论文部分内容阅读
随着科学技术的发展、计算能力的提高,人类对三维场景信息的需求推动了三维重构算法的发展。三维重构是利用无序图像提供的二维特征点、特征直线信息及其匹配关系,通过约束计算相机位置、姿态信息,从而得到三维点云与三维直线的过程。论文的主要研究内容:首先,为了获得三维点云和三维直线,对输入的图像进行特征点和特征直线提取、匹配。本文使用ASIFT算法代替SIFT算法对图像进行模拟,在模拟图像各种仿射变换以及梯形变化之后,提取、匹配特征点,通过实验分析,ASIFT算法提取特征点数量达到SIFT算法提取数量的10-15倍。同时利用ELSD提取,LBD描述特征直线,生成具有旋转、缩放以及光照不变性的特征直线描述符,依据最近邻距离比值算法(NNDR),进行特征点匹配和特征直线匹配,进而完成多幅图像的稠密匹配。其次,在得到稠密匹配结果的基础上,初始三维点云重构选取4幅特征点相互匹配数量最多的图像,后3幅分别与第一幅进行计算,得到后3幅图像对应相机的位置、姿态信息,计算获得3组三维点云。对3组三维点云进行重投影,最终选择误差最小的点作为初始三维点云。在获得初始三维点云的基础上,利用新图像二维点与初始三维点云的对应关系,获得新图像对应的三维点云。采取4幅初始图像相比于采取2幅作为初始图像可以获得更精确的初始点云,这验证了算法的有效性和准确性。然后,在得到直线匹配结果的基础上,选取4幅特征直线匹配数量最多的图像,在其中选取特征直线匹配数最多的一幅图像对应的相机坐标系作为世界坐标系,任意选取2幅图像与第一幅图像进行计算,获得图像对应相机的位置、姿态信息,进而获得三维直线。对三维直线进行重投影,选取3条直线中误差最小的三维直线作为初始三维直线。利用初始三维直线与新图像中二维直线的对应关系,得到新图像对应相机的位置、姿态信息,最终获得新三维直线。最后,对三维点云与三维直线进行融合,利用初始相机之间的关系,进行坐标系统一,根据相机与初始相机之间的关系,在保证整体投影误差最小的情况下,得到相机位置、姿态信息,从而获得最终融合后的三维点云和三维直线。