基于结构光和极线约束的三维重建

结构光可以简单、快速并且精确地对被测物体进行三维信息提取,从而得到三维数据点云.而在结构光三维信息获取系统中,条纹的准确检测是影响系统精度的关键因素之一.为了改善这一问题,先利用格雷码对图像条纹进行粗定位,再结合相位码准确地对图像务纹进行细定位并利用极线约束把图像匹配过程中的二维搜索降为一维搜索.结构光条纹和极线的交点就是图像的匹配点,对匹配点空间前方交会即可得到物体的三维点云.反复试验表明,该方法能取得较好的效果.     

基于全局二值特征描述子的三维CBCT图像快速匹配算法

三维图像拼接是通过锥束CT(CBCT)获取大尺寸物体完整的高分辨率三维图像过程中的关键技术之一,成为目前三维图像处理的一个新的研究方向.针对基于特征点的三维CBCT图像拼接技术中相似特征匹配正确率低、匹配过程耗时长的问题,提出一种基于全局二值特征描述子的三维CBCT图像快速匹配算法.首先对二值特征描述子BRIEF进行三维拓展,以适应三维图像;在此基础上加入全局描述子,增强特征描述子的独特性;在特征点匹配时,根据上述特征描述子的特点设计由粗到精的匹配策略,提高特征匹配正确率和效率.实验结果表明,该算法简单有效,可以在大量相似特征条件下提高特征点匹配的正确率,同时也显著提升了匹配速度.     

基于立体匹配的低纹理图像重构算法

针对立体匹配中低纹理区域容易产生误匹配及传统动态规划固有的条纹问题,提出一种改进的基于双目立体视觉的低纹理图像三维重构算法。该算法首先基于像素间相似度和像素自身特异性计算匹配代价并引入一种自适应多边形支撑区域聚集匹配度。然后采用一种全局意义的简单树形动态规划进行逐点匹配。最后基于左右一致性准则运用一种简单有效的视差校正方法消除误匹配得到最终视差图。实验证明将算法运用于实拍低纹理灰度图像的匹配,得到轮廓光滑清晰的三维点云,说明该方法的适用性。     

基于多粒度匹配的高超速飞行体三维重构方法

针对高超速飞行体在飞行过程中能获取到的图像信息较少,无法完全复现其轮廓信息,提出一种基于多粒度匹配的三维重构优化方法。首先通过两台高分辨率CCD相机正交的阴影照相站系统采集高超速飞行体多幅图像信息,利用图像分割技术提取物体的二维轮廓;然后采用改进的SFS算法求解出物体表面各点的相对高度和表面法向量,恢复其三维形貌;最后使用图像拼接优化技术实现高超速飞行体表面的三维重构。并经过实体模型的三维重构验证所提方法的可行性及有效性。     

点状特征柔性物体三维运动捕获方法

针对具有点状特征的柔性物体,提出了一种三维运动捕获方法.首先,该方法利用两个标定的高速摄像机拍摄柔性物体的运动视频,并对图像进行立体校正;然后,采用DOG （Difference Of Gaussian）算法获取点状特征的位置,并提取特征点极值;其次,在一定范围的窗口上搜索匹配对,匹配左右图像的特征点;再次,通过三角测量法进行三维重建;最后,利用搜索策略进行时间序列上的匹配,实现动态柔性物体的三维运动捕获,并计算空间坐标、速度、加速度参数.实验结果表明,相比于采用sift算法匹配特征点捕获柔性运动物体的方法,本方法精度更高.     

基于区域生长的时间规整立体匹配算法

针对立体匹配过程中存在的不确定性和模糊性,本文提出先利用匹配的边缘特征点对极线进行初分割．然后利用区域生长算法进行颜色分段,在颜色段的基础上进行时间规整的立体匹配算法。根据外极线约束。在视差范围窗口内采用颜色相似极大得到长度不相等的两个像素段作为相容的匹配序列,利用动态规划方法及连续性约束寻找一条最佳的匹配路径,根据回溯得到匹配路径及其坐标值得到高密度视差图。实验结果表明该算法具有良好的匹配效果。     

一种基于角点检测的图像密集匹配算法

提出了一种鲁棒的图像自动立体匹配算法.利用Sobel算子对图像中的像素点进行检测,若是边缘点,则使用最小同值分割吸收核方法判断该点是否为角点.在两幅待匹配的图像间计算角点的梯度大小、梯度方向及灰度等的相似度,去除无法对应的角点,建立起待匹配图像中角点的对应关系,并计算基础矩阵.对基础矩阵进行迭代,去除误配点,计算出较精确的基础矩阵.由对极几何约束,采用动态规划方法,寻找左右两幅图像在对应极线上的所有像素点之间的对应,从而建立起两幅图像间像素点的密集匹配对应关系.试验结果表明,算法效果满意.     

基于三角剖分和纹理映射的物体表面重建算法

提出一种简便的物体表面重建算法,该算法用立体匹配获得的物体表面三维特征点和原匹配图像来重建物体的真实表面,主要步骤是:将物体表面三维特征点集映射到某个平面上,在此平面上完成三角剖分,将剖分的结果映射回物体表面,用空间三角片来表示物体的几何模型,最后在OpenGL环境下将物体原匹配图像贴到几何模型上,这样就真实地重建了物体表面.最后给出了重建物体真实表面的所需条件.     

面向复杂场景的未标定两视图三维重构方法

针对未标定相机视觉模型的三维重构中经典的SIFT算子初始匹配误匹配率高、传统的RANSAC算法误匹配剔除效果差的问题,提出一种基于改进的RANSAC和斜率统计的误匹配剔除算法.首先加强RANSAC剔除效果的可控性,从增强极线约束的角度对传统RANSAC进行了改进;然后提出一种迭代的斜率一致性算法在RANSAC之前进行误匹配的先期剔除,以削减RANSAC的计算量、加快其收敛速度;考虑到此算法对大尺度旋转或是倒立图像对的误匹配剔除失效的问题,提出一种基于坐标变换的斜率统计算法,可以实现对此类图像对部分误匹配的快速剔除.对专业网站的测试图像和不同场景下、重复性纹理丰富、行人遮挡严重的多组自拍摄图像进行实验,平均对极距离在0.7个像素以内;对比实验结果证实,该算法的实时性和鲁棒性明显优于同类算法;最后提出深度一致性方法对重构计划之外的匹配点进行自动剔除,获得特征点的三维坐标后利用Open GL进行了纹理贴图操作,可以清晰准确地再现出场景的细节信息.     

自适应面具的快速稠密立体匹配技术研究

文中提出一种稠密点云快速立体匹配方法,该方法以传统相位相关算法为基础,通过对匹配点梯度估计的方法自适应叠加离散面具,增加近似同一深度区域的匹配权重,使重构精度与可信度得以提升.通过储存与重复利用二维傅里叶变换的中间结果大幅提高算法的计算效率.由于该算法符合SIMD模型规则,因此GPU的并行计算能力使得匹配过程基本达到了实时性要求.实验表明,该快速相位相关算法对短基线平行光轴被动立体视觉系统所采集的光滑不规则漫反射物体表面具有较好地快速重构能力,因此可在诸如三维人脸识别等领域得到广泛应用.