基于体素模型与多尺度约束的三维面皮点对应

为了满足基于统计模型的颅面复原对三维面皮间点对应准确度的要求,提出基于体素模型与多尺度约束的三维面皮点对应方法。首先,将面皮模型统一到Frankfurt坐标系下,并手动为模板面皮标定特征点集,利用特征点集的对应关系对未知面皮做TPS变形;然后,为模板面皮模型与未知面皮建立体素化模型,根据面部特征局部相对稳定性,求解特征点集的多几何特征;最后,在多几何特征的多尺度约束下,确定最优对应点。实验结果表明:该方法能有效提高三维面皮点对应的准确度并降低了算法运行时间。     

基于细分的树干三维表面重建算法

为提高树干三维表面模型重建精度，使其能更有效反映树干表面特征，提出基于细分的树干三维表面重建算法。根据给定分段高度，对树干点云垂直分段；在计算每个分段质心的基础上，根据给定角度参数将每个垂直分段划分为若干角度分区，并得到角度分区中心点点集；以该点集为输入，使用基于切平面投影的树干三维表面重建算法，得到粗粒度树干表面模型；分别在改进Loop细分算法和Sqrt3细分算法的基础上，对粗粒度表面模型细分得到细粒度表面模型。实验结果表明，改进Loop细分算法和改进Sqrt3细分算法重建的树干表面模型，更能有效反映树干表面的凹凸不平特征；改进Loop细分算法比改进Sqrt3细分算法重建的树干表面模型具有更小的Hausdorff距离。改进算法构建的树干表面模型能有效反映树干表面不规则的几何特征，构建模型更精确；实际应用中应优先使用改进Loop细分方法重建树干表面模型。     

基于体素的医学图像三维表面模型重建

三维表面模型重建是将CT和MRI等医疗影像设备获得的二维图像重建成三维立体表面显示图像的过程·重点研究了其重建算法的具体实现:在建模上采用了基于体素的三维物体体积重建;在显示上提出了基于Ray Casting的三维物体二维直接显示技术·所以,和传统采用三角面拟合的方法相比,具有图像重建过程无需生成中间数据,无需进行3D物体的边界检测等优点,同时该算法并行性好,易于采用硬件方法实现加速·     

双目系统中一种车体的三维重建算法

在目标不同角度照片的基础上 ,利用空间几何关系 ,成功地构建了实体三维表面的表示 .为提高算法的适用性 ,提出了用不同角度二维图像进行三维实体表面重建的弹性适应算法 ,该算法在不同分析尺度进行三维表面重建 .实践表明 ,弹性适应算法能降低三维表面重建时间 ,提高算法效率     

多Kinect实时室内动态场景三维重建

采用多个Kinect从不同角度同时捕获场景,将它们的深度图和彩色图结合在一起,通过数据预处理、顶点构建、点云注册和表面重建等步骤得到场景三维模型.整个流程均在GPU上实现以加速运算,实现了基于GPU的迭代最近点算法、基于GPU的八叉树构建、基于有向距离函数的表面重建等关键算法.试验中,整个算法运行帧率达到8.74f/s;重建分辨率达到约5.9 mm.试验表明,算法基本满足实时动态场景重建的要求,重建模型的精度满足非精确计算类应用的需求.     

分区变形与多重约束结合的面皮层次点对应方法

针对颅面统计复原中基于面貌形态几何特征建立三维面皮间生理点对应关系的难题,提出几何模板分区变形与多重约束结合的三维面皮层次点对应方法(HCRDM).该方法根据人脸生理结构特征点定义一套五官分区几何模板,以实现面皮分区半自动化;根据特征点的严格对应关系,利用径向基函数对样本面皮各分区变形;为近似重合的各分区建立体素模型,逐次选取特征显著的模板顶点作为待对应点,利用模板顶点间局部相对位置几何约束确定样本分区中对应点候选集;根据局部几何特征加权距离确定最优对应点;结合几何约束与微分特征距离约束实现边界区域点对应.实验结果表明,HCRDM较已有的三维面皮点对应算法准确率提高了10％以上.     

基于压缩感知与LS_SVM的三维组织表面重建

针对在三维表面上均匀采集的少量数据点,提出一种基于压缩感知与最小二乘支持向量机(LSSVM)的三维组织表面重建方法.通过结合采用拟合与插值方法得到与待重构表面数据相同数目的数据点集,采用离散余弦变换(DCT)分别得到其三维坐标的稀疏系数,用设计的自适应观测矩阵进行观测,并选用正交匹配追踪算法作为重构算法,最后采用LS-SVM回归预测模型对压缩感知重构结果进行修正.实验结果表明:该重建方法得到的组织表面数据误差小,能保持在1mm左右,重建表面光滑,为基于虚拟现实的虚拟手术系统提供了精确的表面数据模型.     

以多幅图像非几何约束线段匹配重建建筑物外立面三维线段模型

针对建筑物外立面三维线段模型重建的现有算法中存在多幅图像线段匹配需要提前获知对极几何约束,以及三维线段重建的过程会因为输入误差的累积而受到影响等问题,提出了一种以非几何约束重建三维线段模型的算法。该算法在多幅图像的线段匹配过程中以点线相结合的高稳定性双视图线段匹配算法为基础,通过匹配线段间的传递性形成匹配线段组,再剔除不相容匹配并合并相容匹配,最终得到准确的匹配线段结果。三维线段重建采用分段重建的方式得到每一个匹配线段组对应的三维线段,再经过对线段长度和角度的约束,剔除不构成建筑物外立面框架的空间线段,最终构成建筑物外立面的三维线段结构。实验结果表明,该算法可以有效重建出建筑物外立面的整体框架。     

胎儿大脑三维表面重建算法

通过核磁共振设备获得多个离散间距的磁共振切片图像,采用CARESU＿NET卷积神经网络对图像进行分割,获取胎儿大脑区域图像。采用CARESU＿NET卷积神经网络对间断切片进行边缘重构,恢复完整的边缘信息。对边缘重构后的图像组提取边缘像素,生成三维点云,运用泊松重建方法重建点云表面,得到胎儿大脑三维表面模型。结果表明：基于核磁共振图像的三维表面模型直观生动,提高诊断效率和准确性。     

SPECT投影模型与准直器模糊效应校正

SPECT(s ing le photon em iss ion com pu ted tom ogr-aphy)断层图像重建算法的重要因素之一是投影模型的选取。讨论了二维重建常用的δ模型、线模型和带模型,并研究了三维准直器空间响应特性的建模方法以校正准直器模糊效应。基于Jaszczak和Shepp-Logan两组标准图像研究了不同投影模型对断层重建结果的影响,对重建图像分辨率、归一化均方误差、对比度-噪声比和重建时间等指标进行了比较。结果表明在二维重建算法中采用带模型可以达到最佳的重建效果。采用三维准直器模型可以有效校正准直器模糊效应并进一步提高图像质量,但重建时间有所增加。     

基于形变模型的三维人脸快速重建改进算法

针对传统三维人脸重建算法效率低且难以满足实际应用的缺陷, 提出一种三维人脸重建改进算法。该算法基于ASM（Active Shape Model) 增强算法, 自动地对特定二维人脸特征区域进行准确定位, 并实现三维人脸数据库的归一化; 利用稀疏形变模型对特定正面二维人脸进行快速三维重建; 采用明暗纹理恢复算法对重建后的三维模型人脸特征区域的每个顶点法线进行约束, 并将其应用于人脸识别中。实验结果表明, 该方法可实现对特定正面二维人脸快速三维重建, 并取得较好的三维重建精度与识别率, 与经典ASM算法相比, 精度提高12.3%, 迭代次数减少6次。     

基于图形处理器的锥束CT快速迭代重建算法

提出了一种基于图形处理器实现的锥束CT图像迭代重建算法.该算法将三维纹理作为被重建物体的离散模型,基于射线投射方法实现了锥束CT的正投影计算;通过反向逐层映射到三维纹理实现了反投影计算;采用多纹理融合等技术完成了图像校正和投影校正.与经典的TMA-SART算法比较,作者算法运算速度快,占用显存少,支持全浮点精度运算,且易于在算法中添加先验知识和约束条件.通过对Shepp-Logan模型的图像迭代重建实验,验证了该算法的优势.     

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.     

一种基于双调和方程的表面重建方法

本文对三维物体的重建算法进行了研究，介绍了一种由边界轮廓线出发的基于表面最平滑准则的表面重建方法，继而提出了一种变误差的多层网格迭代算法，显著提高了算法的运算效率，对核磁共振人脑断层边界轮廓线进行试验，重建出的人脑表面３Ｄ图形，有较好的结果，证明了本算法的有效性。     

基于结构光和序列图像的三维重建方法

为解决在基于图像三维重建物体表面的过程中,对不同图像进行立体匹配的难题,提出了基于特征的立体匹配算法,建立了利用序列图像重建物体表面的系统。系统采用投影结构光给物体表面加上主动特征的方法,以快速精确地重建物体表面,并对Canny算法进行了改进,用于轮廓提取、细化和修正等操作,从而准确获取图像主动线索特征。该方法能快速获取物体表面的三维点云数据,并达到了较高的精度。     

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.     

基于双目立体视觉的三维重建方法

基于双目立体视觉视差原理,结合halcon视觉开发库标定摄像机的内外参数,利用标定结果校正目标图像;引入多重网格算法以及像素灰度、梯度、平滑度相结合的相似度判断准则对校正图像进行立体匹配,获得连续稠密的视差图;根据深度信息恢复原理获取三维点云,并采用移动最小二乘法对三维点云进行平滑滤波;最后运用基于贪婪算法的三角剖分实现物体可视表面三维重建,并对重建表面进行形态学处理填补黑洞.实验结果表明,物体重建表面光滑连续,视觉效果令人满意.     

基于地面激光点云数据的单木三维重建方法

目的 使用地面三维点云数据,提出一种单株树木三维网格模型重建方法,为精准获取测树因子提供技术支撑。 方法 对获取的点云进行预处理,使用k-d树构建近邻关系图,用Dijkstra算法求算出子图的根。检测出有效路径后,使用探测半径计算关键路径。计算树枝骨架,然后对初始骨架进行Bezier曲线半径平滑,得到平滑的骨架,再将骨架连接,使用半径平滑和圆柱拟合减少点云密度小造成的拟合不足的情况,能够最大限度保留树枝的细节。结果 使用3株落叶松点云数据构建了树枝树干表面网格模型,重建了树木三维结构。将树干、树枝的三维网格模型与点云匹配后,效果较好;所构建的模型能够进行细小枝条的重建,而不是模拟细枝,通过观察重建结果,一级枝的重建效果非常好,大的二级枝也能得到很好的展示;整套算法计算快速,计算时间与枝条的复杂程度、连接关系有关。结论 基于关键路径探测的方法能够很好地构建树木的三维网格模型,可以用于单株树木测树因子的精确提取。     

一种面向3D打印的点云快速重建算法

采用KinectFusion点云融合技术,探索三维重建技术与3D打印技术的结合性,设计并实现了一种面向3D打印的点云快速重建算法.首先使用手持型Kinect获取物体表面点云数据,使用八叉树存储数据,利用ICP(iterative closest point)算法进行点云配准与融合;然后采用基于统计异常值检测方法、随机抽样一致性算法(RANSAC)、移动最小二乘法等算法对点云数据进行后处理;再将处理后的点云数据进行三维表面重构并根据重心加入底座、支柱等缺失部位,以保持模型的平稳性;最后使用自制的三角洲打印机打印成型.试验结果表明,该算法实现了从实物到三维虚拟模型再到实物打印成型的整个过程,具有设备成本低、实现简单并且高效快速等特点.     

带参数校正模型的三维超声重建算法

在采用旋转扫描的三维超声系统中,基于传统的三维重建算法提出了一种带校正参数模型的三维重建算法.通过引入该参数模型,更加准确地描述了用于三维重建的二维序列图像的空间位置,从而可获得更高重建精度和更小几何变形的三维超声图像.校正参数模型通过参数优化的方法获得.该方法在模拟数据和实际三维超声数据中获得了验证,与传统三维重建方法相比,具有更高的重建精度,为在低制造精度下获得高精度三维超声图像提供了一种有效手段.