多尺度多視點密集點云重構(gòu)算法的研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，網(wǎng)絡(luò)中圖像數(shù)據(jù)庫的規(guī)模不斷擴大，人們開始利用網(wǎng)上提供的圖像資源構(gòu)建各種真實場景的模型，這也使得三維建模變得更加有意義。但是互聯(lián)網(wǎng)上的圖像來源不同，再加上外界噪音和遮擋因素的影響，使得既使是對同一場景拍攝的圖像也具有顯著的差異。因此，網(wǎng)絡(luò)中的圖像資源給三維建模提供便利的同時，也給重建工作帶來更大的挑戰(zhàn)。本文以基于互聯(lián)網(wǎng)圖像資源實現(xiàn)戶外開放性場景的多目重構(gòu)為研究背景，緊緊圍繞重建中涉及的關(guān)鍵技術(shù)開展研究工作，在深入

2、的學習和分析現(xiàn)有的相關(guān)文獻和算法的基礎(chǔ)上，在下面幾個方面取得了一些創(chuàng)新性的研究成果：
　　(1)提出一個新的結(jié)合灰度信息和顏色信息的局部不變描述符HRCRD的構(gòu)建方法。該描述符由基于灰度Haar小波響應構(gòu)建的子描述符和基于顏色比率不變模型構(gòu)建的子描述符組成。其中對所提出的顏色比率不變模型，從理論上和實驗上均證明了在視點變化、光照方向變化、光照強度變化和光照顏色變化等各種變化條件下能保持較好的不變性。HRCRD描述符不僅具有較快的描

3、述速度，而且提高了現(xiàn)有描述符的獨特性和魯棒性。
　　2)提出一種新的匹配代價函數(shù)，它基于顏色分量、方向分量和距離分量對傳統(tǒng)的匹配代價函數(shù)進行加權(quán)，大大降低誤匹配率。本文還提出了一種基于仿射變換優(yōu)化模型的密集匹配算法，結(jié)合新的匹配代價函數(shù)，使傳統(tǒng)的基于支持窗的密集匹配算法適用于寬基線圖像的情況，且使密集匹配的精度達到亞像素級。
　　3)針對互聯(lián)網(wǎng)圖像間尺度和基線對自定標算法精度的影響，提出了基于鄰域視圖選擇方案的匹配點跟蹤算法

4、，使準密集匹配點在每個圖像對應的鄰域視圖中快速精確的跟蹤；針對參數(shù)優(yōu)化過程中，由于輸入圖像的個數(shù)和3D點的個數(shù)較多致使全局優(yōu)化開銷變得非常大，甚至可能優(yōu)化失敗的情況，提出了一種兩層迭代優(yōu)化算法。內(nèi)層迭代對相機參數(shù)和3D準密集點參數(shù)采用全局和局部相結(jié)合的優(yōu)化策略。外層迭代基于重投影誤差對外點進行剔除，降低外點對定標精度的影響。本文在多組圖像集中對所提出的算法進行了驗證，表明提出的兩層迭代算法不但可以獲得較密集的3D點云，而且比傳統(tǒng)的全局優(yōu)

5、化算法獲得更好的精度。
　　4)針對互聯(lián)網(wǎng)中的圖像具有規(guī)模大、尺度范圍大、分辨率高低不同等特點，提出將輸入圖像分級分組和視圖選擇：場景級圖像預分組、圖像級視圖選擇以及點級視圖選擇，面向重構(gòu)中不同階段的問題，較高效地組織圖像。其中場景級預分組算法首先采用全局GIST特征對圖像粗分組，剔除不必要的分組；然后采用局部HRCRD特征和兩視圖幾何約束對分組進一步求精(篩選和合并)，剔除組內(nèi)具有較低相關(guān)性的圖像并根據(jù)不同的視點范圍和尺度范圍對