张军[1]2004年在《基于光度立体图像的3D模型重建算法研究》文中研究指明近些年来，由于快速、廉价图形硬件和高效的图形算法的不断涌现，“3D模型重建”在计算机图形应用领域中已经成为了热点研究方向之一。本文针对目前基于图像的3D模型重建算法存在的问题，提出了一种新的基于光度立体技术的物体3D模型重建算法，并将其应用到了曲面光顺领域中。本文主要得到的结果如下： 1．针对目前“从明暗恢复物体形状方法”存在的问题，提出了以多面体模型为基础的快速算法，根据向量场的分布建立关于物体表面深度信息的超定线性方程组，在最小二乘意义下求得物体表面的深度值。该算法能从已知光照条件下的叁幅光度立体图像中恢复任意没有遮挡面物体表面的叁维结构，形成以单个像素为网格精度的物体表面的多面体模型。 2．对物体表面的高分辨率图像，本文提出了一种细分图像的算法，将其细分到若干小的子块上进行计算，然后再拼接出整个物体的表面3D模型。 3．应用本文提出的“3D模型重建算法”，提出了一种由平滑曲面在平行光照射下图像达到光顺的思想而形成的曲面光顺算法。该算法直接平滑曲面在平行光照射下的图像，然后通过本文提出的“3D模型重建算法”反求出光顺后的曲面。由于该算法能直接平滑曲面在平行光照射下的图像，使得光顺后的曲面在基于光照模型的曲面光顺准则下具有很的好光顺性质。 4．通过对计算机模拟拍摄的物体数字模型的光度立体图像的实际计算，说明了本文提出算法的有效性和优越性。
林慕清[2]2010年在《基于光度立体法的叁维重建技术的研究与实现》文中研究指明基于计算机视觉进行物体的叁维建模属于非接触式的叁维测量,在Internet应用、逆向工程以及工业检测等各个方面有着非常广泛的应用需求,其操作简便、不需要与物体进行接触等优势是其它叁维重建方法所不具有的。除此之外,电影特技、人脸识别等领域的发展也越来越多的依赖于计算机视觉中叁维重建技术的研究与应用。因此,对基于计算机视觉的叁维重建的研究,无论从视觉生理的角度还是从工程应用的角度都具有十分重要的意义。在分析传统方法的基础上,本文使用了一种较新的叁维重建方法——光度立体法来对物体进行叁维重建。光度立体法的基本原理是依据物理光学的相关理论,通过分析物体表面的反射模型来得出其表面朝向与亮度的关系。该方法主要步骤是通过多幅图像来计算景物表面的法向量分布,然后根据所求得的法向量来还原叁维信息。首先,本文使用照相机响应曲线和中值滤波对图像进行预处理,消除了亮度偏差和噪声对后续处理的影响；其次,本文给出了使用光度立体法计算表面法向量的具体算法流程,并在存在镜面反射光时,使用多光源光度立体法来消除干扰；最后,在得出法向量场之后,本文采用了一种基于离散模型的叁角网格法进行表面重建,并分析了该算法存在不稳定解的情况,然后通过增加预定义条件对该算法进行了改进。本文首先对计算机视觉的发展现状进行了介绍,并讨论了几种常用的基于图像的叁维重建方法；其次,对光度立体法的各个环节进行了系统的分析与研究,并对其中表面重建阶段的算法提出了改进；最后,本文通过大量的实验来对算法的各方面性能进行了验证。实验表明,本文算法在精确度、重建效果等方面都具有了良好的表现。
徐庆相[3]2011年在《基于光度立体视觉的表面精细特征叁维重建技术研究》文中研究表明物体的叁维重构是光学测量领域里一个重要的分支,其在工业检测,产品质量控制,医学诊断,古董和遗迹的研究,现场取证,虚拟现实等多种领域都着有广泛的应用。在一些应用领域需要获取物体表面细微特征的叁维数据,但是现有的测量方法在测量精度和细微分辨率两个方面还无法兼顾,使得其应用受到了很大的限制。本文研究了一种基于光度立体视觉的物体表面细微特征叁维重建技术。该技术能够获取物体表面细微特征的叁维数据,并且能与结构光叁维测量技术相结合,获取物体高精度和高细节清晰度的叁维数据,有着实际的应用价值。本文研究的叁维测量系统主要面向物体的精细结构和细微特征的叁维重构,重点在于提高物体叁维形貌重构的精细度、速度和操作的方便性。通过对光学测量技术的对比分析,本文分别对被动测量技术中的光度立体视觉测量技术和主动测量技术中的结构光测量技术进行了系统的研究,并通过这两种技术分别实现了物体细微特征的叁维重构。本文对光度立体视觉算法的原理进行系统的研究,并对光度立体视觉测量设备进行了设计。首先标定光源方向,并根据物体材料建立了一个合理的光照模型,然后根据图像的亮度信息计算物体的表面法向,最后根据物体表面法向计算表面叁维数据,并且通过实验证明本方法能够成功对物体表面的细微特征进行叁维重构。本文在对结构光测量的原理进行系统的研究的基础上,对结构光测量设备进行了设计和优化。通过实验和分析,找到了通过结构光测量设备获取物体细微特征的方法,并通过多个实际的应用,分析了结构光测量系统对物体细微特征叁维重建的有效性。通过对比和分析光度立体视觉技术和面结构光测量技术的优缺点,本文还提出了一种把结构光测量系统和光度立体视觉测量系统进行结合,对叁维数据进行优化的方法,它既能保证叁维数据的精度又能提高叁维数据细节信息。
陈冉[4]2014年在《基于准稠稠密匹配配方法的的PMVS算算法改进》文中研究表明随着计算机技术的发展，叁维重建成为计算机视觉的研究热点，并在医疗行业、电影行业、游戏产业、工业建筑等领域得到了广泛的应用。叁维重建的最终目的是恢复场景的叁维模型，基于图像的叁维重建是获取叁维模型的主要手段之一。由Furukawa提出的基于面片的叁维重建算法(PMVS)是各方面性能表现最好的多视图叁维重建算法之一，本文主要对PMVS算法进行研究和改进。PMVS算法采用Harris和DoG算法进行特征点提取，生成的用于面片扩散的初始面片较为稀疏，导致扩散工作量大，所用时间长。针对该问题，本文引入了准稠密匹配方法对PMVS算法进行改进，改进的PMVS算法通过准稠密匹配方法处理得到较为稠密的初始面片。实验数据表明引入准稠密匹配方法的PMVS改进算法如预期一样提高了算法时间效率，具有可行性。但PMVS改进算法实现的叁维重建的效果在完整度(重建模型面片数量)上较原PMVS算法有一定程度的下降，这是由于准稠密匹配方法得到的初始面片分布不均匀导致。针对该问题，本文进行了进一步优化。首先在PMVS特征点匹配阶段加以单应约束，并提出对稀疏匹配点自适应的非极大值抑制处理方法来保证准稠密匹配种子点的可靠性，提高准稠密匹配点的准确性；然后对得到的准稠密匹配点集进行重采样处理，生成分布均匀的初始面片，使得面片能够充分扩散，重建出完整度较好的叁维模型。实验表明，本文提出的改进PMVS算法相对原PMVS算法在Temple和Dino两个数据集上重建时间分别减少8.85%和9.21%，在重建效率上有所提高。重建效果方面，本文实验结果提交Middlebury叁维重建效果测评网站反馈结论为：针对Temple和Dino两个数据集的重建精度(Accuracy)分别为0.9mm和0.54mm，重建完整性(Completeness)分别为97.8%和98.4%。该结果表明，本文提出的改进PMVS算法相对原PMVS算法重建效果基本相当，重建质量在可接受范围内。
黄初华[5]2017年在《基于多视角视频的时变叁维模型序列生成若干关键技术研究》文中研究说明随着影视、娱乐与游戏行业的蓬勃发展,能为用户提供丰富的立体感和沉浸感且支持选择任意视点的多媒体技术——自由视点叁维视频——将成为下一代视频应用的主要技术方向,在计算机视觉领域受到较大的关注。基于多视图叁维重建是计算机视觉领域的重要研究课题之一,是被动式叁维重建技术的重要组成部分;在其基础上形成了多视角视频序列叁维重建技术。基于多视角视频序列重建叁维动态场景是生成自由视点视频的主要技术之一,也是目前计算视觉领域最富有意义和挑战性的任务之一。然而,基于多视角视频序列重建技术快速生成具有良好时空一致性的时变叁维模型序列仍然面临较多的问题。本文结合计算机视觉、多视图几何、图形图像等相关理论和技术,主要从提升重建速度和重建质量两个方面来研究叁维动态场景重建。一方面研究提高基于多视角视频图像序列重建叁维动态场景的速度;另外一方面研究提高叁维模型序列的时空分辨率以获得具有良好时空一致性的时变点云模型序列。具体主要研究工作如下:1.提出了一种基于贡献加权快速生成可视化外壳的方法为了提高叁维场景的重建速度,采用基于剪影轮廓序列重建技术是比较合适的选择。然而,基于剪影轮廓重建技术在空间线段求交阶段逻辑设计复杂,导致重建速度以及重建算法鲁棒性下降。针对该问题,提出一种基于贡献加权方法重建可视化外壳;该方法通过矩阵存储可视线段生成过程中贡献权值,然后一次性遍历矩阵,获得空间可视线段的端点集合。提高了可视化外壳的生成速度,同时增强了重建算法的鲁棒性;进一步提高了基于剪影轮廓重建技术对叁维动态场景实时重建的能力。2.提出了两种稠密化稀疏点云模型的方法:基于平面-空间颜色局部一致性方法和基于空间轮廓连续性方法为了获得良好的模型质量,稀疏点云模型应在保证重建速度的同时获得良好的模型外表特性。针对该问题提出两种较新颖的准稠密点云模型生成方法:基于平面-空间颜色局部一致性方法和基于空间轮廓连续性方法。前一种方法主要应用在场景纹理比较丰富的情况,后一种方法主要应用在场景纹理比较贫乏的情况。通过这两种方法能够快速生成全视点的、紧致的且具有外表特性的准稠密点云模型。3.提出了一种基于时空轮廓连续性提升时变点云模型序列时空一致性的方法为了提高叁维视频序列的时间分辨率,也即提高叁维模型序列时间一致性,高质量地跟踪关键帧模型之间的形变仍然是一个开放性的问题。针对该问题提出了一种基于多尺度轮廓稠密化的方法,从多视角视频序列中快速获得具有良好时空一致性的准稠密时变点云模型序列。该方法快速地、高质量地完成叁维动态重建对象的形变跟踪,为生成自由视点叁维视频打下良好的基础。4.提出了一种采用周期加权数据融合的智能手机相机位姿参数估计的方法为了提高移动智能相机的姿态参数估计的鲁棒性和准确性,不同传感器采集的姿态数据需要进行良好的融合。基于视觉特征方法和基于惯性传感器方法在相机位姿跟踪过程中,都存在数值误差且会发生误差累积,影响相机位姿参数估计的准确度。针对该问题提出了利用周期加权进行数据融合的智能手机相机位姿参数估计的方法。该方法提高了移动智能相机的姿态参数估计的鲁棒性和准确性。本文对基于多视角视频序列重建叁维动态场景以生成时变点云模型序列的当前若干关键问题进行了研究,并提出了行之有效的解决方法。理论分析和实验结果表明,本文提出的多种解决方法是有效的。
陈坤[6]2013年在《多视图叁维立体重建方法》文中研究表明随着多媒体技术的发展,叁维重建技术被广泛应用于电影特效、数字城市、叁维游戏、人机交互、非物质文化遗产保护等领域。近年来,基于多视图的立体叁维重建更是计算机视觉领域最热门的研究问题之一本文首先介绍了两种常用的相机定标方法,以及基于八叉树的可视壳构建算法。然后提出了两种基于多视图的立体叁维重建方法,一种是基于立体匹配的方法,另一种是基于光度立体视觉的方法,这两种方法可以结合起来得到更高精度的模型。第一种叁维重建方法是一种基于光线的多视图叁维重建方法。该方法利用离散的体素来表示几何空间,首先利用图像的轮廓线求出物体的可视壳,然后对图像上每个像素点生成一条光线。本文使用NCC作为光线一体素的一致性度量,在计算NCC时,通过采样空间中面片的法向使得NCC值更加可信。最后,提出了基于因子图的全局优化模型。由于光线因子的特殊性,本文提出了一种高效的置信度传播算法,使得时间复杂度从指数阶降为线性阶。实验结果表明,本文提出的方法鲁棒,重建出的模型准确性和完整性都很好。第二种叁维重建方法是一种基于光度立体视觉的方法,该方法利用光度信息计算物体表面点的法向,然后使用法向优化单视图的深度图或完整的叁维模型。本文设计了一种简单的光照模式,并提出了一种空间采样球标定的算法。最后提出了两种算法优化单视图的深度图以及完整的叁维模型。实验表明,这种方法不依赖于被重建物体表面的纹理,能够恢复出物体表面的细节。
皮慧婷[7]2017年在《非密集采样下的连续表面光场构建》文中提出随着立体视觉、虚拟现实和3D动画等领域的迅速发展,对重建对象的复杂性和生成图像的真实感要求越来越高,从而研究复杂对象的高精度叁维重建与绘制成为急需解决的问题之一。近年来,基于图像的建模与绘制技术因其能够有效解决该类问题而得到高度关注和广泛研究,其中,基于图像的建模是从二维图像中获取信息来恢复对象的叁维模型,基于图像的绘制是利用多张采样图像绘制出任意视点下对象的新图像,它们为计算机视觉、计算机图形学等领域提供了新的研究和发展方向,具有重要的理论和实际意义。目前,光场技术是一种备受关注的基于图像的建模与绘制技术,它能够通过获取叁维场景的密集图像恢复出叁维场景或场景中对象。但因为相机的观察角度和成像平面的空间约束,在一定深度范围内基于图像的光场数据具有模糊现象。为此,研究人员借助叁维模型引入表面光场。基于表面光场的建模和绘制是利用采样图像实现模型重建以及任意视点下对象的真实感绘制。通常采样密度会直接影响重建及绘制精度,密集采样一般会带来高精度的重建和绘制效果,但存在硬件成本高昂、存储数据量大、数据冗余等缺点。因此,研究如何在非密集采样条件下构建连续的表面光场,实现任意视点下对象的真实感绘制,是一个极具挑战性的研究课题。本文针对非密集采样下的图像信息,研究对象的高精度模型重建与连续表面光场构建,并通过光场绘制验证连续表面光场的构建精度。在叁维模型高精度重建方面,本文基于自适应参考模型,针对无特定约束的图像集,对现有模型重建方法的不足进行了改进,提出在光度立体重建中引入法线变化率约束来优化表面法向的估计,提高了模型重建精度。在连续表面光场构建方面,本文使用球谐函数为基底,利用增强稳定的最小二乘法构建出连续表面光场,并基于连续表面光场绘制模型在任意视点下的新图像。本文以人脸为应用实例,验证了本文提出的非密集采样下的连续表面光场构建方法的有效性。本文的主要创新工作和贡献如下:1、提出了目标自适应参考模型的构造方法。以人脸为应用实例,基于多个预定义人脸模型,使用局部特征区域相似度加权组合分块构建与全局融合方法,构造出自适应目标对象的参考模型。该参考模型对于目标人脸的适应度大大增加,能够提升重建精度。2、提出了基于光度法线的叁维模型精细化重建方法。以人脸为应用实例,结合使用Laplacian变形技术和光度立体技术,通过增加法线的平滑变化条件约束来改进基于光度立体重建技术的表面法向优化过程,提高了叁维人脸模型重建精度。3、提出了基于球谐函数的连续表面光场构建方法。以人脸为应用实例,首先将表面光场表示成基函数的线性组合,并选用球谐函数作为基函数,然后利用增强稳定性的无约束最小二乘拟合法构建人脸模型的连续表面光场。
赵振良[8]2013年在《光度立体在机器视觉中的应用研究》文中研究表明随着科学技术的发展，工业生产自动化程度的不断提高，越来越多的图像算法被应用到机器视觉检测中。光度立体是一种经典叁维模型重建技术，与双目视觉、DFF和激光叁角法这叁种叁维重建方法相比，具有适用范围广、硬件成本低廉、效率高等特点，在虚拟现实、工业制造检测等领域有着广阔的应用前景。光度立体包括梯度提取和基于离散梯度数据的曲面重建两个步骤，本文首先介绍了光度立体梯度提取算法的基本原理，并针对原算法鲁棒性差、效率低等缺点做了一系列改进，例如对阴影和高光区域的处理、光源非均匀性校正等。实验证明，这是一种在效率、精度、稳定性上均能满足流水线生产过程检测需求的解决方案。接着，本文深入研究了基于离散梯度数据的曲面重建算法，通过加入Butterworth高通滤波器和设置边界条件进一步提高了算法精度，并做了实验仿真。最后结合产品表面缺陷监测、凹凸字符提取两个应用实例，详细描述了光度立体技术在生产检测中的具体处理流程，取得了较为理想的效果。
张军, 戴霞[9]2006年在《一种针对基于图像的3D重建网格的简化算法》文中认为文章提出了一种针对“基于图像的曲面3D重建网格”的简化算法,利用原曲面光照图像的等灰度值曲线来确定初始简化叁角网格,然后通过若干次细分操作改善叁角网格的形状,从而形成最终的简化网格。由于所有计算都在平面图像上进行,使得复杂的叁维网格简化计算变成相对容易的平面网格简化计算,并同时具有保持原曲面的显示效果的优点。实验结果显示,该算法具有高效的计算速度和良好的显示效果保持特性,并可望应用到更广泛的高度场数据的简化方法中。
谢利民[10]2015年在《基于近场照明的光度立体视觉算法研究》文中研究指明光度立体视觉算法(Photometric stereo,简称PS算法)是叁维扫描技术中一种重要研究方法,同时也是计算机视觉领域中的主要研究方向。基于光度立体视觉算法的重建系统结构简单,成本低廉,可获取高精度重建表面信息,为此受到学术界和工业界广泛的关注与研究。物体表面光源信息及图像亮度信息是影响光度立体视觉算法所得表面法向精度的重要因素。在结构紧凑,光源工作空间有限的重建系统中,光线空间分布较为复杂,使得物体表面各点光源信息获取变得十分困难。除此之外,用于求解表面法向的图像信息通常为满足某种光源模型假设的亮度分布,这与实际获取的图像亮度分布存在一定差距。以上因素导致求得的物体表面法向方向存在一定误差。为实现在近场光源照明条件下得到接近真实表面深度信息的重建结果,本文对光源信息获取及图像亮度校正过程进行了深入而细致地研究,提出了一系列有效的创新与改进算法。本文首先对光度立体视觉算法的研究内容,研究趋势以及成果和应用进行了详解介绍。并针对当前研究的难点问题,确定了本文主要研究内容。本文详细论述了光度立体视觉算法的实现过程,作为验证算法的软件及硬件平台基础,对重建系统及标定过程进行了详细描述。在光度立体视觉算法中,光照模型不仅用于求解法向信息,同时可用于光源信息标定,光照模型对物体表面特性描述的准确程度,对光源信息标定精度有着十分重要的影响。为此,本文基于光度学及辐射度学概念推导得出了一般性光照模型,结合光源光学和结构特性提出了基于光源特性的双朗伯光照模型。通过实验对比表明,所提模型较朗伯模型更接近真实物体表面反射特性。本文称将光源抽象为具有某种形状几何体的泛光源的标定算法为理想光源标定。理想光源根据位置和形状的不同,主要分为无穷远点光源,近点光源及面光源。针对近场照明系统应用,本文比较了不同光源模型对重建结果的影响,为选取合适的光源模型提供了理论与实验依据。对现有基于面光源的光度立体视觉算法进行了扩展,实现了基于任意形状面光源的重建算法。现有的理想近点光源标定方法单纯依赖光线空间几何关系或既定的光照模型,忽略了特定光源发光特性的影响,导致配置在同一位置的不同特性光源的标定结果有所差别。为此,基于双朗伯光照模型,本文提出了叁种基于光源特性的标定算法。实验结果表明,本文所提算法与现有算法相比,所获光源信息更加准确,并可有效改善重建结果。光源标定过程通常较为复杂,尤其对于利用图像信息的模型拟合算法而言,标定过程往往需要反复迭代优化,这使得整个标定过程变得十分耗时。另外,在标定过程中由于各种因素的干扰,标定结果常具有不确定性。针对以上情况,本文提出了基于近点光源的快速标定算法,仅利用光源所对应的单一图像即可完成光源位置的快速准确估计。通过实验证明,该算法既可实现光源标定过程的实时性,同时又具备较高的标定精度。由于光源制造工艺误差,光学器件安装、控制环节偏差,光学材料光谱响应变化,以及光源筛选过程随意性,导致重建系统中各光源强度空间分布存在一定差别,导致图像亮度分布不一致,最终影响了重建结果的精度。现有光源强度校正算法大都针对平行光线模型假设,而对近点光源模型下的校正问题研究甚少,鉴于该种情况,本文提出了基于近点光源的强度补偿算法,实现了对图像亮度信息的校正。实验结果证明,该算法可有效补偿光源强度,改善重建结果。
参考文献：
[1]. 基于光度立体图像的3D模型重建算法研究[D]. 张军. 西北工业大学. 2004
[2]. 基于光度立体法的叁维重建技术的研究与实现[D]. 林慕清. 东北大学. 2010
[3]. 基于光度立体视觉的表面精细特征叁维重建技术研究[D]. 徐庆相. 华中科技大学. 2011
[4]. 基于准稠稠密匹配配方法的的PMVS算算法改进[D]. 陈冉. 北京工业大学. 2014
[5]. 基于多视角视频的时变叁维模型序列生成若干关键技术研究[D]. 黄初华. 浙江大学. 2017
[6]. 多视图叁维立体重建方法[D]. 陈坤. 浙江大学. 2013
[7]. 非密集采样下的连续表面光场构建[D]. 皮慧婷. 北京工业大学. 2017
[8]. 光度立体在机器视觉中的应用研究[D]. 赵振良. 西安电子科技大学. 2013
[9]. 一种针对基于图像的3D重建网格的简化算法[J]. 张军, 戴霞. 计算机工程与应用. 2006
[10]. 基于近场照明的光度立体视觉算法研究[D]. 谢利民. 华中科技大学. 2015
标签：计算机软件及计算机应用论文; 立体视觉论文; 相机标定论文; 序列模式论文; 图像融合论文; 3d模型论文; 计算机视觉论文; 场景应用论文; 算法论文;