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.     

连分式插值结合卷积神经网络的超分辨率重建

基于卷积神经网络的图像超分辨率重建算法是数字图像处理领域近年来的研究热点。针对低分辨率图像在预处理时使用双三次插值导致图像丢失一些重要的高频纹理细节以及网络模型优化问题,文章提出了连分式插值结合卷积神经网络的超分辨率重建方法。在原有的轻量级基于卷积神经网络的超分辨率重建算法(super-resolution convolutional neural net work, SRCNN)网络模型基础上,首先采用Newton-Thiele型连分式插值函数将低分辨率图像插值到目标尺寸;然后利用3个卷积层进行图像特征提取、非线性映射、重建与优化;该文在网络收敛时利用Radam优化算法自适应地调整梯度,并且采用余弦衰减法逐渐降低学习率。实验结果表明,该网络模型能够在轻量级的卷积神经网络下获得更丰富的纹理细节和更清晰的图像边缘。     

基于边缘卷积的三维目标识别算法

三维目标检测是实现无人驾驶必不可少的技术,但很多三维检测算法采用的分割算法并不能很好地提取局部特征,导致检测精度不理想。为了改善局部特征缺失的情况,提出一种基于边缘卷积的三维目标识别算法。本算法以激光点云和RGB(red, green, blue)图像作为输入,基于二维候选区域中的像素过滤激光点云生成视锥点云,以此提高检测速度。同时,在分割算法中,在点云的局部特征图的基础上计算目标点和相邻点之间的欧氏距离,并将其作为边缘特征赋予目标点和相邻点。此外,在卷积神经网络提取特征的过程中,每次卷积完成后都会在新的局部特征图上重新计算三维点之间的欧氏距离,为三维点构造新的边缘特征。这使得边缘特征能随着卷积神经网络的计算扩散到整个点云,从而提高局部特征的提取效果。本算法在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)的三维点云数据集上进行验证,分割精度达到92.82%,相比于F-PointNet提高了2.30百分点;对不同目标的检测精度也有所提高,车辆、自行车、行人的检测精度分别达到了85.77%,76.09%,53.08%。试验结果证明了本算法的可行性。本算法可应用于无人驾驶汽车,实现车辆、行人和自行车的定位与检测。     

基于双通道CNN的单幅图像超分辨率重建

卷积神经网络在单幅图像超分辨率重建方面取得了很大的进展,目前的很多方法都选择使用浅层或者深层的卷积神经网络实现图像超分辨率重建。浅层网络结构简单,但容易丢失图像的高频信息,而深层网络可以学习图像的高频纹理特征。本文提出了双通道卷积神经网络。浅层网络负责重建图像的整体轮廓,保留图像的原始信息;深层网络学习图像的高频纹理特征。在深层网络中,使用密集连接的卷积网络,能更有效地恢复图像的高频信息。同时,在两个网络的末端,通过添加额外的卷积层表示融合层,将网络进行融合,重建超分辨率图片。实验结果表明,在大多数情况下,本文模型的重构效果在主观和客观评估中均优于当前代表性的超分辨率重构方法。     

基于深度学习和光场成像的火焰三维温度场重建算法

提出一种基于深度学习和光场成像的火焰三维温度场快速重建算法.该算法利用卷积神经网络对火焰光场图像进行深层特征提取,建立了光场图像与三维温度场之间的映射关系,从而实现火焰三维温度场的快速重建;利用视在光线法构建了火焰光场图像和三维温度场数据集,对卷积神经网络进行训练,利用测试集对训练结果进行了验证和评价,并将卷积神经网络算法与传统非负最小二乘(NNLS)算法的重建结果进行了对比.结果 表明,基于深度学习和光场成像的火焰三维温度场重建算法可准确重建火焰温度场,同时具有较高的计算效率(火焰的网格划分为10×8×15,NNLS算法的重建时间为4759 s,深度学习算法的重建时间为830 μs),平均相对误差为0.14％,且对于图像噪声具有良好的鲁棒性.     

用于面部虚拟整形的三维人脸重建系统设计

为解决面部整形手术成功率低的问题,设计了用于面部虚拟整形的三维面部重建系统。该系统首先利用高精度深度相机采集人脸多角度深度图像,将每幅深度图像分别转换为对应点云模型并进行去噪预处理。接着,将正面点云和侧面点云进行粗匹配实现点云拼接,并提出一种改进的精配准算法进行精配准,得到目标人脸三维点云模型。对点云模型网格化处理后,提出一种基于半边结构的细分算法来提高重建模形精度,最后完成贴图即可构建人脸模型。为了验证所设计系统的重建精度,设计了对比实验。结果表明:系统重构人脸与其他重建系统相比,提高了人脸精度,且与真实人脸间差距小于2 mm,可以将其应用于面部虚拟整形,从而对专业医师提供术前指导,提高手术成功率。     

单幅图像三维目标定位及重建

首先对图像进行拉普拉斯滤波处理,进而利用Canny算子对图像进行边缘检测,通过Hough变换检测目标图像,采用CAD辅助提取边界直线,基于灭点理论标定数码相机,之后采用透视投影模型中基于图像相对深度方法对图像三维信息进行恢复。最后计算出了目标物体的特征点三维坐标,实现目标定位。通过CAD实现模型的重建与显示。     

基于激光点云数据的三维建模技术研究

利用激光扫描仪获取的点云数据构建实体三维几何模型时,针对不同的应用对象、不同点云数据的特性,激光扫描点云数据建模的过程和方法也不尽相同。概括地讲,整个点云数据建模过程包括数据预处理和模型重建。数据预处理为模型重建提供可靠精确的点云数据,降低模型重建的复杂度,提高模型重构的精确度和速度。该文提出的方法能够很好的为快速三维建模进行服务,尤其是比较关注街道两侧信息的三维获取,这将大大减少人工三维数据获取及其建模的工作量,将有很好的应用前景。     

车载三维激光用于城市建模技术研究

利用激光扫描仪获取的点云数据构建实体三维几何模型时,针对不同的应用对象、不同点云数据的特性,激光扫描点云数据建模的过程和方法也不尽相同。概括地讲,整个点云数据建模过程包括数据预处理和模型重建。数据预处理为模型重建提供可靠精确的点云数据,降低模型重建的复杂度,提高模型重构的精确度和速度。该文提出的方法能够很好的为快速三维建模进行服务,尤其是比较关注街道两侧信息的三维获取,这将大大减少人工三维数据获取及其建模的工作量,将有很好的应用前景。     

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。     

基于卷积神经网络的三维物体检测方法

提出了一种新的三维物体检测方法.在物体定位部分,采用随机采样一致和欧式聚类算法分割三维物体点云以减少计算量;在物体识别部分,将物体点云转化为深度图像,利用k-Means聚类算法学习卷积核,利用卷积网络提取卷积特征,从而提高图像的识别率,并在2个公开的三维物体数据集上对所提出的特征提取算法进行测试.结果表明,与传统的点云特征提取方法相比,基于卷积网络的特征提取方法的识别率较高.     

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...     

车载激光三维建模技术研究

整个点云数据建模过程包括数据预处理和模型重建。数据预处理为模型重建提供可靠精确的点云数据,降低模型重建的复杂度,提高模型重构的精确度和速度。本文提出的方法能够很好地为快速三维建模进行服务,尤其是比较关注街道两侧信息的三维获取,这将大大减少人工三维数据获取及其建模的工作量,将有很好的应用前景。     

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.     

排球扣球动作的三维手势重建系统设计

为了精确、快速、低成本地获得运动员的排球扣球动作三维手势模型并对其进行数字化模拟,需要对排球扣球动作的三维手势进行重建系统设计。传统的基于多台Kinect的排球扣球动作三维手势重建系统设计方法,首先使用两台Kinect分别采集运动员排球扣球动作二维手势图像的点云数据,通过标定得到两台Kinect采集到的排球扣球动作二维手势图像姿态关系;然后基于标定结果,使用迭代最近点算法对两部分排球扣球动作三维手势图像的点云数据进行配准得到完整的排球扣球动作三维模型。存在重建成本高,噪声干扰严重导致重建系统失真严重的问题。为了降低噪声干扰,提高重建精确度,降低成本,提出一种基于立体视觉的排球扣球动作三维手势重建系统设计方法,首先通过传感器或摄像机等设备获取排球扣球动作二维手势图像,并对其进行平滑去噪;然后采用基于2D平面标靶的标定原理,建立摄像机成像的排球扣球动作三维手势图像几何模型并获得其参数;最后利用双目立体视觉算法实现对排球扣球动作三维手势图像的特征提取与匹配,完成三维手势重建。实验结果分析证明,所提方法可以提高排球扣球动作三维手势重建效率,提高重建精确度,降低噪声影响,具有更加广泛的使用价值。     

基于唇重构与三维耦合CNN的多视角音唇一致性判别

针对传统音唇一致性判别方法主要对正面唇动视频进行处理,未考虑视频采集角度变化对结果的影响,且容易忽略唇动过程中的时空特性等不足,文中以唇部角度变化对一致性判别的影响为研究重心,结合三维卷积神经网络在非线性表示和时空维度特征提取上的优势,提出了基于正面唇重构与三维耦合卷积神经网络的多视角音唇一致性判别方法。该方法先通过在生成器中引入自映射损失来提高正面重建效果,并采用基于自映射监督循环一致性生成对抗网络（SMS-CycleGAN）的唇重构方法对多视角唇图进行角度分类及正面重构;然后设计两个异构三维卷积神经网络,分别用来描述音频和视频信号,并提取包含长时时空关联信息的三维卷积特征;最后引入对比损失函数作为音视频信号匹配的相关度鉴别度量,将音视频网络输出耦合到同一表示空间,并进行一致性判别。实验结果表明,文中方法能重建出更高质量的正面唇图,一致性判别性能优于多种不同类型的比较方法。     

激光扫描点云数据的NURBS曲面重构技术研究

利用激光扫描系统采集的点云数据具有在某一维上不变的特点,提出了基于NUBRS重构曲面的方法.在原始点云数据预处理上,采用删除非曲面上的点云数据、拼接、排序和点云数据切片等方法,利用最小二乘非均匀B样条法对切片点云数据进行光滑和必要的数据插补,并经二次采样后得到重构曲面的数据.以鼠标表面的重构过程说明了该方法的有效性和实用性.图4,参7.     

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。     

基于机器学习的三维数字图像虚拟场景重建算法

为使三维数字图像虚拟场景重建可以获得更优质的画面,提出一种基于机器学习的三维数字图像虚拟场景重建算法.首先分析场景的状态信息和呈现指令,得到图像重构的网格模型顶点分布位置,通过局部坐标法近似计算全局图像,校正局部细节,完成三维数字图像的渲染处理;然后以空间和尺度为特征点,在图像上构建窗口检测模板,应用分类器抑制离散特征点,去除冗余特征;最后根据拟合函数法求出平滑后的三维坐标重建三维曲面,将局部二维三角分割并映射到三维空间,实现三维数字图像虚拟场景重建.实验结果表明,该算法收敛速度较快,重建图像细节和边缘轮廓完整,整体效果较好.     

基于深度学习图像描述子的三维彩色点云配准

不断发展的激光扫描技术使得获取三维空间中的彩色点云信息更加方便.但是,如何将多个采集点生成的彩色点云数据统一在同一个坐标系下,构建一个完整的数据模型仍是一个挑战.因此,提出了一种基于深度学习的图像描述子,将其应用于三维彩色点云配准中,能够以较高精度获取点云配准的初始位姿.首先,根据点云和图像之间的一一对应关系,将三维彩色点云投影为图像;其次,使用卷积神经网络提取关键点邻域的局部特征,结合方向梯度直方图,形成组合描述子;再次,根据计算出的组合描述子计算点云的匹配点对,得出点云间的转换关系,实现点云粗配准.以实际的三维彩色点云数据与多种配准算法进行对比,验证了所提方法的有效性.