梁栋[1]2002年在《基于多视图的参数估计与形状重构》文中提出计算机视觉是一门综合性学科，它的研究涉及到图像处理与图像理解、模式识别、计算机图形学、信号处理、数学以及生物物理学等。计算机视觉的研究目标是使计算机具有通过二维图像(视图)认知叁维环境信息的能力。由于计算机视觉的研究成果可以直接应用于机器人定位与导航、精密工业测量、物体识别、虚拟现实以及军事等众多领域，所以计算机视觉问题的研究已成为当今世界上最热门的研究课题之一。 针对目前计算机视觉研究领域中的一些热点问题，本论文进行了较为系统的研究，主要研究内容包括基于多视图的分层重构和未标定P5P问题两部分。在第一部分中，针对叁幅及叁幅以上的图像，主要研究：①利用矩阵奇异值分解(SVD)实现射影重构，②通过求解Kruppa方程实现摄像机自标定，③由射影重构恢复欧氏重构；针对只有两幅图像的情况，主要研究：①利用场景结构信息求解无穷远平面的单应矩阵，由射影重构恢复仿射重构，②利用场景结构信息求解绝对二次曲线的像(等价于标定摄像机)，由仿射重构恢复欧氏重构。在第二部分中，主要研究：摄像机内参数未知且在运动中可以变化的未标定P5P问题的求解。 本论文的主要研究成果如下： 1．从摄像机模型出发，详细推导了透视模型与仿射模型的关系，讨论了射影深度的性质。介绍了基于奇异值分解(SVD)的射影重构算法的一般框架，分析并实现了基于基本矩阵和极点的射影深度估计算法。以测量矩阵的秩为4作为约束，以仿射投影逼近透视投影，提出了以下迭代估计射影深度的算法：①基于共轭梯度法的射影深度估计算法，②基于遗传算法的射影深度估计算法。在获得正确的射影深度后，通过奇异值分解将测量矩阵分解为射影空间下的摄像机运动和物体叁维几何形状(射影重构)。实验证明：相对于基于基本矩阵和极点方法来计算射影重构，本论文提出的算法对噪声具有更好的鲁棒性。 2．详细讨论了传统的基于Kruppa方程的摄像机自标定方法。提出一种求解安徽大学博士论文Kruppa方程的新方法一分步算法，先利用共轭梯度法估计Knjpa方程中的未知比例因子，然后利用所确定的比例因子线性地求解Knjpa方程，进而标定摄像机内参数。在摄像机内参数己知的情况下，提出一种从射影重构恢复欧氏重构的算法，先求解一个满足欧氏重构条件的非奇异矩阵，然后通过此矩阵将射影重构变换为欧氏重构。实验结果表明所提出的算法是行之有效的。 3．详细分析了仿射重构的本质，证明了可逆矩阵为无穷远平面单应矩阵的充分条件，以及从基本矩阵无法唯一确定无穷远平面单应矩阵。系统地讨论了如何利用场景中的结构信息，来唯一地确定无穷远平面的单应矩阵，进而由射影重构恢复仿射重构，以及如何通过绝对二次曲线的像求解将仿射重构变换为欧氏重构的单应矩阵。总结了叁种关于绝对二次曲线的像的约束，并利用这些约束求解绝对二次曲线的像，进而实现从仿射重构恢复欧氏重构。 4．针对五参数摄像机模型，讨论了摄像机在运动（运动参数末知）过程中其内参数是未知的且可以发生变化时，如何通过5个控制点以及它们的图像点，来求解所对应的内参数、方位以及运动参数。证明了下述结论：已知5个控制点在世界坐标系中的坐标，以及它们在摄像机作一般刚体运动前、后两幅图像中的图像坐标，当5个控制点中任意4个点均不共面且摄像机运动前、后的两光心的连线不通过任一个控制点时，则可线性地确定摄像机关于世界坐标系的方位、运动前、后所对应的内参数以及运动参数。在此基础上，提出一种线性求解未标定PSP问题的新算法。
王力[2]2016年在《基于全景影像序列的球面立体视觉多视图几何模型研究》文中指出按照计算机球面立体视觉的多视图几何约束原理所构建的虚拟球面成像模型,本文称之为球面立体视觉多视图几何模型。基于多视几何理论的球面立体视觉系统的本质性研究工作,就是构建基于全景影像序列的球面立体视觉多视图几何模型。本文在对计算机立体视觉的理论基础、基本矩阵和叁焦点张量的稳健性估计、基于多视图几何约束的像点匹配算法研究、基于多视几何约束的非线性畸变校正、基于影像序列的相机自标定等相关基础理论分析、算法模拟及实验评定的基础之上,以全向多镜头组合型全景相机所获得的全景序列影像为研究对象,以球面立体视觉理论为出发点,从“物理成像模型、几何约束模型、数学参数模型、系统误差模型和误差传递模型”五个方面系统性地论述与构建了基于全景影像序列的球面立体视觉多视图几何模型。同时,提出了一种基于全景影像序列的球心矢量算法(GV),完善并丰富了球面立体视觉系统的理论内涵与外延应用范畴。最后,针对OMS型全景相机,以球面立体视觉多视图几何模型为基础,在理想全景球面成像模型下,以球心矢量算法为主线,实验验证了70帧全景序列影像的投影重构算法的有效性,生成大量点云数据并最终实现了真实场景空间目标的叁维重构。本文依此所做的主要工作和主要结论如下:(1)从射影几何变换、立体相机成像模型及多视图几何理论为出发点,详细阐述了计算机立体视觉的理论基础。重点对计算机立体视觉中最重要的核心理论—多视图几何理论进行了论述,为后续章节的基本矩阵和叁焦点张量稳健性估计问题、基于多视几何的像点匹配算法、球面立体视觉多视图几何模型的构建、球心矢量算法的估计以及基于序列影像的叁维重构等问题提供了相关理论依据。(2)从几何基础和稳健性估计算法两方面出发,详细阐述了作为计算机立体视觉理论关键性的多视图几何—基本矩阵和叁焦点张量。在讨论基本矩阵和叁焦点张量的常用估值算法的基础之上,进一步研究了两视和叁视几何约束下的基于RANSAC算法的鲁棒性稳健估计,给出了对应的归一化7-点RANSAC鲁棒性估计算法(基本思想、算法的具体步骤和计算伪码),并进行了相关实验评定。结果表明,基于两视、叁视几何约束下的RANSAC鲁棒性稳健估计算法是稳定且有效的,平均对极距离和平均余差均小于0.5个像素(达到亚像素级)。这是由于多次使用RANSAC算法能够大量剔除误匹配的“外点”,使其估算精度较高,因此在后续章节的相关研究中选为首选算子。(3)介绍了叁种特征点提取算子:SIFT、SURF和ORB算子;为兼顾SURF算子的高匹配精度和ORB算子的高时效性特点,本文提出了一种新的基于影像金子塔策略的特征点快速匹配算法,并给出具体的实现步骤与算法流程图。同时,基于LADYBUG第0号子相机的连续两帧影像,按照匹配评价准则对各个算子进行综合评定。实验表明:SIFT算子的匹配精度最高、时效性最差;ORB算子的时效性最高,但匹配精度最低;基于影像金子塔策略的匹配算法和SURF、SIFT算子的精度相当(AED相差不到0.1个像素)且耗时最短。因此,考虑到基于海量序列影像的批处理操作时,本文提出的基于金字塔策略的快速匹配算法不失为一种较为优秀的高效实用的算法。(4)对子相机序列影像进行了初始匹配点集的获取工作之后,进一步给出了基于基本矩阵的两视匹配和基于叁焦点张量的叁视匹配,并结合RANSAC算子给出了具体的鲁棒性估计的算法步骤,同时对各自算法的匹配精度进行实验评定。其中仿真实验表明,基本矩阵F估计的平均余差会随着匹配点数的增加而越来越小,当点数大于40个时,平均余差的减少已不太明显。因此,两视影像间的匹配点数应尽量大于40对。(5)考虑到图像畸变对特征点提取与匹配精度的影响,针对叁焦点张量T与非线性畸变系数的内在耦合关系,本文提出了一种新的基于叁焦点张量T的叁视图几何约束相机畸变差自动校正算法,并给出了算法的基本思想、自动校正流程图以及该算法的计算伪码。针对第0号子相机的连续两帧/叁帧影像,分别运用基于F的和基于T的畸变差自动校正算法,实验表明,(1)这两种畸变校正算法均是有效的。(2)基于T的畸变差自动校正算法,其畸变校正后的平均对极距离和平均余差均小于基于F的畸变校正后的结果;说明,本文提出的基于叁焦点张量T的畸变校正算法优于基于基本矩阵F的校正算法。这是因为,在求取跨叁视影像内点集的过程中多次使用RANSAC算子,此时跨叁视的内点集的匹配精度要比两视下的要高很多,因此相应求取的12K,K精度也较高。(6)考虑到基于叁视几何约束下特征点的匹配精度对相机自标定结果的影响。基于第0号子相机的连续叁帧序列影像,分别采用基于绝对对偶二次曲面的相机自动标定算法和基于传统的标定法以获取两者的标定内参数,同时分别进行基于这两种标定方法的叁维重建点的仿真实验,以评价自标定重建点的相对误差精度。仿真结果显示,所有的自标定叁维重建点的相对误差大部分在8%以内,少数点在10%左右。实验表明,通过自标定方法得到的相机内参数与传统标定结果相比较,其吻合度和精度较为适宜;虽然存在一定的瑕疵,针对子相机序列影像的海量批处理而言,对于叁维重建结果精度要求不太高时,可以适用自标定方法。(7)以OMS型全景相机所获得的全景序列影像为研究对象,以球面立体视觉理论为出发点,从“物理成像模型、几何约束模型、相关数学参数模型、系统误差模型、误差传递模型”五个方面详细论述与构建了基于全景影像序列的球面立体视觉多视图几何模型。具体的来说,①从虚拟球面立体视觉模型、投影模型、坐标系统、拼接误差、不共面偏差等方面构建了物理成像模型。②针对虚拟全景球面立体视觉模型,从单视图几何、双视图几何和叁视图几何的内在约束关系出发,构建了球面立体视觉的多视几何约束模型。③从OMS全景相机的物理几何结构出发,分别从通用鱼眼镜头内部参数数学模型和外部参数数学模型两方面,构建了球面立体视觉的数学参数模型。④在总结前人的理论成果之上,推导并建立了理想全景球面成像模型与严格全景球面成像模型。基于单光线下理想全景球面的投影模型,推导并修正了最终的像方投影误差方程。同时分析了理想球面成像模型的系统误差来源,并得出其误差分布律。⑤针对像点的误差如何影响空间点叁维重建的精度问题,分别推导了“像点的协方差矩阵、球面坐标的协方差矩阵、基本矩阵的协方差阵、叁焦点张量的协方差阵、叁维重建点的协方差阵”,以此尝试构建了基于协方差矩阵的误差传递模型。(8)基于理想全景球面成像模型与针孔相机成像模型的比较,提出了基于全景球面影像序列的投影重建概念,并详细推导其重建过程。同时,基于理想全景球面成像模型,提出了一种基于全景球面影像序列的球心矢量算法(Gnomonic vector,GV),并给出了GV算法的概念、核心思想、具体算法流程步骤和算法的计算伪码。同时,进行基于基本矩阵和叁焦点张量的影像匹配算法的研究,以及基于叁视几何约束下的球心矢量算法的实验性验证。相关数学仿真实验和真实数据试验表明:采用球心矢量算法,将重建的叁维空间点重投影并进行特征点的坐标比对,得到的精度评定结果为:标准差为0.53pix。结果表明,本文提出的球心矢量算法,对基于全景影像序列的叁维重建能够得到亚像素级的重投影误差精度。(9)基于两视全景影像,SIFT算子与基于影像金字塔策略的特征点快速匹配算法相比较,本次实验表明,(1)原始待处理全景影像序列的帧数不多且需要较多的精匹配点数时,考虑采用SURF算子;(2)考虑到海量序列影像的批处理操作且对精匹配点数目要求不高时,本文提出的基于金字塔策略的匹配算法不失为一种更好的选择(10)基于MATLAB和LadybugSDK构建相关算法的验证平台,运用本文提出的球心矢量算法,对70帧全景球面的影像序列实现了叁维场景空间点的叁维重构,得到了大量的点云数据并对其进行叁角剖分、网格化模型处理和纹理贴图,最终得到真实场景的叁维重构结果。
陈杰[3]2006年在《基于计算机视觉多视图几何的叁维重建研究》文中指出3D重构是计算机视觉长期研究的课题，早期的3D重构方法都必须对摄像机进行预标定，因此只能应付静止和已知环境下的重构工作。1992年Faugeras和Hartley提出的利用未标定图像序列计算射影结构的理论(称为基于几何的多视图计算机视觉)，使这方面的建模工作有了显着地提高。在这种建模框架下，可以从未标定图像序列进行3D射影重构，与传统的摄影测量方法相比，基于多视图几何的叁维重建的方法成本低，真实感强，自动化程度高，因而具有广泛的应用前景。目前，该技术已经成为计算机视觉中的一个研究热点。 本文对多视图几何的叁维重建技术进行了深入的研究，重点研究了二视图几何的叁维重建方法。主要研究和解决了以下问题： 1、介绍了多视图几何的基本理论和方法，研究了Harris角点检测器和灰度相关系数法，实现了角点的自动提取和匹配。 2、基于多视图理论开发出一个自动化程度高的二视图叁维重建系统。主要利用了叁角形法计算3D特征点，然后利用分层重构的理论将射影结构提升到度量结构。 3、实现一种利用随机采样思想进行二视图基本矩阵估计的鲁棒算法，并全面考虑了非线性畸变对鲁棒算法的影响。
杨敏[4]2003年在《多视几何和基于未标定图像的叁维重构》文中提出利用无约束运动和未知恒定内参数的单台移动摄像机，重建场景的叁维模型是计算机视觉的一个挑战问题，主要应用于自主机器人导航、目标识别、逆向工程、基于图像的建模和绘制。本文深入广泛地研究了基于同一场景多幅图像的欧氏重构方法。 多视几何研究不同图像之间的几何关系，它提供了简洁的数学描述形式，由此可导出基本统一的代数表示式。对极几何是同一场景两视图之间固有的投影几何，它独立于场景结构，只依赖摄像机的内部参数和相对位置与姿态。基本矩阵封装了整个对极几何，精确和鲁棒估计基本矩阵，在场景建模和摄像机自标定中有很多应用。叁视张量在叁视图之间起着与基本矩阵同样的作用，它取决于视图间的运动关系和摄像机的内部参数，可由视图投影矩阵唯一确定。 首先，本文研究了基本矩阵随机采样鲁棒估计算法，并用来解决景象匹配中的实时图与基准图在空间不对准问题，并给出叁视张量的主要几何和代数属性。 摄像机自标定为从未标定图像序列中恢复叁维结构提供了有力方法支持，越来越引起计算机视觉领域研究人员注意。本文研究了基于场景几何约束的单视图标定方法；发展了一种利用基本矩阵和单纯形法估计参数的自标定算法，该算法分别基于本质矩阵属性和Kruppa方程，由此对两者的约束关系转化为对摄像机内部参数约束，这样就将自标定问题变成与约束相关的代价函数最小优化问题。 然后，本文研究了未标定两视图、单视图的叁维重构算法。这种方法充分利用人造结构场景中大量存在的平行性和正交性几何约束，从而对每幅视图进行标定。单视重构过程分为两部分：第一阶段，摄像机定标和计算每个平面的度量信息，即先基于叁个互相正交方向的影灭点，对方形象素相机标定，再利用影灭线和圆环点像，对每个平面度量校正；第二阶段，考虑每个校正平面的尺度因子和非正交平面间的相对面向，从而将所有校正后的平面缝合起来。两视重构过程有两个步骤：先是恢复摄像机的位置和运动；后是用叁角测量法，计算出点的叁维坐标。 最后，本文提出了一种基于多幅未标定图像，恢复场景叁维结构和摄像机内部参数的算法，先通过矩阵迭代分解算法得到射影重构，后通过估计绝对二次曲面，将射影结构升级到欧氏结构。
张娟[5]2011年在《基于多视图几何的叁维重建研究》文中研究说明多视图叁维重建是计算机视觉研究的重要内容之一。多视图重建是从不同视角获取目标物体的多幅视图，从视图中提取目标物体的叁维几何约束信息，利用此约束信息实现景物的叁维重建。早期的叁维重建多是基于两视图或在相机进行预标定或相机按照特定轨迹运动的情况下进行重建，这样的叁维重建只能实现静止和已知环境下的叁维重建，具有一定的应用局限性。本文基于计算机视觉中的多视图几何实现景物的叁维重建，不需要相机按特定的轨迹运动，也不需要对相机进行预标定，可以在相机参数未知的情况下进行重建。本文研究的内容主要包括以下几方面：1、研究了摄像机模型和计算机视觉中的多视图几何理论和相关方法；2、研究了角点检测和角点匹配的方法。在角点检测方面，针对目前各种角点检测算法的优缺点，提出了改进的Harris角点检测方法，可有效地避免经典Harris角点检测方法出现的角点聚簇及漏检的现象；在角点匹配中，研究了基于灰度相关值的初始匹配和基于基本矩阵的精匹配，并在基于基本矩阵的匹配中引入鲁棒估计，能有效地剔除误匹配点，最后通过引入引导匹配，可以获得更多的正确匹配点；3、研究了射影重建和度量重建的多视图叁维重建方法。在射影重建中，本文采用简化重构理论和对偶六点算法实现景物的射影重建，这种算法具有稳定性和几何有效性，能获得较好的射影重建结果；在度量重建中，通过采用分层重建的方法实现了目标物体的仿射重建和度量重建。本文研究的多视图叁维重建方法能够实现相机的完全自标定，在重建中不需要对相机进行预标定和要求相机按特定轨迹运动，也不需要借助消影点和消影线等信息，具有广泛的应用性；4、本文在VC++6.0平台上开发了一套自动的叁维重建系统。
曾祥[6]2018年在《碳纤维复合材料超声检测若干关键技术研究》文中指出碳纤维复合材料(carbonfiberreinforcedplastic,CFRP)被广泛应用于航空航天工业。碳纤维复合材料的缺陷将降低其使用性能,因此有必要对碳纤维复合材料进行质量控制。无损检测是质量控制的重要手段,而其中尤以超声无损检测技术应用最为广泛。本文针对碳纤维复合材料的缺陷超声检测技术进行了研究,研究内容包括超声波在碳纤维复合材料层板中的传播特性、孔隙率检测方法、局部孔隙检测技术和细观缺陷检测技术。详细研究内容如下。(1)论文研究了超声波在碳纤维复合材料中的传播特性。基于声波在多层介质中的传播模型,论文应用数值方法研究了超声波的共振现象,分析了纤维体积比、名义层厚、孔隙和富树脂对反射系数的影响。在此基础上,论文提出了接收超声信号模型,分析了无缺陷、含孔隙缺陷和含富树脂缺陷的情形下,接收信号的时频分布。建立了接收超声信号的近似模型,可以为实现接收超声信号的稀疏表示提供参考,揭示了接收超声信号的多分量特性。(2)论文提出了基于非线性动力学分析方法的碳纤维复合材料孔隙率评估技术。论文研究了不同分析参数、不同尺度、不同距离准则下,孔隙率与递归图和递归定量分析、多尺度样本熵的关系,为无底波场合下的碳纤维复合材料孔隙率检测提供参考,实现同一批次CFRP的孔隙率反演。无底波情形在厚截面碳纤维复合材料和具有复杂几何形状的碳纤维复合材料的超声检测中较为常见。(3)论文提出了低孔隙率碳纤维复合材料中局部孔隙的检测技术。对于低孔隙率碳纤维复合材料,孔隙率满足要求,但局部孔隙富集现象将危害其使用性能。论文首先介绍了变分模态分解,后续讨论了包括高斯—牛顿算法、期望最大化算法和匹配追踪在内的超声回波的参数估计方法。在此基础上,论文提出了基于变分模态分解和超声回波参数估计的局部孔隙的检测方法。变分模态分解被应用于分离接收超声信号中的混合噪声、一阶共振结构噪声和含局部孔隙缺陷回波的低频成分。超声回波参数估计技术被应用于回波的分离。为缓解超声波在碳纤维复合材料中传播时的遮蔽效应,论文提出了能量函数和瞬时增益的概念,对局部孔隙的严重程度进行评估。(4)论文提出了复杂形状碳纤维复合材料中细观缺陷的检测技术。对于复杂形状碳纤维复合材料,在制造过程中较容易形成尺寸高于孔隙的缺陷,如接近毫米级别的孔洞、分层、细长裂纹等。细观缺陷不仅影响孔隙率评估,更严重的是将极大危害材料的使用性能。论文分析了超声回波在广义S变换下的时频分布,根据时频图像分析,提出基于自适应全局阈值、数学形态学、连续差分评价指标的超声回波还原方法。介绍了基于经验模态分解的消噪策略,分析了模态函数样本熵的分布,提出了基于模态函数样本熵的部分重建方法和基于窗函数的相干噪声抑制方法。介绍了支持向量机的基本理论和若干分类性能评价指标,提出了基于支持向量机的消噪方法。(5)论文提出了超声检测结果的可视化方案。论文讨论了可视化对象的选择、冗余和“遮蔽”的解决方案,提出了检测结果的多视图成像技术,实现缺陷快速识别。结合超声信号处理和检测结果可视化的需求,初步设计了超声检测系统。
王俊杰[7]2013年在《基于机器视觉的桥梁检测多足爬壁机器人桥壁状态检测》文中指出本文研究基于机器视觉的桥梁底部的叁维重构和缺陷检测方法。通过对多视图几何原理的分析，确定使用双目摄像头作为传感器获取立体图像对，用多视图几何完成叁维点坐标的求解，从而实现桥梁底部叁维重构。通过对桥梁裂缝特征的分析，依次采用高通滤波加强裂缝区域，Radon变换提取裂缝特征，Adaboost-RVM算法对裂缝进行分类，从而完成桥梁裂缝缺陷检测。主要研究内容包括：基于SIFT方法的关键点检测：分析双目摄像头拍摄桥梁底部的图像特点，得知双目摄像头从不同角度进行拍摄从而使得两幅图像的灰度不同，也会因为角度不同而使得两幅图像发生相对形变，分析几种常用的角点检测方法并对其性能进行实验，最终确定使用SIFT方法检测关键点并生成关键点特征描述向量，该方法生成的特征向量具备光照和旋转不变性，能适应双目摄像头中图像发生的灰度变化以及形变。基于BBF改进的k-d tree算法的关键点匹配：在关键点匹配环节，通常有两种关键点匹配方法，灰度相关匹配直接根据图像灰度进行匹配，对光照和旋转很敏感，而基于特征的匹配则是计算关键点局部特征相似度，从而具备光照和旋转不变性。因此采用基于特征的匹配，用BBF改进的k-d tree算法搜寻图像中每一个关键点特征对应的最近邻，从而获取每一个关键点对应的匹配点。基于RANSAC算法的不良匹配去除：单独使用特征进行匹配会产生不良匹配，RANSAC算法能在包含异常数据点的数据集中确定数据集的实际模型并将异常点去除，因此采用RANSAC算法估计基本矩阵F的方法去除不良匹配点。基于多视图几何的匹配点叁维坐标计算：结合摄像头标定的参数，用多视图几何的方法建立线性方程组，将匹配点的叁维坐标计算出来，并用点云的方法表示桥梁底部的叁维形状。基于Radon和RVM-Adaboost的桥梁裂缝缺陷检测：桥梁裂缝的特点是裂缝处灰度变化剧烈，裂缝形状为线型特征的组合。针对裂缝处灰度变化剧烈，采用高斯高通滤波突出裂缝区域；根据裂缝的线型特征，用Beamlet变换完成裂缝区域的分割，并用Radon变换最大值及其对应的角度作为裂缝的特征；随后将RVM作为Adaboost的弱分类器组合成RVM-Adaboost分类器，用裂缝样本对其训练，从而完成裂缝的分类。
李立春[8]2009年在《基于无人机序列成像的地形重建及其在导航中的应用研究》文中研究表明以基于无人机序列图像的叁维地形重建及视觉导航为应用背景,研究了图像特征点匹配、地面目标和场景的叁维重建以及基于序列图像叁维重建的地形匹配导航等内容。论文的研究较好地解决了无人机序列图像特征点自动匹配问题和高精度的多视图叁维解算问题,实现了基于无人机图像的地面目标叁维重建,以及基于视觉图像的飞行器导航信息获取。在图像匹配方法研究的基础上,对叁线阵像机月面成像的配准问题进行了研究,实现了嫦娥一号卫星月面成像的超分辨率重建。论文的主要研究成果有：(1)针对未知成像相对几何关系的序列图像特征点匹配,提出了一系列匹配算法。具体包括：①鲁棒性特征描述与最小二乘迭代融合的匹配方法,算法采用具有不变性的特征匹配提供位置、旋转等初值参数,用最小二乘迭代匹配获得高精度结果,算法的鲁棒性和精度都较好；②提出了有效特征的概念以及基于有效特征的匹配算法(MBVIFP),算法识别有效特征用于图像匹配,提高了在遮挡、干扰情况下的匹配精度；③提出了一种高次形变补偿的叁线阵立体像机成像匹配方法,该方法应用于嫦娥一号卫星月面图像的处理,实现了月面成像的超分辨率重建。(2)针对已知成像相对几何关系的序列图像特征点匹配,提出了一系列匹配算法。具体包括：①极线局部校正匹配算法,该算法将待匹配图像上极线两侧局部区域进行校正使极线到达水平状态,在校正后的极线范围内相关搜索最佳匹配点,保证了匹配的极大相似性,从而获得了快速、稳定和高精度的匹配结果；②基于局部平面识别的单应约束与对极约束相融合的匹配算法,该算法根据成像中相邻特征点多对应于空间中实际平面的原理,识别已配准的局部共面点作为种子点,并计算其局部单应矩阵,对空间平面上种子点之间的待匹配点利用局部单应进行匹配点预测,算法具有搜索范围小,速度快的特点,提高了自动匹配的可靠性和精度。(3)提出了匹配测度加权的基础矩阵、单应矩阵参数解算方法。在求基础矩阵、单应矩阵等多视图相对几何关系参数的过程中引入了同名特征点的匹配测度,定义了同名点的互相关系数、特征距离尺度等匹配测度函数,利用匹配测度函数作为匹配点的权值对数据进行加权,同时利用RANSAC算法解决匹配野值问题,提高了解算的精度和鲁棒性。(4)研究了通过机载像机对地序列成像进行实时叁维地形重建,利用重建地形图与基准图进行匹配定位的视觉导航方法。提出了基于控制特征点可靠跟踪的关键帧特征点配准方法以及利用控制点确定的最优局部单应来引导密集点匹配的方法,提高了匹配效率,实现了航迹区域的叁维地形的实时重建,满足了地形匹配导航的要求。(5)针对地形匹配导航中实时地形图与基准地形图可能存在尺度缩放的情况,提出了一种基于叁维地形不变性特征描述的地形匹配方法。该方法利用地形关键点的相对位置构造地形的特征向量,基于特征向量间的距离比较实现地形匹配,解决了具有缩放变化的地形匹配问题,拓展了基于序列图像重建叁维地形在地形匹配导航中的应用范围。(6)在飞行器视觉导航方面提出了两种基于图像的导航信息获取方法。①提出了一种根据图像边缘与区域特征的地平线检测方法,基于地平线的成像分析实现了飞行器的俯仰角、滚转角的姿态测量。②提出了利用单应诱导视差测量着陆平面内目标起伏尺度的方法。分析了平面单应诱导视差与目标离面距离、成像配置参数等因素的关系,给出了基于单应诱导视差的目标离面距离评估方法,用于降落场的平面平整度评估。在论文研究中,根据这些新算法开发了无人机时序图像叁维重建示范性软件系统,完成了基于无人机序列图像的叁维重建。本文对无人机序列图像叁维重建的发展以及其在导航中的应用具有积极的作用。
贾丙西[9]2017年在《基于多视图几何的车辆视觉感知与控制》文中研究表明在机器人和智能车辆的自主导航过程中,需要对自身状态以及周围环境信息进行实时感知,并以此作为反馈信息进行控制。相比于其他传感器,视觉传感器具有较大的信息量和较低的成本,对环境具有更强的表征能力,从而提高了系统的灵活性。然而,图像空间是叁维物理空间的降维表示,在成像过程中丢失了深度信息,并且受到图像噪声、环境光照等多方面因素的影响,因而在感知中需要更复杂的处理过程得到需要的信息,在控制器设计中也需要充分考虑到视觉系统中的模型不确定性和约束,从而保证视觉伺服系统的稳定高效运行。本文中针对智能车辆的视觉感知与控制任务,利用基于多视图几何的建模方法对场景信息和自身状态进行描述,进而从冗余、高维的图像信息中抽象出可以直接用于感知和控制的几何信息,并基于此设计相关的感知与控制算法,主要研究成果如下:·针对两视图几何中单应性和对极几何各自存在的局限性,提出了基于参考平面的两视图几何模型,通过参考平面和投影视差来描述平面和非平面的场景,尤其适合于实际中的道路场景,相比于对极几何模型很大程度上减小了视图间匹配的搜索空间。·基于两视图几何模型,针对一般性的道路场景提出了基于迭代优化的几何重构算法,将道路场景重构为相对于参考平面的高度和坐标信息,基于两视图几何模型提出了相应的初值设置策略,从而保证了优化算法的收敛性和鲁棒性,较好地处理了道路场景中普遍存在的弱纹理和重复纹理的问题。基于重构的结果可以方便地进行可驾驶道路区域的识别。·针对复杂光照下的室外道路场景,提出了基于相机成像模型的光照不变图像变换算法,从而去除图像中阴影的效果,恢复出阴影区域内的纹理信息。相比于以往道路识别中常用的光照不变算法(单通道灰度图像),提出的算法在保证阴影去除效果的同时保留了更多的纹理和颜色信息(叁通道颜色图像),并且具有同等的计算复杂度。·提出基于两视图几何的分行递归算法进行道路重构,针对每个图像行交互进行几何重构和道路识别:几何重构中利用了上一行的道路识别结果构造道路边缘的先验概率分布并确定感兴趣区域,从而在提高几何重构精度的同时降低了计算复杂度;道路识别中利用了几何重构得到的几何信息分布和图像像素分布,并结合上一行的道路识别结果进行道路的分割。相比于传统的针对整个图像先重构再识别的思路,提出的算法只需要对道路存在的区域进行处理,从而具有更高的运算效率。·针对车辆的单目视觉轨迹跟踪任务,提出了基于叁焦张量的尺度化位姿估计算法;常规的视觉伺服跟踪控制中为了得到全局连续一致的尺度化位姿信息往往要求轨迹的初始视图与最终视图有足够的匹配信息(相机视野约束),文中提出了基于关键帧的策略,通过关键帧的选择和位姿变换算法在不需要初始视图与最终视图有匹配信息的情况下得到了更加精确和鲁棒的全局尺度化位姿信息,从而大大扩展了系统的工作空间。·针对非完整约束车辆的单目视觉轨迹跟踪/位姿调节任务,基于估计的尺度化位姿信息提出了自适应控制策略,设计了时变参数的控制律同时解决了非完整约束下的轨迹跟踪和位姿调节问题,并通过自适应更新律在线估计位姿信息中未知尺度信息和相机外参信息(在车辆上的未知安装位置),从而可以在相机安装在任意未知位置的情况下保证控制器的渐进收敛,进而基于单目视觉反馈精确地实现对轨迹的跟踪和位姿的调节。
万艳丽[10]2012年在《多尺度多视点密集点云重构算法的研究》文中研究表明随着互联网技术的迅速发展,网络中图像数据库的规模不断扩大,人们开始利用网上提供的图像资源构建各种真实场景的模型,这也使得叁维建模变得更加有意义。但是互联网上的图像来源不同,再加上外界噪音和遮挡因素的影响,使得既使是对同一场景拍摄的图像也具有显着的差异。因此,网络中的图像资源给叁维建模提供便利的同时,也给重建工作带来更大的挑战。本文以基于互联网图像资源实现户外开放性场景的多目重构为研究背景,紧紧围绕重建中涉及的关键技术开展研究工作,在深入的学习和分析现有的相关文献和算法的基础上在下面几个方面取得了一些创新性的研究成果：(1)提出一个新的结合灰度信息和颜色信息的局部不变描述符HRCRD的构建方法。该描述符由基于灰度Haar小波响应构建的子描述符和基于颜色比率不变模型构建的子描述符组成。其中对所提出的颜色比率不变模型,从理论上和实验上均证明了在视点变化、光照方向变化、光照强度变化和光照颜色变化等各种变化条件下能保持较好的不变性。HRCRD描述符不仅具有较快的描述速度,而且提高了现有描述符的独特性和鲁棒性。2)提出一种新的匹配代价函数,它基于颜色分量、方向分量和距离分量对传统的匹配代价函数进行加权,大大降低误匹配率。本文还提出了一种基于仿射变换优化模型的密集匹配算法,结合新的匹配代价函数,使传统的基于支持窗的密集匹配算法适用于宽基线图像的情况,且使密集匹配的精度达到亚像素级。3)针对互联网图像间尺度和基线对自定标算法精度的影响,提出了基于邻域视图选择方案的匹配点跟踪算法,使准密集匹配点在每个图像对应的邻域视图中快速精确的跟踪；针对参数优化过程中,由于输入图像的个数和3D点的个数较多致使全局优化开销变得非常大,甚至可能优化失败的情况,提出了一种两层迭代优化算法。内层迭代对相机参数和3D准密集点参数采用全局和局部相结合的优化策略。外层迭代基于重投影误差对外点进行剔除,降低外点对定标精度的影响。本文在多组图像集中对所提出的算法进行了验证,表明提出的两层迭代算法不但可以获得较密集的3D点云,而且比传统的全局优化算法获得更好的精度。4)针对互联网中的图像具有规模大、尺度范围大、分辨率高低不同等特点,提出将输入图像分级分组和视图选择：场景级图像预分组、图像级视图选择以及点级视图选择,面向重构中不同阶段的问题,较高效地组织图像。其中场景级预分组算法首先采用全局GIST特征对图像粗分组,剔除不必要的分组；然后采用局部HRCRD特征和两视图几何约束对分组进一步求精(筛选和合并),剔除组内具有较低相关性的图像并根据不同的视点范围和尺度范围对图像进行组内再分组(细化),有效的组织图像。在以上各部分的基础上,搭建了一个多视点多尺度叁维密集点云重构系统,将前面提出的算法集成到统一的平台。通过实验证明,该系统既可以实现户外多尺度场景的密集点云重构,也可以实现单一尺度场景的密集点云重构。
参考文献：
[1]. 基于多视图的参数估计与形状重构[D]. 梁栋. 安徽大学. 2002
[2]. 基于全景影像序列的球面立体视觉多视图几何模型研究[D]. 王力. 中国矿业大学(北京). 2016
[3]. 基于计算机视觉多视图几何的叁维重建研究[D]. 陈杰. 解放军信息工程大学. 2006
[4]. 多视几何和基于未标定图像的叁维重构[D]. 杨敏. 南京航空航天大学. 2003
[5]. 基于多视图几何的叁维重建研究[D]. 张娟. 南京航空航天大学. 2011
[6]. 碳纤维复合材料超声检测若干关键技术研究[D]. 曾祥. 浙江大学. 2018
[7]. 基于机器视觉的桥梁检测多足爬壁机器人桥壁状态检测[D]. 王俊杰. 华南理工大学. 2013
[8]. 基于无人机序列成像的地形重建及其在导航中的应用研究[D]. 李立春. 国防科学技术大学. 2009
[9]. 基于多视图几何的车辆视觉感知与控制[D]. 贾丙西. 浙江大学. 2017
[10]. 多尺度多视点密集点云重构算法的研究[D]. 万艳丽. 北京交通大学. 2012
标签：计算机软件及计算机应用论文; 立体视觉论文; 参数估计论文; 相机标定论文; 重构论文; 图像融合论文; 全景摄像头论文; 数据库视图论文; 摄像机标定论文; 矩阵变换论文; 矩阵分解论文; 人工智能论文; 全景拍摄论文; 算法论文;