基于激光成像及VR技术的多视点图像场景重构技术

为了提高多视点激光图像的场景重构能力,提出基于激光成像及VR技术的多视点图像场景重构技术。建立多视点激光场景图像虚拟现实三维重构模型,在大气散射环境下进行多视点激光场景图像的光强自适应融合,采用分块特征匹配技术进行多视点激光场景图像的信息增强处理,采用激光散射光晕点匹配方法进行多视点激光场景图像的细化滤波处理,采用激光散射光晕点特征检测方法进行图像特征提取,使用亮度分量进行多视点激光场景图像特征细节透射分析,对提取的多视点图像场景特征信息采用卷积神经网络学习方法进行多视点激光场景图像场景融合和特征重构,实现多视点激光场景图像虚拟现实三维重构。仿真结果表明,采用该方法进行多视点激光场景图像虚拟现实三维重构的精度较高,峰值信噪比较高,图像细节特征分辨力和准确性较好。     

一种基于MRF的单幅图像数据的三维重构方法研究

综合分析了常见的基于图像的三维重构方法的优缺点,提出了一种基于单张图像,采用马尔科夫随机场(MRF)推断3D位置和方向的3D重构方法。该算法首先将图片分割成多个小的区域(超像素块),并假定空间场景由许多很小的平面组成,超像素块与平面相互对应,对图像中每个超像素块求取出一组特征向量(纹理、颜色等),使用MRF模型化平面参数之间、超像素特征向量与平面参数之间的关系,采用监督学习的方式求取相关参数,求解MRF模型,并根据平面参数进行场景重建。这种算法不需对场景结构做明确的假定,因此较之以前的方法可以获得更多3D结构细节信息。用该方法对200张图片样本进行验算,样本中有60%实现了较为准确的3D重构。     

基于微波光子的复杂景观三维场景重构设计

传统方法重构效果差,为了解决这一问题,提出基于微波光子的复杂景观三维场景重构设计方法。运用微波光子的DOM数据获取方法,获取景观三维场景重构基础数据。根据摄影测量原理,匹配未标定影像。完成上述操作后,设计景观三维场景重构流程,通过形态筛处理图像、估计景观三维场景参数、拆分和纹理映射这4个步骤,重构景观三维场景。由此,完成基于微波光子的复杂景观三维场景重构设计。实验结果表明,所提方法的重构效果较好、效率较高,最长重构用时未超过15 s,说明该方法在重构的过程中,对特征点进行了高度的匹配。     

基于图像灭点的NAO机器人摄像头参数分析与标定

本文以NAO机器人为硬件基础,分析了其摄像过程,并获得三维空间的单张图片。对该图像进行处理,寻找三维空间中映射到图像场景的平行线。最后,计算图像中的灭点,并进行相应的三维坐标变换,标定NAO机器人摄像头的内、外参数,确定NAO机器人的空间位置。论文最后进行了实际的测试,验证了方法的准确性。     

基于单幅立方体图的摄像机内参数标定

从图像中物体的度量结构确定摄像机内参数是不可缺少的步骤。根据透视投影正交灭点的形成原理和摄像机线性标定原理,提出一种基于灭点的摄像机标定方法。该方法的靶标为立方体,只需要单幅图像所获得的正交灭点即可线性地求解摄像机的内参数。实验表明,该算法能准确、可靠地估计摄像机的内参数,并与实际情况吻合得较好。     

一种三维场景的消失点检测算法

消失点可以提供大量的场景三维结构和方向信息,是重要的特征点。本文提出了一种不需附加场景先验信息和空间变换,直接利用直线信息在图像平面上估计消失点的算法,算法利用Helmholtz原理估计消失点在二维平面上的方向,在各检测到的方向中通过最小二乘求解消失点的准确位置。本算法不需要其它先验信息,提高了消失点检测效率和准确性,尤其适用于人工目标的三维特征提取。     

基于激光点云数据的三维运动图像重构技术北大核心CSCD

为了解决三维运动图重构时存在的重构测量距离与实际距离误差大、激光点云数据数量多和重构图像清晰度对比低的问题,提出了基于激光点云数据的三维运动图像重构技术,通过配准多帧激光点云数据,从中获取激光点云数据集,再采用平面拟合方法对激光点云数据集实行去噪处理,最后利用曲面重构法完成对曲面模型的拟合,实现三维运动图像重构。实验结果表明,通过对三维运动图像重构进行测量距离与实际距离的对比、激光点云数据数量的对比和测量图像与实际图像清晰度的对比测试,验证了三维运动图像重构技术的实用性高。     

基于大数据可视化激光测距城市空间三维图像重构

针对当前三维图像重构效率差,重构结果遍历覆盖度低等问题,提出基于大数据可视化激光测距城市空间三维图像重构方法.利用激光测距仪采集大量城市空间三维点云元数据,对元数据实施序列化处理获取城市空间相关大数据.基于获取的数据进行可视化分析,点云数据中包含激光采样点数值范围,可构建城市空间数字表面模型;利用该模型获取城市地面高度...     

基于三维图像处理的虚拟人物重构改进方法

针对传统虚拟人物重构方法能够进行人物的重构,但存在虚拟人物重构效果较差的问题,提出基于三维图像处理的虚拟人物重构改进方法。通过三维图像重构关键节点,对虚拟人物重构标准点进行捕捉并标记;确定三维虚拟人物图像边缘算子,标定重构轮廓区域,突出重构背景效果;优化三维虚拟人物图像渲染过程,降低纹理映射对重构图像造成的虚影影响;对图像效果进行明暗处理,增加重建图像质感比例,实现虚拟人物的重构。仿真实验结果表明,设计虚拟人物重构改进方法具有良好的三维重构效果。     

基于镜像几何约束的单摄像机三维重构

采用带有正八边形标记点的平面镜和单目CCD相机对空间物体进行三维重构。依据镜像对称几何学原理,利用空间物体与其在平面镜中的像构建镜像对称结构。镜像对称物体的单幅透视图几何等价于对称视点下的两幅视图,它们相差一个反射变换,并且具有自极几何对应性。平面镜不仅是对称面,而且还被当作标定平面,并利用灭点约束下的正八边形标记点计算相机外参矩阵。实验验证了该方法的有效性,给出三维重构结果,总结了其优势和局限性。其中设计的正八边形稀疏标记点同时具有正交性和平行性的几何约束,为现场标定相机外参数提供了一种新的解决方案。     

一种新的消隐点自动测量算法

利用直线聚类和统计分析方法自动地实现对二维图像中提取出的消隐点的位置测算,对后续摄像机标定和三维建模十分有用。在人造建筑物的图像中,存在着许多空间上相互平行的直线,这些直线经过透视投影后将在成像平面上相交于一点,称为消隐点。基于直线倾角聚类的思想,对所有直线按倾角相交得到的待定消隐点进行统计分析处理,实现了消隐点位置的测算。实验表明,由于利用了平面图像中几乎所有的空间结构信息(线条),并采用了聚类和统计分析的数据处理方法,减少了由于噪声或者成像畸变造成的误差,所得结果精度高,算法鲁棒性好,整个测算过程自动完成。     

Vanishing point detection and line classification with BPSO

Estimating image vanishing points has many applications in the computer vision field, such as robotic navigation, visual measurement, camera calibration, 3D reconstruction and augmented reality, which requires a balance between accuracy and rate. In this paper, we present an algorithm to accurately and efficiently detect vanishing points and classify lines through the clustering method and binary particle swarm optimization (BPSO). First, lines are clustered according to their slope angles based on an iterative BPSO process, since parallel lines, in a medium-to-long range scene, present similar slopes. The solutions are continuously evaluated using multiple factors, such as the number and length of the line segments and their distance to the related vanishing points. The coefficient of variation is applied to weigh these factors. As a result, all possible non-orthogonal vanishing points in the image are directly detected, irrespective of the camera calibration parameters to avoid mapping segments on the Gaussian sphere. Compared with other algorithms on the York Urban Database, the proposed algorithm exhibits significant performance improvements.     

从单幅图像恢复立体景象的新方法

在研究单幅平面图像内在特性的基础上,提出了一种恢复立体视觉景象建模的新方法。对图像进行智能识别处理,可以求得许多线段的特征参数,并由此计算出消隐点和消隐线,从而可自动获得场景的立体结构信息。本算法的特点在于用一个代数表达式统一了三种典型的度量方法,无需传统的相机内校正参数,直接可计算出建模用立体信息。建模结果用VRML格式保存、输出,以便于网上浏览。众多的图像验证了该方法的有效性、适用性。     

基于秩1约束的三维重建方法

假设相机为正投影模型,提出了一种基于秩1约束的三维重建方法,该方法并不是直接求解空间结构点和投影矩阵,而是求解空间结构点的深度及投影矩阵。本文利用空间结构点可以由第1幅图像点及深度构成的特性,构造了一个秩为1的矩阵,利用该矩阵求取空间结构点的深度,最后完成三维重建。模拟实验和真实实验数据结果表明,该重建方法具有较高的重建精度。      

Log‐Polar Coordinate Image Space for the Efficient Detection of Vanishing Points

Log‐polar coordinate image space is proposed as a solution for the problem of unbounded accumulator space in the automatic detection of vanishing points. The proposed method can detect vanishing points at high speed under small memory requirements, as opposed to conventional image space based methods.     

Feature points matching for face reconstruction based on the window unique property of pseudo-random coded image

Structured light vision systems have been successfully used for accurate measurement of the 3D surfaces of an object, in which a pseudo-random coded structured light image pattern is projected onto the target object through a projector, and the coded information image produced by its surface is captured by a CCD camera in order to recover its 3D surfaces. In this kind of computer vision technology, 3D face reconstruction is a hot research topic. This paper presents a method for feature points matching used in 3D reconstruction. In this method, the feature points can be identified exclusively taking advantage of the window unique property of a pseudo-random array. Thus, the matching problem can be solved by finding the correspondence between 2D coordinates of feature points in the pixel image and those in the code of the projected template. Then, the 3D reconstruction can be carried out with only a single image with the benefit of easy operation and simple calculation. An experiment for 3D face reconstruction with simulated data is given. The performances show that this method has high matching precision for object matching of feature points.     

基于秩1的射影重建方法

 提出了一种能够将所有图像平等看待基于秩1的射影重建方法,该方法并不是直接求解射影空间结构点和投影矩阵,而是求解射影空间结构点的深度因子及投影矩阵.本文利用射影空间结构点可以由图像点及深度因子构成的特性,构造了一个秩为1的矩阵,用线性迭代的方法求取空间结构点的深度因子,最后完成射影重建.模拟实验和真实实验数据结果表明,该射影重建方法具有收敛性好、重投影误差小及运行速度快等优点.     

基于机器视觉的三维重建技术研究

研究了基于机器视觉的三维重建技术。利用普通的数码摄像机拍摄图片,通过摄像机定标、特征点检测和匹配、基础矩阵和本质矩阵计算来实现图像的三维重建。采用张正友标定方法的相机标定工具箱实现了相机的标定,利用尺度不变特征变换(SIFT)特征点的检测和匹配方法进行了图像特征点的检测和匹配,采用RANSAC算法计算基础矩阵,最后利用相机内参数和由基础矩阵获得的本质矩阵重建物体的特征点,并进行纹理贴图。实验结果表明利用这些图像可以进行物体重建,并且能够很好地反映出物体的三维特征。     

基于六视角自标定算法的三维图像重建

针对其他标定方法在三维图像重建中的缺点,提出自标定算法。首先建立摄像机标定模型,通过透视投影在成像平面上生成对应像点的齐次坐标;接着自标定数学模型利用单应性矩阵,使一张图像与另一张图像上存在对应点;最后在三维重建中为了判断像素点是否落在摄像机定位模块坐标内,采用投影面约束方程。实验仿真从6个角度前、后、左、右、上、下获取空间曲面信息,具有较高的重建精度。