价函数,保证了基础矩阵的估计精度,同时缩短了计算时间;匹配阶段首先利用Harris角点提取算子提取图像特征,然后经过灰度相关匹配、松弛迭代法去除误匹配、对极几何约束进一步去除错误匹配并充实匹配点集,最终得到一个鲁棒的匹配点集。其中,对松弛法进行了改进,采用新的自适应SWTA更新策略进行唯一化约束,降低了匹配过程中的误匹配率和误剔除率;最后利用基础矩阵F和定标得出的摄像机内参数,采用SFM(Structurefrom Motion)算法得出摄像机的外参数(旋转矩阵R和平移向量t),并计算出离散特征点的空间三维坐标。