单Kinect+回转台的全视角三维重建

为了解决当前全视角三维扫描系统价格昂贵操作复杂的问题,提出利用1台Kinect和1个回转台来构建全视角三维模型的方法。研究涉及点云预处理、点云配准、全局误差修正以及色差修正等技术。首先使用Kinect采集数据并预处理,结合转台约束利用图像几何特征进行粗配准,随后使用迭代最近点（Iterative closest point,ICP）算法实现点云的精确配准。对于累积误差导致的闭环问题以及不同角度拍摄引起的色差问题,通过全局误差修正与色差修正算法处理,提升重建结果的精度。实验结果表明：该方法可以实现三维物体的全视角重建,并在精度上优于微软的KinectFusion方法。     

一种融合纹理的三维图像重建快速实现方法

为了得到完整的三维模型,介绍了一种融合纹理的三维图像重建快速实现方法。通过对不同视角的深度图像的手动粗配准、ICP算法精配准以及全局配准得到这些深度图像的旋转平移矩阵。通过vrippack,三维重建出完整的三维图像,用TextureStitcher对得到的三维图像进行纹理映射,从而实现融合纹理的三维图像的快速重建。文中在论述配准算法主要思想和实现步骤的同时,也用实验验证了方法的可行性与通用性。     

基于全局配准累积误差极小的人体RGB-D数据三维重建

针对RGB-D扫描数据获取和人体三维重建过程中存在扫描数据分辨率不高、噪声干扰影响较大、配准误差较大等问题,提出一种基于累积误差极小的RGB-D扫描数据全局配准的人体模型三维重建方法.首先采集人体扫描数据并进行预处理,去除噪声和背景;然后利用基于三维点特征描述符匹配求解局部扫描数据的粗略配准,并通过最近点迭代的方法进行精细配准;再构建局部配准数据加权图,通过最小生成树方法合并局部相邻帧数据来减少全局误差传播的影响,利用环闭合的方法解决累积误差问题并得到全局刚体配准结果;通过对全局刚体配准后的数据依次进行非刚体变换并不断融合配准后数据,解决扫描过程中的移动问题,进一步减少全局累积误差;最后利用全局配准结果和扫描数据中的颜色信息生成融合颜色信息的人体三维重建模型.利用2台Kinect设备扫描获取的人体全方位扫描数据进行实验的结果表明,该方法能够方便、高效地重建具有高度真实感的三维人体,而且重建生成的三维人体测量尺寸与真实人体尺寸之间的误差较小.     

基于改进SFM的三维重建算法研究

针对现有运动恢复结构算法重建模型存在点云稀疏等问题,提出一种利用不同匹配数据进行模型重建的算法。首先通过对比上下文直方图(CCH)生成匹配数据,利用M估计抽样一致(MSAC)估算图像基础矩阵,进而分解得到平移和旋转矩阵,并根据相机内参计算投影矩阵,然后利用KLT匹配算法更新匹配数据,最后三角化生成三维点云。该算法匹配精度高,图像基础矩阵易于收敛,通过位移实现特征点匹配,弥补了图像低频区域匹配数据不足的缺陷。实验结果表明,与现有算法相比,该算法生成的点云更致密;在真实环境下,该算法可用于物体三维重建。     

基于双向随机KD树的点云配准

在三维跟踪及逆向工程三维重建的过程中,需要采集大量物体表面的特征点（点云）数据,为达到更好的重建结果,采用多视角采集点云方式。多片点云数据的配准（Registration）是目前的研究热点之一。对点云快速配准方面传统采用的ICP算法加以改进,提出基于相机标定和双向随机KD树的ICP改进算法,提高了ICP在应对小型点云时的匹配精度。     

基于智能手机立体影像的稠密三维重建

针对传统立体影像三维重建过程中面临的重建点云数目稀疏、视觉效果不稳定等问题,提出一种基于智能手机立体影像的稠密三维重建方法。该方法在传统影像三维重建的基础上引入密集匹配步骤,通过对手机设备进行相机标定、影像校正,对立体影像进行初始同名点的获取,并使用RANSAC方法剔除错误匹配点,得到高精度同名点作为匹配基元,进而密集匹配并联合三角测量方法进行三维点云解算,得到稠密三维点云。实验结果表明,该重建方法较传统重建方法生成的点云密集,可以清晰看到物体的纹理,视觉效果良好,并且对不同场景有着较好的适应性。     

基于双视角的可见外壳三维重建研究

针对双目视觉重建方法在三维重建过程中步骤繁琐与重建效果不理想的问题,文中提出了一种基于双视角下可见外壳的三维重建方法。该方法主要借助平面镜成像原理,在不同视角拍摄包含物体与其成像的两幅图像,并根据成像原理确定物体之间的位置关系。通过相机与周围物体的运动关系求得相机参数,实现相机自标定。然后根据阈值分割及区域生长算法处理边缘信息得到目标轮廓,通过可见外壳方法计算侧影轮廓线,连接轮廓线形成重建模型。该方法通过自适应可见外壳种子体素生长在不了解物体先验知识的情况下完成重建。文中对比文献"基于图像轮廓的三维重建方法"中的单视角重建物体方法,提出了双视角重建物体模型方法。实验结果表明,双视角重建方法简单实用,生成的三维模型准确真实。     

快速非刚体人体运动三维重建

为了实现基于单目深度传感器的快速非刚体人体运动三维重建,提出一种基于骨架的非刚体人体运动点云融合算法.首先利用分割的人体局部点云配准,对深度传感器提取的人体骨架进行修正,提高了骨架提取的准确性;当相邻2帧之间存在较大人体运动时,利用骨架驱动人体表面点云进行点云粗配准;在粗配准的基础上,利用非刚体点云融合算法进行点云的精细配准,得到精确的表面重建.实验结果表明,该算法能够鲁棒地重建快速非刚体三维人体运动.     

基于Kinect相机和改进ICP的三维物体重建

针对三维物体重建过程中存在的配准精度差问题,提出一种改进的 IC P算法。先利用动态设定的距离函数阈值,再利用高斯曲率相似性,去除错误匹配点对,在迭代结束后给出结果评价准则,提高ICP算法的精度。在使用Kinect相机采集到点云数据后,利用改进的IC P算法进行局部配准,将局部配准的结果应用于全局配准,得到完整的三维物体模型。实验结果表明,该算法配准精度高,能有效地应用于三维物体重建。     

飞行时间三维相机的多视角散乱点云优化配准方法研究

针对目前基于飞行时间(TOF)原理的三维相机实现物体完整表面的三维点云重建过程中,多视角散乱点云配准精度低的问题,本文提出了一种多视角散乱点云优化配准方法。该方法通过构建一个目标功能函数,并结合相邻点云的变换矩阵对该目标函数进行最小化求解,直接获取任意位置的点云到基准坐标系的绝对变换矩阵,避免了对相邻点云的变换矩阵进行累积而引起误差的累加。实验结果表明,该方法提高了多视角点云配准的精度,同时增强了物体点云模型重建的效果,在三维曲面重建中具有较强的实用性。     

基于ToF相机的三维重建技术

针对利用ToF相机实现物体的重建提出一种新的三维重建算法,通过分析物体重建过程的特点,对KinectFusion的重建算法进行改进。点云匹配过程包括粗匹配和精匹配两个过程,最后进行全局优化,提高相机位姿估计的精度,从而得到更精确的三维重建结果。利用泊松重建算法重建物体表面,相比于TSDF算法,能够实现完整表面的重建。提出结合强度图对深度图进行多边滤波的算法以及一种新的补空洞法则,增强深度图像。多边滤波算法在PSNR和SSIM的评估中都优于双边滤波结果,提出的三维重建算法与KinectFusion三维重建结果对比,表面更完整,重建结果更优。     

3D Scene Reconstruction from Multiple Spherical Stereo Pairs

We propose a 3D environment modelling method using multiple pairs of high-resolution spherical images. Spherical images of a scene are captured using a rotating line scan camera. Reconstruction is based on stereo image pairs with a vertical displacement between camera views. A 3D mesh model for each pair of spherical images is reconstructed by stereo matching. For accurate surface reconstruction, we propose a PDE-based disparity estimation method which produces continuous depth fields with sharp depth discontinuities even in occluded and highly textured regions. A full environment model is constructed by fusion of partial reconstruction from spherical stereo pairs at multiple widely spaced locations. To avoid camera calibration steps for all camera locations, we calculate 3D rigid transforms between capture points using feature matching and register all meshes into a unified coordinate system. Finally a complete 3D model of the environment is generated by selecting the most reliable observations among overlapped surface measurements considering surface visibility, orientation and distance from the camera. We analyse the characteristics and behaviour of errors for spherical stereo imaging. Performance of the proposed algorithm is evaluated against ground-truth from the Middlebury stereo test bed and LIDAR scans. Results are also compared with conventional structure-from-motion algorithms. The final composite model is rendered from a wide range of viewpoints with high quality textures.     

基于序列图像的三维重构

提出了一种基于序列图像的三维重构方法。在相机标定的基础上,利用两幅图像间的匹配关系得到一个初始的三维模型,然后利用剩余图像与初始模型间的匹配关系,采用反投影映射的方法计算出剩余图像的外方位元素。最后经过稠密匹配、三角剖分和纹理渲染得到物体的三维模型。实验结果表明,相机标定精度较高的情况下,采用该算法能够得到较低失真的三维模型。     

基于拉普拉斯分布的双目视觉里程计EI北大核心CSCD

针对相机在未知环境中定位及其周围环境地图重建的问题,本文基于拉普拉斯分布提出了一种快速精确的双目视觉里程计算法.在使用光流构建数据关联时结合使用三个策略:平滑的运动约束、环形匹配以及视差一致性检测来剔除错误的关联以提高数据关联的精确性,并在此基础上筛选稳定的特征点.本文单独估计相机的旋转与平移.假设相机旋转、三维空间点以及相机平移的误差都服从拉普拉斯分布,在此假设下优化得到最优的相机位姿估计与三维空间点位置.在KITTI和New Tsukuba数据集上的实验结果表明,本文算法能快速精确地估计相机位姿与三维空间点的位置.     

图像特征点匹配的强壮算法

同一场景的不同图像匹配是计算机视觉中的一个基本问题，在诸如三维重度，对象识别和分类、图像对齐和相机自校正等应用中，特征匹配都是一个关键步骤，其中特征点匹配是较为常用的一种方法，特征点匹配的效果受到很多因素的影响，如景物的遮挡，光照和噪声等，变化很大，文中对结指标派算法进行扩以解决全局优化问题，并利用场景深度局部连续的条件作为附加约束，提出一种新的特征点匹配算法，整个算法只用到两次优化，而且几乎全部使用矩阵运算，效率比已有的算法高，实验表明该算法的效果是令人满意的。     

小场景交互式稠密三维重建系统

近年来,随着 GPU 技术的深入发展和并行算法的日益成熟,使得实时三维重建成 为可能。文中实现了一种针对小场景的交互式稠密三维重建系统,此系统借助先进的移动跟踪 技术,可以准确地估计相机的即时位置。提出了一种改进的多视深度生成算法,在 GPU 加速下 能够实时计算场景的深度。改进算法中的亚像素级的半全局匹配代价累积提高了多视立体匹配 的精度,并结合全局优化的方法计算出了准确的场景深度信息。深度图被转换为距离场,使用 全局优化的直方图压缩融合算法和并行的原始对偶算法实现了深度的实时融合。实验结果证明 了重建系统的可行性和重建算法的正确性。     

基于Kinect的改进移动机器人视觉SLAM

针对传统ICP（iterative closest points,迭代最近点算法）存在易陷入局部最优、匹配误差大等问题,提出了一种新的欧氏距离和角度阈值双重限制方法,并在此基础上构建了基于Kinect的室内移动机器人RGB-D SLAM（simultaneous localization and mapping）系统。首先,使用Kinect获取室内环境的彩色信息和深度信息,通过图像特征提取与匹配,结合相机内参与像素点深度值,建立三维点云对应关系;然后,利用RANSAC（random sample consensus）算法剔除外点,完成点云的初匹配;采用改进的点云配准算法完成点云的精匹配;最后,在关键帧选取中引入权重,结合g2o（general graph optimization）算法对机器人位姿进行优化。实验证明该方法的有效性与可行性,提高了三维点云地图的精度,并估计出了机器人运行轨迹。     

基于未标定多幅图的三维重建算法

为得到鲁棒的三维重建效果,提出了一种基于未标定多幅图像的三维重建算法。该算法首先采用Harris算法检测特征点,针对双向匹配算法匹配速度慢的缺点,使用改进的双向匹配算法进行特征点匹配,在已知摄像机参数的情况下进行两幅图的三维重建;接着采用四元数算法进行坐标转换,将由每两幅图得到的不同部分的重建结果转移到同一坐标系下,实现了多幅图像的三维重建;最后利用集束调整优化重建结果。实验结果证明,该算法能获得比较满意的重建效果。     

基于透视式增强现实的BIM建筑三维重建仿真

为了提高三维建筑模型的精准度,需要深入研究BIM建筑三维重建方法。当前方法耗时较长,得到的三维建筑模型与实际建筑之间的误差较大,存在效率低和精准度低的问题。将透视式增强现实技术应用到BIM建筑三维重建中,提出基于透视式增强现实的BIM建筑三维重建方法,通过BIM构建初始三维建筑模型,采用直接线性变换算法计算摄像机的内部参数和外部参数,完成摄像机标定。在摄像机标定结果的基础上采用LK光流计算方法得到像素在图像中的光流,根据光流的方向阈值和光流的大小筛选图像中的光流,提取到图像的匹配点,基于初始三维建筑模型针对建筑图像匹配点构成空间三维点云,采用Delaunay方法对空间三维点云进行三角化处理,针对处理后的建筑图像通过贴纹理完成BIM建筑三维重建。仿真结果表明,所提方法的效率高、精准度高。     

基于双目视觉的三维重构算法实现

基于Altera DE1 SOC开发平台,选用OV7725互补金属氧化物半导体(CMOS)摄像头组进行图像采集,经现场可编程门阵列(FPGA)预处理后由视频图形阵列(VGA)显示器显示.基于双目视觉的三维场景重构算法包含图像预处理、多线程加速立体匹配以及AD-Census匹配,采用了Verilog HDL和统一计算设备架构(CUDA)编程实现.实验结果表明:系统实现了以7帧/s速度计算640像素×480像素大小的深度图;并且可以将以1.8°为间隔的150幅深度图转换为点云,重构出270°左右视野内的三维场景.