基于无穷单应的线性多视图重构

研究了由多幅图像恢复摄像机矩阵和空间物体三维几何形状的问题,对Cross等人提出的利用无穷远平面诱导的单应进行重构的算法进行了改进,提出了一种新的算法。该算法只需要一个点和一条直线在所有视图中均可见,解决了原算法要求4个共面参考点的难题。     

基于生成对抗网络的多视图学习与重构算法

同一事物通常需要从不同角度进行表达.然而,现实应用经常引出复杂的场景,导致完整视图数据很难获得.因此研究如何构建事物的完整视图具有重要意义.本文提出一种基于生成对抗网络（Generative adversarial networks,GAN）的多视图学习与重构算法,利用已知单一视图,通过生成式方法构建其他视图.为构建多视图通用的表征,提出新型表征学习算法,使得同一实例的任意视图都能映射至相同的表征向量,并保证其包含实例的重构信息.为构建给定事物的多种视图,提出基于生成对抗网络的重构算法,在生成模型中加入表征信息,保证了生成视图数据与源视图相匹配.所提出的算法的优势在于避免了不同视图间的直接映射,解决了训练数据视图不完整问题,以及构造视图与已知视图正确对应问题.在手写体数字数据集MNIST,街景数字数据集SVHN和人脸数据集CelebA上的模拟实验结果表明,所提出的算法具有很好的重构性能.     

一种多视图分层重构算法研究

本文介绍了基于奇异值分解的射影重构算法的一般框架,以测量矩阵的秩为4作为约束,以仿射投影逼近透视投影,利用共轭梯度法估计射影深度,通过奇异值分解实现射影重构.利用共轭梯度法确定Kruppa方程中的未知比例因子,然后利用所确定的比例因子线性求解Kruppa方程,进而标定摄像机内参数.在摄像机内参数已知的情况下,求解一个满足欧氏重构条件的非奇异矩阵,然后通过此矩阵将射影重构变换为欧氏重构.实验结果表明所给出的算法是行之有效的.     

基于仿射点对应的分层重构

提出了一种基于仿射点对应的分层重构方法,所谓仿射点对应是指相差一个仿射变换的两个空间点集的图像对应．该方法主要分为以下三个步骤：首先,从点对应计算准仿射重构;然后,由仿射点对应的准仿射重构建立一个三维射影变换,并利用这个射影变换的特征向量来确定无穷远平面,从而得到仿射重构;最后,从仿射重构所获得的无穷远平面单应矩阵标定摄像机内参数,进而得到度量重构．在上述三个步骤中,第二个步骤是最关键的,即如何确定对应于无穷远平面的特征向量,这也是该文的新思想和主要贡献所在．仿真和真实图像实验均表明,该文的方法是有效的,并且有很好的鲁棒性．     

基于改进PMS算法的多视点立体视图优化算法

针对多视点视图匹配存在的不足,提出一种多视点法平面与视差空间及聚合成本最优化的改进PMS算法.设计多视点视图优化框架,推导出视点聚合成本函数;结合多视点聚合成本函数最优化方法,设计法平面与视差及聚合成本最优化的改进PMS算法,给出算法步骤;对提出的算法在不同噪声下的角度误差、相同噪声不同视点数的角度误差和相同噪声不同视...     

一种基于多视立体视觉的多视图直线匹配方法

提出了一种基于多视立体视觉（Multiple view stereo,MVS）进行多视图直线匹配的方法. 本文方法首先利用MVS所得到的三维点云及其可见性信息,建立三维点与图像直线的对应关系. 根据此对应关系,为每条图像直线建立由一个三维点集和一个三维单位向量构成的描述子,用以衡量图像直线之间的相似性及一致性. 之后,本文方法以所有图像直线为顶点建立一个图,并引入了图谱分析来获取统一的顶点距离度量. 最后,本方法对DBSCAN聚类算法进行了修改,并用修改后的算法从图谱分析结果中获取可靠的直线匹配. 实验显示,本方法比已有方法更加鲁棒,并且有更高的准确率.     

基于注意力机制的三维模型多视图分类算法研究

对于三维模型的分类,根据其不同的模型类型有不同的分类方法:利用三维模型多视角的二维视图进行分类,利用点云格式的三维模型分类以及利用体素模型进行分类。由于三维模型结构的复杂性和不规律性,且因为二维图像的标记数据量远远大于三维模型,所以一般使用三维模型的多视图图像来对三维模型进行分类研究。其中选择了多视图卷积神经网络(Multi-View Convolutional Neural Networks,MVCNN),因其网络结构不复杂,耗时适中且具有不错的分类结果。并通过向MVCNN中引入注意力机制,使得图像的主要特征位置以及特点显著,能够更好地对三维模型的图像进行特征提取以及分类。实验结果表明,引入注意力机制的多视图三维模型分类方法较原方法,能够将三维模型多视图的分类准确率提高约3%。     

多实化视图的自维护算法

实化视图的维护是数据仓库技术的重要问题,近几年产生了很多的维护算法。已有的维护算法大多是针对单个实化视图的维护。该文提出了一种多实化视图的自维护算法,该算法利用局部约简规则和主外键引用关系生成较小的辅助视图集,使多实化视图和辅助视图集都是自维护的。     

基于序列图像建模的多视图模型合并策略

通过基于单幅图像的建模方法或者基于立体像对的建模方法，可以恢复图像序列中每一幅图像或者立体图像对对应的模型．但所得的是局部模型，并非物体的完整模型．针对这一问题，提出了一种基于图像建模的多视图模型合并策略．根据建筑物模型的规整性，在从单幅图像恢复出建筑物模型的基础上，给出了一种简单灵活、易于实现的针对建筑物的多视图合并方法，从而得到完整的场景模型．该方法大致分为建立视图公共坐标系链表、坐标转换、顶点合并、模型合拢等几部分．从整个过程来看，该方法系统、完善，实验结果显示每一步的操作都是可行的，并且是有效的．     

基于稀疏线性重构的主动学习算法

传统的主动学习算法,或需要随机选择已标注样本为基础,或忽略数据的结构细节,或需要预先设定固定的邻域规模。基于稀疏表示模型和最优实验设计方法,文中提出一种基于稀疏线性重构的主动学习算法。该算法首先用稀疏表示模型获得样本和其它样本之间的稀疏重构模式,接着在保证样本间稀疏重构关系和重构样本精度的目标下选择合适的样本。实验结果表明,基于文中算法挑选样本无需任何先验知识,克服其它方法需固定邻域范围的缺点,样本选择结果与近邻熵方法、转换实验设计、局部线性重构方法相比,可获得更好的分类性能。     

基于图像的三维分层重构算法研究

文章研究在摄像机内参数不变的情况下,利用图像中场景的结构信息实现分层重构的方法。通过求解基础矩阵实现射影重构,通过求解无穷远平面单应矩阵实现仿射重构,利用虚圆点约束求解绝对二次曲线的像实现欧氏重构。实验表明所研究的算法是有效可行的。     

由平行平面的投影确定无穷远平面的单应矩阵

在三维计算机视觉中,无穷远平面的单应矩阵扮演了极其重要的角色,可使众多视觉问题的求解得到简化.主要讨论如何利用平行平面的投影来求解两个视点间的无穷远平面的单应矩阵,用代数方法构造性地证明了下述结论:(1) 如果场景中含有一组平行平面,则可以通过求解一个一元4次方程来确定两个视点间的无穷远平面对应的单应矩阵;(2) 如果场景中含有两组平行平面,则可以线性地确定两个视点间的无穷远平面对应的单应矩阵.并对上述结果给出了相应的几何解释和具体算法.所给出的结果在三维计算机视觉,特别是摄像机自标定中具有一定的理论意义和应用价值.     

一种半自动的三维欧氏重建方法

从二维图像得到场景的三维模型是计算机视觉和虚拟现实的重要研究内容。本文通过用户的简单交互,利用平面型场景的同形关系自动进行两幅大差异图像之间的角点匹配,将这些匹配结果作为初始点,再利用RANSAC鲁棒算法估计基本矩阵。以此结果进行仿射重建,然后在简化相机模型的基础上通过给出的约束条件直接实现欧氏重建,真实数据的实验结果表明了该算法的有效性。     

Projective Rectification with Reduced Geometric Distortion for Stereo Vision and Stereoscopic Video

Projective geometry has been proved to be a useful tool for solving the rectification problem without camera calibration. However, if the matrices used for projective rectification (homographies) are not constrained properly, the rectification process can cause great geometric distortion. For visual application, e.g., tele-operation for remotely controlled robot arm, rectification with minimum geometry distortion should be pursued. In this paper, we propose an improved algorithm to minimize the distortion by combining a newly developed projective transform with a properly chosen shearing transform. Experimental data show that our proposed method works quite well for all the image pairs under test. Comparison with other available methods based on visual inspection and numerical data demonstrates the superiority of the new approach.     

摄像机简化模型对三维重构的影响--分析与实验

讨论了摄像机简化模型对三维重构的影响．主要结论有：当摄像机在两幅图像间的运动为纯平移运动时,从理论上证明了使用摄像机简化模型重构空间点与实际空间点之间满足仿射变换;当摄像机在两幅图像间的运动为一般刚体运动时,使用简化模型的重构只有在一定条件下才能较好地保持原物体的形状;在简化模型下,基于Kruppa方程的方法所估计的焦距精度不能满足三维重构的要求．实验结果表明：在三维重构中不能盲目地使用简化模型,必须对摄像机内参数进行全面标定．     

可并行迭代式图像序列射影重建策略

可并行迭代式重建策略以三视图为重建单元,为避免求解三焦张量而提出一种简单的实现策略,并对三视图进行全局的特征点匹配。给出可并行的分层对应点合并策略。对长度为n的序列,传统迭代方法需要进行(n-1)次重建单元合并,且重建层数为(n-1),而对可并行迭代策略需要进行(n-2)次单元合并,重建层数为lb(n-1),且每一层的单元合并完全可并行。     

基于射影空间的视觉基础矩阵鲁棒估计

针对传统视觉基础矩阵计算中存在的噪音和误匹配问题,提出了基于射影空间的基础矩阵计算方法．首先定义了三视几何中射影标准基下基础矩阵只含有5个参数的特殊形式,并利用三视射影重建中空间点反投影图像误差最小为准则,消除了图像中误匹配的影响,然后基于RANSAC(random sampling consensus)技术寻找出最优7个匹配点（噪音最小）来进行对极几何估算．大量仿真模拟试验和真实图像表明此方法能够高精度地估计出基础矩阵．     

三视校正的理论及鲁棒性算法

主要讨论两方面的工作.首先,对三视校正问题进行理论分析,给出了校正后图像的基本矩阵与其约束条件之间的关系,讨论了三视校正过程中的6个自由参数的几何含义.这些结果为处理校正过程中带来的图像射影畸变提供了理论根据.其次,在RANSAC(random sampling consensus)框架下,提出了一种鲁棒的三视校正算法.与传统的校正算法不同,该算法不再只依赖于基本矩阵,而是直接利用了原始匹配点的信息.这种基于点的方法有两个优点:一方面,由于噪声的干扰,基本矩阵往往估计得不够准确;另一方面,由于基本矩阵的评价准则与校正结果的评价准则不同,即使从好的基本矩阵出发,也未必能获得好的校正结果.大量的模拟和真实图像实验表明,该算法具有很强的抗噪声及抗错误匹配的能力,能够获得令人满意的校正效果.     

非线性模型下的摄像机自标定

摄像机标定是从二维图像获取三维信息必不可少的步骤,线性（小孔）模型摄像机自标定,目前已成为计算机视觉领域的研究热点之一,对于非线性模型下摄像机的自标定,目前还未见到相关的研究报道,用于线性模型一般不能准确地描述真实像机的几何成像关系,因此对非线性模型摄像机自标定的研究具有十分重要的实际意义,该文主要探索非线性模型摄像机的自标定方法,基本原理是将非线性模型视为线性模型和畸变项的叠加,然后利用线性模型的基本矩阵或单应矩阵,给出非线性模型参数的约束方程,从而实现非线性模型摄像机的自标定,模拟和真实图像实验均表明该文所给的方法是可行的,具有一定的实用价值。