基于双目立体视觉的孔洞填充方案研究

主要研究基于双目立体视觉重建三维模型的孔洞填充方案。在重建三维模型过程中,视差图出现的孔洞造成重建模型的深度信息缺失和不连续现象。针对这个问题,提出使用双边滤波器、中值滤波器和形态学处理三者融合的方案。实验结果证明,融合方案有效地实现孔洞填充,进一步解决三维模型深度信息不连续性问题。     

一个基于多视图立体视觉的三维重建方法

研究了基于多视图立体视觉的三维重建方法.给定一组待重建物体的图像,利用传统的立体视觉技术计算每幅图像的深度信息;然后设计一个基于体素划分的模型融合方法,将图像的深度信息融合为一个完整的三维初始模型;随后,对初始模型进行全局的迭代优化,输出最终的重建模型.在构造体素网络图时,充分利用图像一致性度量建立体素之间的连接关系;在对模型迭代优化时,结合图像一致性度量和网格的光顺性准则.该方法能很好地处理纹理缺失的区域,获得完整的三维模型.实验结果证明:该方法能够重建高质量完整的三维模型.     

基于特征增强的三维网格模型孔洞修补算法

对物体进行扫描时,获取的三角网格模型不可避免存在孔洞,导致重建后的网格模型无封闭性,或在孔洞处失去了物体原有的特征[1].为了恢复物体原有真实形状,从恢复尖锐特征的角度出发,提出一种特征增强的三维网格孔洞修补算法.首先,利用径向基函数获得近似逼近孔洞区域的光滑隐式曲面.然后,利用正则化匹配原则对隐式曲面进行三角网格划分,缝合孔洞填充区域与原始网格模型的孔洞边界.最后,对于孔洞区域中存在的尖锐特征区域加以特征增强处理.实验结果表明该算法效率高,并能有效的恢复孔洞区域原有的尖锐特征.     

基于RBF神经网络的三维点云数据孔洞修补

三维扫描获取点云数据,往往由于被测物体自身形状复杂,扫描设备本身局限或者外部遮挡而出现孔洞,影响后续重构精度.由此提出一种基于RBF神经网络的三维扫描点云数据孔洞修补方法.该方法首先基于法线信息和KD tree提取三维点云的孔洞边缘信息,基于蒙特卡罗法在特征平面内生成填充数据点;然后将采集到的孔洞边缘特征点作为样本点集...     

基于高斯混合模型的Kinect深度图像增强算法

深度图像获取是当前三维视频领域重要的研究课题.微软Kinect传感器可以获取到实时的稠密深度图,但往往在深度图中存在大量的空洞并且获取的深度图不稳定.针对这些问题,提出一种应用高斯混合模型实时修复的算法,首先要把彩色图像和深度图像对齐裁剪,然后通过高斯混合模型(GMM)把深度图像的前景和背景分离,针对不同的区域做不同的处理,对背景空洞做基于背景的填充,前景空洞采用颜色匹配算法进行处理,最后对处理后的深度图像做中值滤波处理去除噪声.实验证明,该算法在复杂前景物体和大面积深度缺失的情况下都可以有效填充深度图像中的大、小空洞,保留了物体边缘,尤其在遮挡物体的深度重建上,可以取得较好的重建效果.     

基于多层级跨模态特征融合的深度图重建算法

针对稀疏深度图像的重建问题,提出了一种基于深度学习的多层级跨模态特征融合的深度图重建算法.利用卷积神经网络对彩色信息和稀疏深度信息分别编码并在多个尺度下进行自适应融合,在解码阶段通过残差学习进一步细化重建结果.模型通过复用深度编码支路的短路连接引导特征上采样,输出初始深度图,同时复用彩色编码支路提取的丰富语义特征,将多个尺度下输出的上采样特征图进行金字塔迭代上采样,进而学习与最终重建结果的残差,提高了重建结果的质量.在NYU-Depth-v2和KITTI数据集上的实验结果表明：本文方法与现有的主流方法相比,具有较好的深度图重建性能,同时在视觉比较上生成了更为锐利的深度边界.     

移动机器人激光雷达数据的三维可视化方法

为提供周围的三维深度信息,给出了一种对未知环境中移动机器人配备激光雷达所采集的数据进行三维重建的方法.通过激光雷达采集反映深度信息的程距数据,采用边探测方法,对探测交叉节点或极值进行边界分割,并采用几何模型匹配算法处理简单环境.通过对局部三角形环的极限化,构造出较为复杂的三维表面,用最小测距损失算法对不同观测角度的测量值进行融合,实现了三维重视和一定程度的动态交互.实验测试结果表明,在实验室较为简单,物体比较规则的环境里可以比较完备地重建三维场景,所建立的几何模型同样适用于机器人的导航和检测.     

圆柱孔破损膨胀土扫描数据的三维重建研究

运用多功能CT-三轴仪对三轴剪切试验过程中的土体断层进行扫描,得到了土体断层不同试验阶段的CT图片.从这些扫描图片中提取试样的ME值(平均密度)、SD值(不均匀程度)、试样横断面面积、孔洞面积等信息.运用MATLAB软件对这些信息进行三维立体建模,得到了试验过程中土体不同阶段的三维立体模型.这些三维立体模型反映了土体在剪切过程中整体结构和内部结构的演变情况,解决了以往CT-三轴试验只能从二维角度研究土体结构演变的问题.重建结果表明:三维立体模型对土体整体和内部结构以及各种孔径的变化规律反映得更准确;三维切片可以反映试样断面的演变,有助于我们在三轴剪切过程中更详细地了解试样内部结构的演化规律;经观察发现,不同圆柱孔破损面积对试样剪切过程中试样和孔洞的结构演化形式存在影响.     

融合注意力机制的U-Net混合电磁重构方案

电磁逆散射问题是非线性和病态的,传统的求解方法无法兼顾成像精度和计算效率,而基于深度学习的直接重构方法缺失先验信息,导致学习过程较困难.采用结合衍射层析成像（DT）算法和融合注意力机制的U-Net混合电磁重构方案,求解电磁逆散射问题,将基于Born近似的DT算法重建的粗糙图像作为U-Net的输入,有效利用先验信息,提高逆散射问题求解的效率和精度.此外,在U-Net每次的下采样过程中加入注意力机制,进一步提高了目标散射体相对介电常数和位置的重建精度.实验结果表明,相比未引入注意力机制的方案,融合注意力机制的U-Net混合电磁重构方案重建误差较小,可实现相对介电常数分布的高精度重建.     

一种新的物体连续切片图象的截面三维重建

描述了一种新的截面三维重建方法,它是在截面重建法的基础上,引入仿射变换作为旋转、投影变换,利用线性插值消隐填充算法,生成物体的可视侧面,直接利用重建图象的深度信息计算可视侧面的灰度,在显示平面获得物体可视侧面的三维结构及形状信息.并可通过旋转投影变换获得物体任一可视侧面的重建显示图象.     

基于三维虚拟vr的历史街景重现技术

传统方法采集点云数据时容易丢失信息,无法保证历史街景重现的完整性。为此,提出一种新的基于三维虚拟vr的历史街景重现技术,对采集的0像素值点进行去噪处理,防止大量空洞产生。通过取交集对由三维采样点构成的集合进行多帧融合处理,求出各三维采样点的深度可信度,根据深度可信度排序对三维采样点进行无重复融合处理,获取历史街景完整三维点云。依据ICP法,通过不停查找对应点集及运算变换关系的过程,找到目标点集与参照点集间的旋转矩阵与平移向量,将感兴趣重建部分从整个场景中分离实现点云配准。将历史街景三维重建模型添加至Google Earth平台,在Google Earth平台实现历史街景重现。实验结果表明,所提方法能够有效实现历史街景重现,重建精度高、完整性强。     

基于一般模型的单幅人脸照片三维重建

针对由单幅照片进行三维人脸自动重建的问题,提出了基于一般模型变形的快速三维重建方法.先通过稀疏形变模型获取照片人脸特征点的深度信息,再将一般人脸模型变形到特定人脸,并使用基于肤色模型的插值合成皮肤纹理.实验证明,三维人脸重建方法快速简便,且只需单幅人脸照片,真实感强,并且可生成多种姿态、光照和表情的人脸图像,有较好的应用价值.     

基于三维虚拟现实的历史街景重现技术

传统方法采集点云数据时容易丢失信息,无法保证历史街景重现的完整性。为此,提出一种新的基于三维虚拟现实的历史街景重现技术,对采集的0像素值点进行去噪处理,防止大量空洞产生。通过取交集对由三维采样点构成的集合进行多帧融合处理,求出各三维采样点的深度可信度,根据深度可信度排序对三维采样点进行无重复融合处理,获取历史街景完整三维点云。依据ICP法,通过不停查找对应点集及运算变换关系的过程,找到目标点集与参照点集间的旋转矩阵与平移向量,将感兴趣重建部分从整个场景中分离实现点云配准。将历史街景三维重建模型添加至Google Earth平台,在Google Earth平台实现历史街景重现。实验结果表明,所提方法能够有效实现历史街景重现,重建精度高、完整性强。     

基于Kinect传感器的移动机器人室内三维环境创建

针对移动服务机器人需要感知室内工作环境问题,提出了一种基于低成本Kinect传感器的三维环境创建实用方法。机器人在移动过程中,Kinect传感器实时采集RGB信息和深度信息,将RGB图像信息映射到深度图像信息中,采用联合双边滤波对深度图像进行预处理,获得质量比较高的点云数据。对采集到的大量点云数据,采用半径滤波器算法对点云进行精简,剔除离群点,减少点云数量,提高匹配速度。点云配准时,采用NDT算法完成初始配准,从而得到图像帧间粗略的转换关系,并运用GICP算法对采集的多视角点云数据进行精确配准,得到拼接的三维点云场景。实验结果表明:本文方法具有更好的重建效果和更高的效率,可以应用于室内场景三维环境创建。     

图像三维模型重建方法研究

提出一种基于数据挖掘技术的图像三维模型重建方法.首先对图像进行去噪处理和缺陷修复,并采用点云配准将不同图像分配到统一坐标系中,过滤掉图像中的冗杂信息;然后通过TSDF算法对点云配准后的图像进行数据融合,获取完整的点云模型;最后在OpenGl条件下对点云模型实施渲染,完成图像三维模型的重建.实验结果表明,该方法具有较高的重建效率和配准效率,重建的图像三维模型真实性高,边缘和纹理的处理效果清晰.     

基于信息融合的二维视频深度提取方法

采用多种深度线索获取二维视频深度,可以提高视频深度提取效果.针对运动线索,通过块匹配运动估计算法获得帧间深度信息;针对帧内线索,采用Laws滤波器提取深度特征,然后利用马尔可夫随机场模型训练获得帧内深度信息;在此基础上,提出了基于信息融合的二维视频深度提取方法.该方法首先通过计算背景和运动区域的信息熵,然后利用模式识别中的Neyman Pearson准则确定视频帧的运动区域.针对该区域,在帧内深度信息获取的基础上,融合帧间深度信息.实验结果和真实深度比较,证实了该方法的有效性.     

非局部多尺度融合的单帧图像超分辨率重建

现有的深度超分辨率重建模型,用堆叠多个相同模块的方式获取具有更高精度的重建结果,但未能充分考虑各层特征间的上下文关联信息.提出一种基于非局部多尺度融合的图像超分辨率重建模型.该模型采用3种模块:非局部模块、多尺度融合模块和宽激活残差模块.其中,非局部模块用于获取图像的全局特征,关注目标的核心区域;多尺度融合模块用于融合...     

基于Snake模型与轮廓跟踪的区域填充算法

针对图像中外形复杂的孔洞填充问题,提出一种基于Snake模型与轮廓跟踪的区域填充算法对复杂孔洞进行填充。首先,对二值图像进行检测求出内部边界的像素点,并对其坐标进行保存。其次,通过轮廓跟踪法求取每个轮廓边界的所包含的像素位置。再次,通过将这些边界作为Snake模型的初始曲线,在其内力和外力的指导下,填充内部孔洞。最后,利用Snake模型与轮廓跟踪删除边界外存在的多余部分。通过MATLAB实验本文提出的算法,证明可以填充外形复杂的多孔区域,提高了填充精度。     

基于异质传感器信息融合的移动机器人SLAM研究

针对采用单一传感器在移动机器人同步定位与构图(SLAM)中存在定位精度低、构图不完整等问题,提出一种基于Kinect视觉传感器和激光传感器信息融合的SLAM算法。首先将Kinect传感器获取的深度图像经过坐标系转换得到三维点云、通过限制垂直方向滤波器过滤三维点云的高度信息、再将剩余三维点云投影到水平面并提取边界点云信息转化为激光扫描数据;然后与激光传感器的扫描数据进行数据级的信息融合;最后输出统一数据实现移动机器人的构图及自主导航。实验结果表明,该方法能够准确的检测小的及特征复杂的障碍物,能够构建更精确、更完整的环境地图,且更好地完成移动机器人自主导航任务。     

基于点云拼接的植物三维模型重建

针对采用点云配准法对植物三维模型重建的运算时间长、配准精度对参数要求高等问题,提出一种基于点云拼接法的植物三维模型重建算法。首先将转盘水平放置于地面上,利用Kinect获得转盘轴线相对于摄像头的位置信息,将植物放置于转盘上并以60°等间隔旋转转盘并对植物进行6次图像采集;然后将彩色和深度图像数据融合得到植物点云,并对原始点云进行背景去除、离群点去除等操作获得理想的点云;最后将来自6个视角的点云分别绕轴旋转相应的角度,从而将点云拼接到一起。实验证明所提出算法的重建效果与点云配准算法的重建效果相似,并且本文算法的运算时间大为减少,具有较高的工程实用价值。