实时三维重建算法的实现——基于Kinect与单目视觉SLAM的三维重建

作为计算机视觉技术的一个重要分支,基于单目视觉的三维重建技术以其要求简单、成本低廉、易于实现等优点,得到了越来越多的关注。在室内环境下就智能机器人的同步定位以及环境地图创建（SLAM）算法展开了研究,引入RGB-D相机Kinect直接获取3D场景的深度信息,实现了一种基于单目视觉SLAM与Kinect的实时三维重建方法。     

无内部冲突数据库模式满足P_3及无β环判定问题研究

通过分析在FD集F的最小归并依赖集D无弱左部冲突、弱右部冲突时相邻归并依赖所具有的性质和特征,提出了左部集冲突、蕴含集阃冲突和主归并依赖冲突等概念,在此基础上证明了在FD集F无内部冲突且最小归并依赖集D中存在弱左、右部冲突、左部集冲突、蕴含集间冲突和主归并依赖冲突时模式分解为满足P3为有口环的结论,并给出了左部集冲突、蕴含集间冲突和主归并依赖冲突的判定算法及分析,为进一步研究无β环的分解奠定了基础.     

古建筑视觉三维重建系统设计与实现

基于视觉的三维重建一直是计算机视觉领域的研究难点和热点,古建筑文化遗产的三维数字化应用就是其中之一.针对此需求,设计并实现基于图像视觉的古建筑三维重建系统.该系统由单个摄像机采集古建筑的多视角图像序列,通过图像特征提取和匹配、摄像机位置姿态计算、优化算法、三维点云生成、纹理映射等一系列自动计算过程,得到古建筑的三维重建模型.通过实验验证,该系统能够自动计算获取视觉效果良好的古建筑三维重建模型,且其实现成本低、操作简单安全,无须人工干预,可以满足当前古建筑快速安全的三维数字化应用需求.     

FD环境下满足PS及无α环模式分解问题研究

通过分析在FD集F的最小归并依赖集存在弱左部或弱右部冲突时所具有的性质和特征，讨论并给出了满足PS(保持FD，无损连接且满足SNF)且无α环分解的充要条件和算法，对算法的正确性、可终止性进行了证明，并对算法的时间复杂度给出了分析。     

数据库模式在FD环境下满足PS及无α环判定问题

通过分析在FD集F的最小归并依赖集D存在弱左部或弱右部冲突时所具有的性质和特征，提出了PS(保持FD，无损连接且满足SNF)、条件T等概念。在此基础上讨论了数据库模式分解为SNF的无α环判定问题，给出了在D有弱左部或弱右部冲突及不满足条件T时满足PS的分解是有α环的结论，为进一步研究无α环的分解奠定了基础。     

FD无内部冲突时的Pek且无α环模式分解

通过分析FD集中F的最小归并依赖集特征,提出了初等归并依赖集和最小归并依赖集,定义了初等最小归并依赖集的弱左部冲突和弱右部冲突、Pek(保持FD集,无损连接且满足初等关键词范式)等概念。讨论了数据库模式分解为初等关键词范式的无α环判定问题,实验证明,在初等归并依赖集D有弱左部或弱右部冲突时,满足Pek的分解具有α环,该分解算法是有效的。     

基于部分惯性传感器信息的单目视觉同步定位与地图创建方法

传统的单目视觉同步定位与地图创建(MonoSLAM)方法很难处理累积误差问题,如何有效地利用惯性传感器输出的运动信息辅助SLAM系统抑制累积误差是MonoSLAM研究中的一项重要内容.由于惯性传感器输出的三轴方向角中横滚角和俯仰角的精度较高,而偏航角的精度相对较低,如果在SLAM系统中直接使用惯性传感器输出的偏航角信息不但无法有效地抑制该系统中的累积误差,反而会进一步增大系统误差、降低SLAM系统的稳定性.针对这种情况,提出一种基于惯性传感器横滚角和俯仰角的MonoSLAM方法.首先利用惯性传感器输出的横滚角和俯仰角进行系统标定;然后将惯性传感器自身的偏航角作为系统状态向量的一个分量,利用扩展卡尔曼滤波器实时地估计状态向量,进而实现实时鲁棒的同步定位和地图创建.实验结果表明,该方法可以有效地抑制SLAM系统运行过程中产生的累积误差,并降低惯性传感器测量误差对SLAM系统稳定性的影响.