基于独立三视图的图像序列三维重建

针对图像序列的高效、稳定三维重建问题,提出一种基于独立三视图的三维重建方法.首先以三视图为重建单元,叠加三视图约束,实现基础矩阵的鲁棒性计算,然后通过三角测量恢复得到三视图对应的三维场景局部三维点云.对于三视图的稳定三维点云刚体结构,通过求解相邻三视图间转换参数,将整个图像序列的三维点云统一到同一空间坐标系,实现完整图像序列的三维点云重建.实验表明,所提出算法计算简单、效率高,并且不产生误差累积,重投影误差在1个像素左右,实现建模所需可靠三维点云数据的快速生成.     

一种新颖实用的基于视觉导航的三维重建算法

根据立体视觉在视觉导航应用中的特点，提出了由视差图重建三维场景的整套算法。首先，推导视差图里各点在摄像机坐标系下的三维坐标。其次，建立摄像机坐标系与车体坐标系的转换关系，得到更有实际意义的在车体坐标系下各点的三维坐标。最后，通过分格显示地貌的算法，大大减少了数据量。实验结果表明，该算法计算量小、鲁棒性强，完全满足视觉导航中的实时性、准确性要求。     

一种基于Range图像的三维重建实现方法

本文介绍了一种基于Range图像的三维模型重建技术,以及实现该技术的相关软件的使用方法.     

一种基于单相机三维重建的简单方法

提出了一种基于单相机三维重建的简单方法.在待重建场景中放置一块平面标定模板,用内参数已知的摄像机拍摄不同角度的二幅图像,利用场景中的标定模板精确地求解出拍摄时摄像机的外参数,并以此为基础进行立体标定、配准和匹配,得到视差图进而实现欧式几何意义下的三维重建.实验结果表明,提出的算法实现简单、配置灵活,具有较强的实用性.     

一种非定标图像高精度三维重建算法

由非定标图像重建三维场景有着广泛的应用。给出了一种非定标多视图像三维重建算法。该算法主要基于因子分解和光束法平差技术。首先用因子分解方法得到射影空间下相机投影矩阵和物点坐标,以旋转矩阵的正交性以及对偶绝对二次曲面秩为3为约束,将射影空间升级到欧式空间,最后用光束法平差进行优化。该方法可同时获得相机的内外参数、畸变系数和场景的三维坐标。仿真实验表明,在1000 mm×1000 mm×400mm的范围内,当像点检测误差在0-1pixel和0-2pixel内,所重建三维点的误差分别为0.1530 mm和0.6712 mm。在500 mm×500 m×200 mm下,真实实验重构三维点的误差在0.3 mm以内。所提出的算法稳定可靠,可对实际工程进行指导。     

深度学习在基于单幅图像的物体三维重建中的应用

基于单幅图像的物体三维重建是计算机视觉领域的一个重要问题，近几十年来得到了广泛的关注.随着深度学习的不断发展，近年来基于单幅图像的物体三维重建取得了显著进展.本文对深度学习在基于单幅图像的物体三维重建领域的研究进展及具体应用进行了综述.首先介绍了基于单幅图像的三维重建的研究背景及其传统方法的研究现状，其次简要介绍了深度学习并详细综述了深度学习在基于单幅图像的物体三维重建中的应用，随后简要概述了三维物体重建的常用公共数据集，最后进行了分析与总结，指出了目前存在的问题及未来的研究方向.     

基于SFM算法的三维人脸模型重建

提出了一种根据两幅正面人脸图像和一幅侧面图像重建人脸三维模型的算法，该算法主要包括4个步骤：寻找匹配点；采用SFM算法计算出特征点的三维坐标，并组成稀疏的三维网格结构；采用分步紧支撑径向基函数进行三维插值，得到三维模型；最后根据多分辨图像拼接算法生成纹理图像并将其映射到三维模型上，从而增强真实感，与其它算法相比，该算法最大的不同之处在于匹配点的寻找，匹配点的准确与否直接影响SFM算法结果的正确性，许多寻找匹配点的算法如角点匹配算法，在处理人脸图像时得到的结果并不稳定，这是因为人脸图像上包含了许多低纹理和重复纹理区域，大多数算法将代表人脸结构基本特征的基准模型运用在重建过程的最后一步，通过三维逼近运算，得到最终的重建模型，而该算法将反映人脸共性特征的几何对称性和规律性运用到匹配点的寻找中，能够快速准确地找出SFM算法需要的匹配点，用户使用普通照相机拍摄到的图像经本算法的处理后就可以得到相应的三维人脸结构。     

基于序列图像的鲁棒三维重建方法

提出了基于序列图像的鲁棒三维重建方法。首先利用两幅图像的最优参数估计,然后添加新图像并采用稀疏调整,减少图像坐标测量值的最小几何误差。通过对三维结构和摄像机参数进行全局优化处理,以提高重建的鲁棒性。实验结果表明,该方法提高了重建的精度和鲁棒性,并真实地再现了物体的三维模型。     

双视三维重建的高精度运动参数估计方法

从两幅透视图像恢复被摄目标的三维结构是计算机视觉最基本的任务之一,其中,运动估计算法的性能决定了最终的三维重建精度。首先讨论了双视成像的基本数学模型,并介绍了几种现有运动参数估计方法的基本原理和不足。随后,基于投影误差最小判决函数,提出了用于双像运动估计的改进非线性迭代优化方法。数值仿真结果表明,在大平移小旋转角及小平移大旋转角2种运动条件下,采用文中提出的方法,运动估计精度均有所提高。此外,根据运动参数的估计值对真实目标进行三维重建实验,结果表明尺度重建误差小于2%且角度误差在3°以内。     

一种基于图像序列轮廓三维重建表面的任意切面图像提取及纹理映射有效方法

针对三维重建后的表面模型的任意剖切,首先通过对象的序列轮廓去掉图像背景,然后计算其模型及图像空间中包围盒和剖切平面的交面,利用向量叠加原理及立方体线性插值方法快速提取交面图像,经Alpha测试后映射到模型空间中相应切面上.实验表明,该方法在克服面绘制技术不能体现内部数据缺点的同时,有效地提高了模型任意剖切时剖面纹理绘制速度.     

一种基于可编程图形硬件的快速三维图像重建算法*

针对三维CT图像重建时间过长这一瓶颈问题,给出了FDK算法的几何描述,并据此导出了利用可编程图形硬件加速三维图像重建的方法,最后利用图形处理器的可编程、高精度以及并行计算等特性实现了该方法。实验结果表明,该三维图像重建方法非常有效,与原始算法相比取得了8倍左右的重建加速比。     

一种改进的三维人脸重构方法

提出一种改进的三维人脸重构方法。该方法采用基于单个相机的双目立体视觉系统对人脸进行采样,根据人脸对称性假设,运用补洞与纠错技术进行自动点云优化。继而采用简化的Candide-3模型作为细分初始控制网格,局部加细地进行细分曲面分层次拟合操作,采用测地线映射技术对不同表情进行归一化,并分别建立人脸数据库。实验结果表明,采用单相机立体视觉系统在提高重建精度的同时,很大程度上避免由于双相机拍摄不同步引起的重建鲁棒性降低问题。而采用细分曲面作为存储结构,在节约空间的前提下,为分层次比对筛选提供理论支持。该系统成本较低,适合在许多领域推广应用。     

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。     

用模拟退火方法实现从两张相互垂直的二维投影图像还原三维物体

本研究实现了从0/1矩阵的横向、纵向和还原出矩阵,这个方法在三维重建中有广泛的用途。本研究成功地从两张相互垂直的人体腿部模型的投影还原出三维模型,并且误差非常小,从而证明了此方法在三维重建中非常有效。     

A 3D Model Reconstruction Method Using Slice Images

Abstract：reconstruction method using slice im-ages is proposed. Wanting to extract the outermost contours from slice images, the method of the improved GVF-Snake model with optimized force field and ray method is employed. And then, the 3D model is reconstructed by contour connection using the im-proved shortest diagonal method and judgment function of contour fracture. The results show that the accuracy of reconstruction 3D model is improved.     

Mandelbrot集与Julia集的图象生成算法

介绍一种在计算机上生成Ｍａｎｄｅｌｂｒｏｔ集和Ｊｕｌｉａ集图象的简易算法。该算法对计算机的软硬件要求均不高，在普通的微机以及工作站上均可实现。     

基于未标定图像序列的三维重构

基于未标定图像序列恢复物体的结构．在计算机视觉等领域有广泛的应用前景。利用摄像机从不同角度得到的同一场景的图像序列,根据序列图像的内在几何关系来估计相机的外参数．从而确定摄像机的方位．以有效地恢复场景的三维模型。实验结果表明,该算法能够较为逼真地重建三维场景。     

基于锥束CT的两类三维表面重构方法比较研究

目前锥束CT的三维重构主要采用面绘制,其方法有两类,即体素级重构和切片级重构。在对比两类方法的基础上,提出了一种新的二维切片轮廓重构与三维表面重构相结合的切片级重构方法,然后以标准MC算法和该算法分别对两个实例进行重构并比较。结果表明,该算法更适合工业产品的三维表面重构。     

基于长序列图像的三维重建技术研究*

提出一种基于长序列未定标图像的三维重建方法,并将其成功地应用于增强现实实例中.首先,基于传统KLT跟踪算法提出了一种针对序列图像的改进特征点匹配策略,通过特征点运动向量的预测减小了相应特征点的搜索范围,进一步根据相近特征点邻域窗口在透视畸变上的相似性大大提高了匹配算法的效率;在得到序列图像的匹配结果后,将传统基于仿射成像模型的测量矩阵(Measurement Matrix)保秩分解算法扩展到透视成像模型中,从而一次性得到整个场景的射影重建;进一步在摄像机自定标的基础上得到整个场景的三维欧氏模型和摄像机的成像矩阵.最后给出真实图像序列的三维重建实验结果,并成功地将其应用到增强现实实例中.     

单图三维重构方法

在场景深度信息未知的情况下,由多视点成像产生的焦散失真是无法消除的。针对该问题,利用多视点成像中光束斜交的特性,提取失真图像中结构化图形中包含的场景深度信息,实现对单幅多视点图像的三维几何结构重建。重构适用范围包括所有已知函数形式的曲线,尤其为直线、圆等特殊几何图形的三维重构提供了专门的数学方法。