计算机三维重建技术发展与应用

叙述了国内外三维重建的发展状况及三维重建研究的重要意义。提出了利用三维重建技术建立专家系统 ,对工程图二个视图的识别与匹配实现智能识图 ,重建三维模型 ,通过判断反馈系统 ,实现人机交互 ,是一种比较理想的ICAI系统。     

适用于口腔修复学的模块化牙列有限元建模

通过扫描一个咬合关系和牙列生长较标准的标本，对CT断层图像运用自编程序进行数据处理，并三维重建了颌骨及牙列模型。以工程中的模块化方法为核心对实体模型切分模块，得到一套正常牙列的模块化模型库，在此基础上派生上下颌各牙的牙槽骨缺失和牙齿松动的模型库，以便对固定义齿修复和可摘局部义齿修复中基牙正常、基牙牙槽骨有不同吸收程度和基牙出现牙周不同程度松动的情况进行研究。该模型可进行多种口腔医学有限元分析，重复利用率高，建模速度快，有利于修复设计方案的选取，丰富了口腔临床与教学的手段。     

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。     

一种基于三维体数据的医学图像融合新方法

传统的医学图像融合技术是基于严格配准基础上的二维影像融合,对于两个具有不同扫描和成像参数的影像具有极大的局限性.本文提出的基于三维体数据的医学图像融合技术以三维重建为基础,对重建后的三维体数据,经三维几何和观察变换,达到空间位置上的重合,然后对变换后的两个体数据直接进行融合.在此基础上,按照解剖学结构,设置任意的解剖面对融合体数据进行截取,可以得到任意剖面的二维融合结果.三维融合技术不仅可以解决二维融合技术多模图像间分辨率不同的问题,而且可以避免二维融合技术中多模图像间配准误差的问题.研究证明,使用该方法不仅融合的结果更加准确有效,而且无需配准,适用于任意的医学成像设备的影像融合.     

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.     

一种动态场景的三维重建方法

从图像恢复物体可见表面的三维形状简称3D重构,它是三维计算机视觉中重要研究方向．本文讨论变参数摄像机模型下动态场景的三维重构．主要实现场号中除存在平移运动的物体外,还至少存在三个以上的作独立（一般）刚体运动物体的三维重建．实验表明,本文所提的算法是可行的,并且具有一定的鲁棒性．     

基于表面与基于体素的医学图像三维重建方法研究

医学图像的三维重建有基于表面的重建和基于体素的重建两种方法。本文分别使用这两种方法对同一组头部CT图象进行了三维重建，并成功得到了三维重建的结果。文章最后对两种结果进行了比较和分析。     

多视图几何轻量级三维重建算法

针对现有深度学习三维重建网络内存消耗严重、效率低下的问题，提出了高效的多视图几何三维重建网络(high efficiency multi-view stereo network,H-MVSNet)模型，将原始图片序列和预测的粗略深度图融合，进一步提高最终深度图的质量;构建轻量级的特征提取模块和正则化模块，减少提取冗余度;采用由粗到精的策略，建立高效的深度图细化模块，减少计算量。实验表明，H-MVSNet模型在DTU数据集中的精度误差可达0.327mm，计算一张分辨率为640×480的深度图仅需0.44s，内存消耗可低至2.46GB，显著提高了三维重建的精度和准确度。     

倾斜摄影技术在农村不动产测绘中的应用研究

针对农村房屋采集困难、入户难、外业作业成本高的问题，笔者在分析了倾斜摄影测量技术的优点后，提出基于倾斜摄影技术建模，然后利用模型生产地籍图的作业方案。并在实地采集检测点对地籍图的界址点和边长精度进行检测，结果表明：采用本研究的方法，生产的地籍图精度可以满足地籍规范要求，且较传统方式效率高、外业工作量小，成本低，风险低，可作为地籍图生产的一种有效方法推广使用。     

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。