基于多视频序列的大规模运动恢复结构研究

发布时间：2025-05-10 23:57

　　大数据时代,传统的二维地理信息已经不能完全满足社会发展的需要,对三维地理信息的需求越来越迫切。常规的三维数据获取方式所需设备成本高昂,因此如何借助低成本设备获取的影像数据来重建三维数据的运动恢复结构具有重要意义且应用潜力巨大。运动恢复结构主要基于多视图几何原理,重建时主要包括特征检测、相机位姿估计、光束法平差等多个处理过程。本文研究分析了运动恢复结构及其后续稠密重建的整体流程,对特征检测和光束法平差等关键步骤进行分析与改进。论文的主要研究内容和研究结论如下:(1)针对常规的特征提取与匹配存在正确匹配会被剔除的问题,本文构建了基于本质矩阵的特征提取及精匹配方法。在深度变化场景情况下,常规的利用单应矩阵的匹配提纯方法,存在误剔除正确匹配点、提纯后匹配点对分布集中和提纯效果差等问题。为提高提纯速度和效果,本文使用ORB算法进行特征检测匹配。该ORB算法匹配效率高,但误匹配比较多。为解决这一问题,本文采用对极几何约束作为匹配点提纯的模型。针对深度变化、平面等多种场景,本文开展对极几何约束中的单应矩阵、基础矩阵和本质矩阵实验对比分析。实验结果表明:在深度变化场景中,本质矩阵和基础矩阵剔除的正确匹配...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 论文的研究背景和意义
    1.2 国内外研究现状及发展动态分析
    1.3 本文研究内容、技术路线和组织结构
        1.3.1 研究内容
        1.3.2 技术路线
        1.3.3 组织结构
第二章 相机模型与对极几何
    2.1 引言
    2.2 相机模型
        2.2.1 参考坐标系统
        2.2.2 针孔相机模型
    2.3 对极几何
        2.3.1 基础矩阵与本质矩阵
        2.3.2 单应矩阵
    2.4 相机标定
    2.5 本章小结
第三章 基于本质矩阵的特征匹配
    3.1 特征检测与初匹配
        3.1.1 SIFT
        3.1.2 SURF
        3.1.3 ORB
    3.2 估计本质矩阵
    3.3 实验结果与分析
    3.4 本章小结
第四章 多视频序列大场景运动恢复结构
    4.1 相机初始化
        4.1.1 选取合适的影像对
        4.1.2 分解本质矩阵恢复位姿
        4.1.3 三角测量重建三维点
    4.2 光束法平差
        4.2.1 梯度下降法
        4.2.2 牛顿法
        4.2.3 Levenberg-Marquardt法
    4.3 稀疏性
    4.4 PnP估计相机的姿态
    4.5 实验结果与分析
    4.6 本章小结
第五章 多视频序列稠密重建
    5.1 视图聚类MVS(CMVS)
        5.1.1 聚类条件
        5.1.2 聚簇算法实现
    5.2 基于面片模型的密集匹配(PMVS)
        5.2.1 面片模型
        5.2.2 面片模型约束条件
        5.2.3 光度一致性函数
        5.2.4 算法流程
    5.3 实验结果与分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
附录 A



本文编号：4044524