论文部分内容阅读
随着计算机视觉技术在游戏、医学、测绘、虚拟现实等领域的广泛应用,基于图像的三维建模成为热门的研究方向。其中,被动式单目重建算法虽然流程复杂、运行时间长,但其扩展性高、成本低、不易受环境光的干扰、应用场景多,因此深受研究人员的青睐。图像特征匹配作为重建算法中重要步骤,现有的算法准确性及匹配数量均低,误匹配结果会对后期重建效果造成影响。另外,在稠密重建步骤中,已有重建算法恢复的三维点云空洞多,可视效果差。基于以上原因,本文对被动式单目重建算法进行了深入的研究,以下为研究的主要内容:1.研究相机模型以及成像原理,分析三维建模的基础模型,对三维空间中的刚体运动以及相机、像素坐标之间的相互转换进行详细说明。分析相机畸变对于重建结果的影响,推导了对极约束,详细研究了相机位姿求解的原理。2.在特征匹配中,本文提出了一种基于图像局部相关性的过滤方法,经实验证明,相比阈值法、邻近比法、双向匹配法、RANSAC算法,本算法能有效过滤错误匹配,提高了匹配的有效率。对于匹配数量过少问题,本文还将SIFT匹配结果与ORB匹配结果融合,得到了更多数量的匹配。使用此结果作为求解相机位姿的输入时,提升了求解的位姿准确性并减少了求解时间。3.以增量SFM重建系统为例,详细介绍稀疏重建的过程,验证Bundle Adjustment(BA)对于重建结果的影响。针对不同的BA算法进行分析,使用RosenBrock函数对分析结果进行了验证。4.提出了一种基于光流与ORB特征融合的方法,解决了稠密重建中,重建空洞大、重建点云不密集等问题。经实验证明,本算法有效填补了稠密重建中点云的空洞,比C/PMVS、深度方法的重建点云数量更多、重建效果更好。5.实现了一个基于单目相机的增量式SFM重建系统。在相同图片数量的条件下,与visualSFM进行对比,本系统可视化效果更好。针对本系统的重建精度分析,可以通过实验得到结论:当相机距离拍摄目标大约0.5m时,重建精度可达1mm,使用此系统对未知沙堆体积估计时,误差仅为3%。