多层多视多体建模方法研究

仿真是一种基于模型的试验行为,从某种意义上,模型的正确和准确,决定了仿真的效率和质量。但一组好的模型的诞生,必须有一套正确的建模方法作支持。从这个角度讲,一种科学有效的建模方法比一组好的模型更重要。该文在归纳目前国内外仿真界较为流行的多种建模方法并进行对比分析的基础上,提出了多层多视多体建模的思想,并给出了该建模方法的具体应用过程。最后,采用该文方法,建立了一组仿真模型。     

基于约束Delaunay三角形的多视3D重建

为解决多视立体重建的表面模型扭曲变形,建筑物平面凹凸不平进而造成纹理贴图出现错误和拉花的问题,提出一种加入直线约束的城市建筑三维重建方法。该方法使用无人机获得的一系列图片作为输入,首先通过直线检测器和超级像素提取图像直线段和边缘,经边缘多边形简化,再通过2D约束德劳内三角化得到单视图2D三角格网。然后根据密集点云回算2D三角格网顶点三维位置,得到单视图3D格网模型,最后多视图合并得到场景完整3D模型。实验结果表明,算法表现出较好的性能、稳定性和可扩展性,并且具有较高精确性和有效性。     

基于多线索融合的目标跟踪算法研究

目标跟踪是计算机视觉领域一项核心技术,通用的目标跟踪算法以单线索或简单融合多个线索为主,当背影突然改变时,单一线索或多个线索的简单融合便难以跟踪成功.针对这个问题,在粒子滤波的框架下提出了自适应融合颜色线索和角点线索的跟踪方法,通过判断各个线索的可信程度,自适应给不同线索分配不同的权重,很好地解决了在复杂背景、互相遮挡情况下的跟踪问题.实验证明,采用的自适应多线索融合方法在实际应用中有更强的鲁棒性.     

逆向工程中的多视定位算法研究

首先在采用标签法预定住的基础上计算每个控制点的名义对应点，建立了控制点集的一种名义对应关系，然后将旋转变换矩阵和平移变换矩阵的计算描述为一个约束优化问题，根据优化理论中的Kuhn—Tucker定理以及矩阵值函数的微商理论，利用奇异值分解导出了旋转变换矩阵和平移变换矩阵的计算公式，并通过迭代法计算视图问定位所需的坐标变换，从而快速方便地实现了多视定位。试验结果表明，本文提出的方法满足后续模型重建所需的精度要求。     

基于多视定位算法的多摄像机标定

针对多摄像机系统标定,提出一种基于多视定位算法的标定方法,标定过程只需一块可自由移动的平面模板即可,利用约束优化思想,将各摄像机坐标系转换到参考摄像机坐标系下,从而得到摄像机之间相对位置关系。标定操作过程简单,易于实现。实验结果表明,该方法是一种有效的多摄像机标定方法。     

基于稀疏点云的多平面场景稠密重建

多平面场景是生活中常见的一种场景,然而由于该类场景中常常存在物体表面纹理缺乏和纹理重复的现象,导致从多视图像重建获得的三维点云数据中存在点云过于稀疏甚至孔洞等问题,进而导致以微面片拟合三维点云所得到的重建表面出现平面颠簸现象.针对这些问题,本文提出了一种基于稀疏点云的分段平面场景重建方法.首先,利用分层抽样代替随机抽样,改进了J-Linkage多模型估计算法;然后,利用该方法对稀疏点云进行多平面拟合,来获得场景的多平面模型;最后,将多平面模型和无监督的图像分割相结合,提取并重建场景中的平面区域.场景中的非平面部分用CMVS/PMVS(Clustering views for multi-view stereo/patch-based multi-view stereo)算法重建.多平面模型估计的实验表明,改进的J-Linkage算法提高了模型估计的准确度.三维重建的实验证实,提出的重建方法在有效地克服孔洞和平面颠簸问题的同时,还能重建出完整平面区域.     

多重约束下的倾斜摄影测绘影像线特征多视匹配方法

本次研究基于倾斜摄影测绘影像三维建模的有关需求,提出了一套融合高斯滤波、梯度幅值、双阈值变换等技术的多视匹配算法。详细阐述了线特点提取和匹配的计算原理。最后通过无人机实地测量的方式获取原始图像数据,对比分析了该算法对于原始图像的匹配性能。经实验研究发现,本次研究所提出的多视匹配算法匹配准确度较高,在工程测绘中具有一定的应用价值。     

多机器人协同的SLAM算法研究

针对传统的室内多机器人SLAM算法存在探索任务分配灵活低,重叠度高,导致地图融合和建图精度不高的问题。设计一个基于PSO算法的多机器人协同建图与路径规划系统。首先,采用SLAM系统中的Gmapping算法作为基础算法,加入PSO算法将地图融合问题转化为最优求解问题,即找到两个地图重叠度最高的转换矩阵,实现地图融合和多机器人协同建图。结果表明,相同室内环境下,单机器人的平均探索时间为216 s,探索覆盖率为73..38%;而双机器人的平均探索时间仅为47 s,比单机器人的探索时间低了169 s;且双机器人的探索覆盖率为99.69%,比单机器人高出了26.31%。由此说明,双机器人的探索效率和探索覆盖率更高。对比于现有的EKF-CSLAM算法和基于因子图地图融合算法,本算法的建图精度高达99.75%。地图融合和建图精度明显更佳,进一步说明提出的融合算法可提升多机器人室内环境协同建图的效率和鲁棒性。     

基于多视图像的摄像机自标定方法

摄像机标定是三维重建时的必要步骤。传统的标定方法对设备要求高、操作繁琐,而自标定方法虽然简便,但精度不高,会严重影响三维重建的效果。因此,越来越需要一种操作简便并且精度高的自标定方法。采用SIFT特征点匹配算法,根据多视序列图像中对应点间的相互关系,利用光束法平差,提出了一种基于局部-全局混合优化的迭代优化方法。针对图像匹配量大的问题,提出了一种邻域内图像互匹配方法来降低时间代价。实验表明,本文提出的多摄像机自标定方法是一种有效的高精度方法,采用的邻域内图像互匹配技术能很好地降低图像匹配的时间消耗。根据多视图像的对应点间相互关系,充分利用局部-全局优化的思想,通过混合优化的方法得到相机参数,对比现有自标定算法,本文给出的方法有较高的精度和鲁棒性。     

基于鸽视顶盖神经元动作电位的图像重建

针对从神经元响应信号中解码视觉输入的问题,提出了一种利用神经元动作电位（Spike）信号重建视觉输入的方法。首先,记录鸽视顶盖（OT）神经元的Spike信号,提取Spike发放率特征;然后,构建线性逆滤波器和卷积神经网络重建模型,实现视觉输入的重建;最后,对通道数量、时间窗口、数据时间长度、延迟时间等参数进行优化。在相同参数条件下,利用线性逆滤波器重建图像的互相关系数达到0.910 7±0.021 9,利用卷积神经网络模型重建图像的互相关系数达到0.927 1±0.017 6。重建结果表明,提取神经元Spike发放率特征并运用线性逆滤波器和卷积神经网络重建模型可以有效重建视觉输入。     

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.     

基于光线的全局优化多视图三维重建方法

利用光线跟踪原理,提出一种全局优化的多视图三维重建方法。根据图像轮廓得到物体的包围盒,采用体素离散物体所在的几何空间。从相机中心向图像上每个像素发射一条光线,为确定光线达到的体素,使用归一化互相关（NCC）值度量光线一体素的一致性,并估计采样空间中面片的法向信息,以提高NCC值的可信度。设计基于因子图的全局优化模型得到物体体素,针对光线因子的特殊性,设计一种高效的置信度传播算法,使重建方法的时间复杂度从指数阶降为线性阶。实验结果表明,与基于马尔可夫场的重建方法相比,该方法的鲁棒性较好,可提高重建模型的准确度和完整性。     

多视环境下特征点提取的并行实现

针对多视环境下特征点提取计算耗时较长的问题,提出其并行实现方法。通过灰度共生矩阵构造纹理特征差异度,选取关键视点和消除冗余视点,采用Harris角点提取算法、团块检测算法,提取关键视点图像的特征点,利用关键视点选取及特征点提取过程存在的并行性,对算法进行并行实现。实验结果表明,该方法能有效地选取关键视点,在双核处理器上使平均加速比达到1.88。     

线性多视图重构的新算法

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这一多视图三维重构问题,改进了由Hartley和Rother等人分别给出的基于由无穷远平面诱导的单应进行射影重构的算法,提出了一种新的线性算法,它仅需要空间中3个点在每幅图像上均可见。因为空间中不在同一直线上的3个点恰好确定一个平面,所以它避免了Hartley和Rother等方法中需要确定空间4个点是否共面这一比较棘手的问题。大量实验结果表明,这种方法快速、准确且受噪声影响小。     

一种基于AKAZE算法的多视图几何三维重建方法

针对增量式运动恢复结构算法在多视图几何三维重建算法中运行效率低的问题,提出了一种基于AKAZE算法的多视图几何三维重建方法。首先对利用摄像机获得的目标图像使用AKAZE算法检测特征并匹配,并使用随机抽取一致性算法和三视图约束剔除弱匹配图像。然后根据匹配图间的相对位姿参数,通过最小二乘法解算全局旋转参数,并利用三视图约束关系求解全局位移参数。最后进行一次光束法平差优化。实验结果表明,该算法在改善重建效果的基础上提高了处理效率,能够满足快速处理的需求。     

多视角步态识别综述

步态识别作为生物特征识别中的一种,具有远距离、非接触和难以模仿等优点.其中视角或行走方向的变化使提取的人体轮廓产生巨大差异,是影响步态识别系统性能的最主要因素之一.本文首先介绍了现有的多角度步态数据库,然后根据特征提取方式的不同,将当前已提出的方法分为三维模型法、视角不变性特征法、映射投影法和深度神经网络法四类,并详细阐述了每一类的原理、特点以及优缺点.最后,结合实际应用指出当前研究的局限性与发展趋势.     

基于多角度光学投影表面重建的三维自发荧光光源定位算法

在自发荧光断层成像（Bioluminescent tomography imaging,BLT）中,双模态融合（光学模态与结构模态）可充分利用结构模态提供的高精度3D几何结构,重建三维表面荧光光通量分布,进而实现小动物内部荧光光源定位.然而,与纯光学模态相比,双模态融合存在采集系统复杂、成本高、数据处理繁琐及存在电离辐射（如CT）等问题.因此,研究基于纯光学3D几何结构的自发荧光光源定位方法对BLT具有重要意义. 本文在搭建纯光学自发荧光断层系统（All-optical bioluminescence tomography system,AOBTS）的基础上,提出一种基于多角度光学投影表面重建的三维自发荧光光源定位方法. 本方法由基于多角度光学投影的3D表面重建、多角度荧光无缝融合、荧光光通量的量化校正以及自发荧光内部光源重建4部分组成. 通过真实小鼠内部植入荧光光源实验表明,与传统纯光学方法相比,本文提出方法不仅改进了3D表面重建方法,而且增加了多角度荧光无缝融合,可实现真实小鼠的三维自发荧光光源定位,初步实验证明具有小动物预临床实验潜力.     

多特征三维稠密重建方法

基于图像的立体重建技术直接通过多幅二维图像获取物体的三维数据模型,建模自动化程度高,且不需要任何先验信息和特殊硬件支持。但对于具有精致雕刻的中国古式建筑以及非平行拍摄的大型室外场景,现有的基于图像的三维重建技术重建模型往往存在细节信息丢失、数据散乱现象,使得重建结果不够精确。针对这一问题,综合考虑模型的光照信息、纹理阴影、凹凸感等多种特征,通过给出特征候选点匹配策略及对初始点云的可靠性排序,提出了一种多特征三维稠密重建算法MFPMVS（patch with multiple features based multi-view stereopsis）。实验表明,MFPMVS算法与经典的PMVS（patch based multi-view stereopsis）算法相比,重建得到的三维点云更加密集;凹凸感较强的模型重建细节更为细腻;仰拍得到的模型重建结果中漏洞明显减少,边缘细节信息更加完整。算法能够更稳定、鲁棒地重建出物体的三维模型,具有很高的实用价值。     

舰船装备保障系统多视图建模技术研究

对于海军舰艇部队,对其装备保障系统进行评价和优化是十分重要的,而多视图建模技术是评价舰船装备保障系统的有效工具。舰船装备保障系统多视图建模过程是先将系统分为装备、资源、组织、过程、任务五个视图,再找出过程视图、任务视图与其他视图的关联关系,最后分别研究这五个视图的建模技术。     

基于图割及动态片结构的3维人脸多视图体重建

针对3维人脸重建问题提出了一种新颖的多视图体重建方法,以解决目前3维人脸重建方法只适用于小样本集合,大范围推广时精度难以保证的弱点。该方法创新之处在于将基于特征点匹配的重建方法与立体重建方法结合引入到图割优化框架,并应用于3维人脸重建。本文两个重要改进工作是设计动态片结构描述来进行颜色一致性估计以及设计新的动态图结构以去除半个体素尺寸的重建误差。实验中分别采用8张、16张和30张存在亮度变化的人脸多视角图像验证算法。实验结果逼真,同时避免了传统重建方法结果受限于样本集分布的问题。