基于两视图的曲面物体自动建模方法

提出一种基于两视图的曲面物体自动重建方法. 采用基于Haudorff距离的特征匹配技术对图像的正面和侧面中的曲面物体进行匹配,自动获得图像中物体的大致形状及位置信息. 采用基于形状先验的图像分割算法自动地将曲面物体从图像的正面和侧面中分割出来. 利用这两幅图像中获得的侧影轮廓线,实现曲面自动重建和纹理自动提取. 通过真实曲面物体进行重建实验,验证了该方法的可行性.     

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.     

物化视图选取方法研究

数据库系统设计中一个重要问题就是选取视图进行物化。论文给出物化视图代价估算模型，利用遗传规则，提出物化视图选取的方法。经实验证明，该算法具有良好的效果，运行效率高。     

基于阈值连通的视图划分算法研究

在工程图矢量化系统中,研究如何提高输入数据的质量,这一课题开展工程图样R—V转换的前期处理技术研究,提出了基于阈值连通的视图划分算法。其基本思想是根据工程图绘制规则,提出了阈值邻接和阈值连通的概念,将工程图样的基本视图、技术要求以及其他视图等从整体工程图样中识别与区分,再进行标识。并用所提出的算法构建了基于图样绘制规则的自动区域化这个图纸扫描转换系统的前置模块。通过该模块提高图纸扫描转换系统输入数据的质量,从而提高了R-V转换精度,并为后续的智能识别与三维重建提供语义上的指导。     

基于KLT多视图特征跟踪的物体三维重建

为了提高三维重建精度,文章提出一种基于Kanade-Lucas-Tomasi(KLT)多视图特征跟踪的物体三维重建方法。首先采用Shi-Tomasi算法提取特征,通过KLT跟踪算法获取特征匹配点,从而将所有相邻图像进行三维点云重建,并通过光束法平差(bundle adjustment,BA)算法进行优化;然后采用KLT跟踪算法获取空间点在相邻3幅图像的投影点,从而建立不同视图坐标系间的变换模型,获取转换比例系数;再通过融合多视图的三维点云实现物体的三维重建。实验结果表明,通过KLT算法,不仅提高了特征点匹配数量,还解决了多视图构建的不同三维点云坐标系的相互转换问题,实现了物体的多视图三维重建。     

关于曲面的特征曲线

就曲面的一对特殊的共轭曲线——特征曲线进行研究与讨论，并得出了它的有关性质及其运用。     

特征点提取及视图变形技术研究

介绍了图像变形和视图变形技术,在此基础上提出了一种改进的视图变形方法．利用样条小波变换进行边缘检测,根据模极大值原理,获得单像素的轮廓边缘;针对传统的霍夫(Hough)变换的局限性,对其进行改进,并将改进后的Hough变换方法,用于从单像素边缘图像中提取直线的特征点,即端点中．在原始图像中,载入这些特征点,交互地选取其中所需的特征点,连接形成特征线段,然后使用图像变形方法,生成从起始图像到终止图像的期间过渡图像,实现两幅图像的渐变,该方法提高了特征点选取的准确性和效率,使中间过渡图像更加自然适真。     

关于曲面的特征曲线

就曲面的一对特殊的共轭曲线———特征曲线进行研究与讨论,并得出了它的有关性质及其运用.     

一个工程视图的消隐算法

采用现有一些平面立体图形的消隐算法对工程视图消隐效率较低，从最终形成视图的像空间分析入手，提出一个首先对显示平面进行深度排序，按深度顺充，对各显示面进行多边形区域选取运算得到最终视图的算法；它的求交运算只与最终视图图形有关，包含性检验运算也极少，加快了消隐速度，适合于工程视图的消隐。     

一种基于深度网络的视图重建方法

为了解决在仅有单目视图的环境下实现立体匹配的问题,在现有视图重构网络模型Deep3D的基础上,提出了基于加权局部对比归一化约束的全卷积重构模型.该模型采用改进的全卷积神经网络架构作为模型的特征提取模块,以期减少训练参数,降低训练时间,增加模型的非线性.为了进一步提高重构精度,设计了新的基于加权局部对比归一化的约束条件,并采用结构相似性成本(SSIM)与L1成本相结合的损失优化函数对模型进行优化.在KITTI 2015数据集上展开实验,并与Deep3D模型及其后续的改进方法进行比较.实验结果表明,在只使用左视图作为训练数据的情况下,生成的右视图在SSIM和峰值信噪比两个指标上有很大提升,能够满足立体匹配方法中右视图的精度要求.     

基于二维正投影图三维重建的递归算法

模拟人脑读图中的形体分析法的叠加原理 ,给出三维重建的一种递归算法 .输入初始三视图 ,从中识别出一个简单子块 ,重建这个子块 ,设想从所求形体中切去该子块 ,即将重建过的视图立刻擦除 ,算出剩余形体的三视图 ,并作为新的初始三视图 ,再接受递归算法模块处理 ,如此循环 ,直到投影图信息量为零 .这种算法具有如下特点 :①将自顶向下法和自底向上法有机地结合 ;②在使用自底向上法时仅对三视图作局部计算 ;③使用过的视图信息及时消除 ,避免重复计算 ,效率高 ;④可以解决多解问题 .在使用优先原则时 ,可消去虚伪解 .     

一维子空间的三维重建方法

为了从图像序列中恢复三维物体,假设相机为正投影模型,提出了一种基于一维子空间的三维重建方法.利用所有图像序列构成的行向量生成的子空间之和与三维空间点构成的行向量生成的子空间是同一线性子空间、同时由所有图像点构成的2个行向量外加一个行向量就可以组成该子空间的一个基底的特性,线性地求取子空间中的行向量,最后完成三维重建.模拟和真实实验结果表明,该重建方法具有鲁棒性好、重投影误差小等优点,而且能够将图像平等地对待.     

基于SURF-RANSAC配准的三维重建

为了提高三维重建中双目特征匹配的匹配效率和重建质量,在基于传统的加速鲁棒特征(SURF)匹配算法基础上,提出了一种基于SURF-RANSAC配准的三维重建算法。利用左右两幅图像来进行三维重建,首先通过Hessian矩阵来获取目标图像的初始特征点,并用邻近快速搜索算法完成初步的特征点匹配,然后融合随机抽样一致性算法(RANSAC)来优化匹配,最后利用三维坐标和纹理映射来完成三维重建。在Open CV上对该算法进行验证。结果表明,本文算法比传统的三维重建算法具有更高的精确度和更快的速度。     

基于轮廓线的任意形体三维重建

由二维灰度图像恢复形体的三维形状已经成为计算机视觉领域的一个研究热点.对该问题进行了深入的研究,提出了一种基于单幅图像,利用轮廓线进行形体三维重构的方法.该方法从一幅二维灰度图像的断层剖面中使用行扫描线法提取带有孔洞的轮廓线,并且根据一定的准则对其进行分层处理,采用曲率法对各相邻层轮廓线中的分层轮廓线进行匹配,结合最小对角线优化策略完成三角面片拼接,最终实现任意形体表面的三维重建.实验证明,该方法可以根据形体的二维灰度图像方便有效地重建出其三维形状.     

光栅投影三维物体重建中的二值化方法研究

在光栅投影成像三维物体表面重建中,由于阴影和光照不均匀的影响,采用传统的时域二值分割方法,难以得到高质量的分割图象．为此,提出了两种图象分割算法：全曝光明图对比空域二值分割算法和分组最大方差空域二值分割算法．这两种分割算法主要是在空域上的每个位置同时考虑所有的二维光栅投影图,从而大大克服了阴影的影响以及光照不均的影响．实验证明,这两种方法提高了光栅投影图的二值分割质量,使得最终的重建结果更为精确,所提出的两种二值分割算法操作简单,易于实现．     

基于二维灰度图像的“非规则形体”三维重建

由二维灰度图像恢复形体的三维形状已经成为计算机视觉领域的一个研究热点,对该问题进行了深入的研究,提出了一种基于单幅图像,利用轮廓线特征点进行非规则形体三维重构的方法;该方法从一幅二维灰度图像中提取非规则形体作为研究对象,通过角点检测方法并结合检测阈值获取每条轮廓线的主次特征点;根据主特征点确定轮廓线间的形状匹配关系完成分段连接,根据次特征点并结合最小对角线优化策略完成三角面片拼接,最终实现非规则形体表面的三维重建;实验证明,该方法可以根据形体的二维灰度图像方便有效的重建出其三维形状。     

基于RGB-D的室内场景实时三维重建算法

针对基于视觉的室内场景三维重建过程中存在三维点云匹配不准确、过程耗时和深度信息部分缺失的问题,提出一种带有深度约束和局部近邻约束的基于RGB-D的室内场景实时三维重建算法.该算法首先利用RGB-D相机采集到的RGB图像做哈里斯角点检测,再用SURF特征点描述方法对检测到的特征点生成64维特征描述子.接着利用特征点集合的深度信息和局部近邻特征点信息作为约束,初步筛选出相邻帧间正确的匹配点对,再结合随机抽样一致性(RANSAC)算法去除外点,以此得到相机的姿态估计.最后利用RGB-D的深度图像,在图优化方法(g2o)的基础上生成三维点云,实现室内场景的三维重建.实验中,RGB-D摄像头装载在自主移动导航的小车上,实时重构的三维场景验证了所提算法的可行性和准确性.     

基于AUTOCAD的三维重构的一种算法

基于AUTOCAD，利用ADS开发系统，提出并实现了一种二维CAD图形的三维重构的有效算法。其基本思想是先将二维CAD图形进行分解，然后通过AME扫描运算及布尔集合运算构造出三维CAD模型。     

优化特征检测的三维重建算法

提出一种自适应优化特征点检测的三维重建方法.该优化方法以Harris算子作为基础,将Harris算子的响应矩阵分块处理,分块选取响应值.通过比较块中最大响应值与全局响应均值的大小,分情况选择特征点.解决了Harris算子的阈值设置问题,减少了特征点的集群现象,改善了重建结果容易出现空洞的问题,也间接提高了重建速度.实验结果验证了该方法的有效性.     

基于GPU并行处理的地形三维重建技术研究

介绍了一种基于GPU(Graphic Processing Unit)并行处理的地形三维快速重建算法。该算法利用分而治之的思想,基于CUDA编程框架,首先计算每一点的邻域信息,并在其切平面上进行局部的三角剖分,然后合并形成最终的地形网格。实验结果表明,基于GPU并行化处理的三维重建算法高效、稳定,可以快速的实现结构复杂的大规模地形的三维重建。