影像数量对SFM三维重建模型测量精度的影响分析

在运动恢复结构(Structure From Motion,SFM)技术的实际应用中,不同数量影像数据集的SFM重建精度和效率通常存在差异。为了研究影像数量对SFM重建模型精度的影响,为三维重建应用中的影像数据采集与选取提供参考依据,利用手持数码相机对目标物体进行数据采集,选取不同数量的影像执行SFM点云和网格模型的重建,并将各组SFM三维模型与激光扫描模型进行模型精确度、噪声和完整度的对比分析。实验结果表明,影像数量与SFM三维模型的精度之间具有一定的相关性,影像数量越多,重建模型的完整度越高,但受SFM特征点匹配误差、配准误差以及影像中多余场景的影响,影像数量的增加会导致模型精确度的降低以及噪声程度的加重。在实际的工程应用中,需要深入分析生产三维模型的特点和需求,选取合适影像数量的数据集进行SFM三维重建。     

基于MSER和NCC的轨枕数字编码识别方法

为了方便轨枕的管理和维修,根据轨枕数字编码的成像特点,提出一种基于MSER和NCC的轨枕数字编码识别方法。首先采用高斯滤波对图像进行预处理;然后使用最大极值稳定区域(MSER)算法根据数字编码与背景的灰度对比生成极值区域,实现数字编码区域的初步定位;并且利用数字编码的几何先验知识去除不符合条件的字符连通域,从而准确定位出数字编码的区域,为后续数字编码识别减少大量的搜索空间;最后通过归一化互相关(NCC)算法计算模板图像与定位区域上数字编码的相似度量值以实现数字编码的识别。实验结果表明:此方法可以准确地定位出轨枕上的数字编码并高效地对其进行识别,识别率为95.5%,识别时间为0.24 s。     

结合深度学习的雕像面部数字复原方法

针对面部破损的雕像在实际复原过程中容易遭受二次损坏,以及雕像历史影像数据匮乏的问题,提出一种基于深度学习网络,利用单张雕像面部影像实现雕像破损面部数字复原的方法.首先利用深度学习网络对雕像未破损前的单张影像数据进行处理,生成点云,然后通过激光扫描仪获取破损后的雕像点云,最后对两者数据进行配准融合,生成完整的雕像模型,从...