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.     

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.     

基于机器视觉的物料袋图像深度信息的提取

建立机器视觉的几何测量模型,设计实验装置并进行标定。得到输出深度图像中灰度值与物体实际深度之间的反比例关系式。实现物料袋深度信息的提取,很好地反应出物料袋的表面形貌,并对所得结果的误差进行分析。     

基于光度立体图像三维重建的起皱织物表面形态

采用不同光照条件下拍摄的多幅图像,利用光度立体技术对织物表面进行3D重建.首先根据物体表面的照度方程,引入广义逆的概念求解物体表面方向进而确定表面梯度,再运用线积分计算表面高度,结合变分和有限差分思想对所得拟合表面进行进一步的迭代和修正,获得最佳重建表面.将该算法运用到AATCC织物平整度模板图像的三维重建,可获取三维深度信息,并结合4个特征值表征织物起皱程度.     

基于卷积-递归神经网络和费舍尔向量的RGB-D物体识别

综合利用彩色和深度信息,采用多数据模式的特征提取策略,提出一种基于卷积-递归神经网络和费舍尔向量的RGB-D 物体识别方法. 对于彩色图像和深度图像,分别利用卷积-递归神经网络和卷积-费舍尔向量-递归神经网络提取物体的纹理及形状特征. 为了更加全面的获取物体信息的特征表述,引入了灰度图像和表面法向量作为原始数据的补充,并利用卷积-递归神经网络提取特征. 最后,将4 种数据模式下提取到的特征融合起来,输入到softmax 分类器中实现RGB-D 物体识别. 在标准的RGB-D 数据库中对算法进行验证,所提算法可以有效提高物体识别率.     

结构光中心提取中的条纹灰度退化调整

针对结构光三维测量系统中由于被测物表面反射率不均匀和曲率变化较大引起的条纹灰度退化现象,从而导致条纹中心提取精度下降的问题,提出了一种灰度调整方法。首先通过投影单色灰度图像到被测物体上,计算出摄像机采集图像中各个像素点相对于物体表面的调制信息,然后逐点将其代入条纹图像中进行灰度运算,以消除灰度退化项,实现条纹的灰度调整。分别对黑白相间的平板和人脸石膏模型进行实验,结果表明:经灰度调整后,各条纹在横截面上基本满足高斯分布,且条纹灰度分布均匀,从而有效修正了因反射率突变引起的重心偏移;同时解决了复杂物体图像中因亮度不均匀引起的条纹中心局部断线问题,从而保证了测量数据的完整性。上述结果验证了该方法的有效性和可靠性。     

ORBTSDF-SCNet：一种动态场景在线三维重建方法

传统的三维重建技术在面对移动物体干扰时难以有效完成场景重建任务。针对该问题，本文提出一种基于SLAM(Simultaneous Localization and Mapping）、TSDF(Truncated Signed Distance Function）和SCNet(Sample Consistency Networks）实例分割网络的三维重建方法ORBTSDF-SCNet。该方法采用深度相机或双目相机获取重建物体及场景的深度图与RGB图，且基于ORB＿SLAM2实时获取位姿信息；采用基于结构化点云数据的表面重建算法TSDF与深度图相结合，实现在线三维模型重建；为了消除场景中移动物体对场景三维重建的干扰，提出采用SCNet实例分割网络检测和分割移动物体，并结合优化策略减小检测和实例分割误差以及深度图和RGB图对准误差。通过抠除移动物体，保证了重建场景的完整性。在ICL-NUIM、TUM数据集上的实验表明了本文所提方法的有效性。     

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。     

视觉原理及图象数字化表达

建立了简单的视觉模型,确定了物体表面的几何形状、光源的投射方向和强度、物体表面的反射特性等与灰度分布间的关系,描述了数字图象采集、量化及其基本表示方法.     

基于层级分割的颜色恒常性算法

颜色恒常性是指当照射物体表面的颜色光发生变化时,人们对该物体表面颜色的知觉仍然保持不变的视觉特性。灰度世界方法是一种常用的的颜色恒常方法,它假设客观世界中物体表面的平均反射比趋于灰色(灰度世界假设)。传统的灰度世界方法对整幅图像进行处理,然而并不是所有的图像都满足灰度世界假设。首先采用层级分割方法把图像分割成若干个片段,然后采用使用灰度世界方法处理各个片段,得到各个片段的估计结果;最后对这些估计结果进行聚类,得到最终结果。实验结果表明,该方法优于原始的灰度世界方法。与原始方法相比,平均误差降低至36.0%、中值误差降低至63.5%。本文所提出的算法优于目前领先的颜色恒常算法。     

基于人体结构断层图像的三维建模与网格剖分优化

建立了基于断层图像的近似于人体真实结构的三维表面模型,并根据曲率优化网格,优化了有限元计算的前处理,以利于临床力学研究。基于Delaunay三角剖分等相关理论,从临床计算机断层、磁共振和可视人切片等二维断层图像提取轮廓散点,按照层结构有序排列的特点,重构三维表面模型。再根据人体真实结构表面曲率的不同,调节和控制网格精度。曲率大的地方细化网格,曲率小的地方稀疏网格。实现了多分辨率建模和自适应剖分。     

基于拓扑图及三维特征的三维物体识别方法

提出一种基于拓扑图及三维特征的三维物体识别方法.该方法在图象预处理阶段先检测物体可视表面的闭合边界,再依据闭合边界对物体进行表面分割,并用一个景物特征图对景物进行表达(SAGR).在建模阶段,先采用多视图表面模型方法建模,再依据表面分割,对模型用一个模型特征图进行表达(MAGR).在物体识别阶段,将景物与模型的匹配分3部分进行,即扫描部件、图的匹配部件及匹配检验部件.匹配首先是基于 SAGR 与 MAGR 图的拓扑性质的匹配,然后是基于三维特征的匹配.根据匹配结果,或对未知物体自动建模,或给出识别结果.     

基于莫尔拓扑与图象处理的三维测量法

本文叙述了一种新型三维物体表面测量方论，该方法利用单光栅投射待测物体表面而获取变形光栅象，然后应用图象处理方法，通过微机计算出物体表面各点高度．该方法测试精度高，速度快．文中对其原理进行了详细的叙述，并讨论了该法的测量范围、灵敏度．     

3-D图象压缩编码的一种新方法

根据三维表面的可见不变特征分割图象,采用连续逻辑对瓶体三维图象进行编码,并且实现3-D形状的重构。计算机模拟结果表明这是一种可行的图象数据的压缩传输方式。     

改进的动态过程三维面形重建技术

提出一种采用标记条纹进行跟踪的动态过程三维面形重建方法,能有效地解决因成像设备拍摄速度跟不上物体运动速度以及物体表面破裂等问题对动态过程三维面形重建所带来的影响,从而获得物体运动过程中正确的三维面形分布．计算机模拟和实验证实了该种方法的正确性．     

三维逼真计算机图形的产生与显示

本文对产生和显示三维逼真计算机图形的基本方法（几何变换、隐面消除、明暗处理和纹理产生）进行了研究。本文提出了一种改进的扫描线方法，用以产生和显示逼真三维图形，这种方法的优点是要求内存量较小，运算速度较快。在明暗处理模型中考虑了物体对光的反射、透射、折射和阴影效应。本文还研究了采用随机模型产生表面纹理，并提出了一种产生三维地形图的方法。     

基于图像的艺术造型方法的研究与实现

提出了一种由二维图像转化为三维网格的新方法 ,在此基础上设计并实现了从视觉表面直接到雕刻模型的集成环境 .实现了图案设计、输入、编程、优化和数据转换的一体化和自动化 ,能产生高质量的雕刻模型数据样板 ,提高生产效率     

三维服装计算机辅助设计的曲面逼近和消隐

本文介绍了三维服装 CAD 系统 GCAD-2中的人体曲面逼近和曲面消隐等的处理方法。三维服装 CAD 系统中的人体曲面模型是三维服装造型的基础,也是二维原型服装的依据。作者按照计算机辅助服装设计的基本要求,根据人体测量系统输入的数据,提出一种在最小二乘意义上的人体曲面逼近方法。采用这种方法,构造的人体曲面模型计算量小,可以方便地进行修改、控制和进行隐面处理和浓淡处理等。     

基于分形理论的三维路面模型的建立

根据分形理论,建立三维路面模型.利用路面纵断面的部分信息点的高程数据,对路面纵断面的不平度进行分形插值模拟.由于路面具有自相似性的特性,可采用垂直比例因子确定的分形插值曲面的方法,以达到对路面的三维重建,为车辆工程、道路工程等领域中的路面三维建模提供了一个新的思路.