- 1、本文档共71页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
万方数据
万方数据
Dissertation Submitted to Zhejiang University of Technology for the Degree of Master
3D Reconstruction Based on Multiple no-order Images
Candidate: Ma-Jiyue Advisor: Qin-Xujia
College of Computer Science and Technology Zhejiang University of Technology
Apr 2015
浙江工业大学
学位论文原创性声明
本人郑重声明:所提交的学位论文是本人在导师的指导下,独立进行研究工作 所取得的研究成果。除文中已经加以标注引用的内容外,本论文不包含其他个人或 集体已经发表或撰写过的研究成果,也不含为获得浙江工业大学或其它教育机构的 学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体,均已在文中 以明确方式标明。本人承担本声明的法律责任。
作者签名: 日期: 年 月 日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本 人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
作者签名:
日期:
年
月
日
导师签名:
日期:
年
月
日
浙
浙江工业大学硕士学位论文
基于多幅无序图像的三维重建技术
摘 要
三维重建是计算机视觉领域最热门的研究方向之一,它是一门研究物体的冗余二维 信息恢复物体在空间中的三维信息的技术。本课题的输入可以是单个数码相机多方位拍 摄被重建物体获得的多幅无序图像,也可以是不同相机对被重建物体拍摄获得的多幅无 序图像。射影几何和摄像机成像原理是理论基础,并且介绍了单应矩阵、本质矩阵和基 础矩阵的概念、计算方法以及具体应用,其中的计算方法引出了 4 点算法、8 点算法、 直接线性变换技术、随机采样一致性定理、最小二乘法等特定算法,并且分析了经典的 sift 特征点提取算法以及相应的匹配算法。本文从以下几个方面研究了基于多幅无序图 像的三维重建技术:
在特征点匹配方面,比较了传统的线性扫描算法以及基于 KD 树的 BBF 算法;在去 除误匹配方面,简化了传统的过程。传统的算法流程是利用 RANSAC 求得一个中间模 型,并用该模型作用于原始匹配集,其中的内点作为保留点外点作为去除点,并在内点 上再次利用最小二乘法求得的模型作为最终的模型。本文的算法流程是利用 RANSAC 求得的内点直接作为保留点,也在保留点集上利用最小二乘法求得最终模型。在不影响 最终匹配对、误差和的前提下,提升了时间效率。
本文深入分析了多幅无序图像特征点关联算法,其利用 pair、vector 等数据结构, 并配以广度优先搜索策略以及标记、防御式编程等思想,将多幅无序图像关联起来,该 算法是多幅无序图像三维重建技术不可缺少的步骤。
深入理解摄像机成像原理,有助于理解三维重建的过程,特别在摄像机矩阵恢复平 移向量时本文提出了新方法。从公式 (2.36) 出发,摄像机矩阵的左边 3 ??3 矩阵是可逆矩 阵 M ,右边 3 ?1矩阵是 ??M ??t ,一个简单的矩阵求逆以及矩阵相乘就可以求得平移向量
t 。该方法简单明了并且容易编程实现,不易出错。
基于多幅无序图像的三维重建技术。深入分析这种渐增式的三维重建过程,包括新 增相机的选择、该相机内外参数的恢复、稀疏点云的扩充,以及其中的误差控制与处理。 并且给出恢复的稀疏点云实验结果。
i
关键词:特征点匹配,基础矩阵,摄像机矩阵,直接线性变换技术,简化的 RANSAC
ii
3D RECONSTRUCTION BASED ON MULTIPLE NO-ORDER IMAGES
ABSTRACT
3D reconstruction is one of the most popular research field in the realm of computer vision,which restores object’s three-dimensional information in the space through its redundant two-dimensional information. Its inputs can be multiple no-order images which are taken from an single camera to multiple directions of the recons
您可能关注的文档
- 基于多个转换波形的非介入式压力检测方法研究-控制工程专业论文.docx
- 基于改进粒子群优化算法的船舶推力分配研究-控制理论与控制工程专业论文.docx
- 基于改进粒子群优化算法的核磁共振数据处理研究-电子与通信工程专业论文.docx
- 基于改进粒子群优化算法的机器人路径规划研究-模式识别与智能系统专业论文.docx
- 基于多功能量子点生物传感器的基础与实用初步研究-应用化学专业论文.docx
- 基于改进粒子群优化算法的热连轧动态变规格研究-控制科学与工程专业论文.docx
- 基于改进量子进化核聚类算法的图像分割-信号与信息处理专业论文.docx
- 基于多核Boosting多特征组合高光谱分类技术研究-大地测量学与测量工程专业论文.docx
- 基于改进量子粒子群的视觉跟踪方法-模式识别与智能系统专业论文.docx
- 基于多核CPU的任务级数据处理研究及其在集群平台下的性能测试软件工程专业论文.docx
文档评论(0)