三维重构中关键元素获取及使用的并行化研究与实现

《三维重构中关键元素获取及使用的并行化研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10289分类号：TP391密级：公开学号：149070015江苏科技大学专业硕士学位论文（全日制专业学位）三维重构中关键元素获取及使用的并行化研究与实现研究生姓名孟腾腾导师姓名刘镇申请学位类别工程硕士学位授予单位江苏科技大学学科专业计算机技术论文提交日期2016年12月21日研究方向计算机视觉论文答辩日期2017年03月17日答辩委员会主席高尚评阅人盲审盲审2017年3月28日分类号：TP391密级：公开学号：149070015工程硕士学位论文三维重构中关键元素获取及使用的并行化研究与

2、实现学生姓名孟腾腾指导教师刘镇副教授江苏科技大学二〇一七年三月AThesisSubmittedinFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringParallelizationResearchandImplementationofObtainandUseonKeyElementsin3DReconstructionSubmittedbyMengTengtengSupervisedbyLiuZhenJiangsuUnivers

3、ityofScienceandTechnologyMarch，2017江苏科技大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：年月日江苏科技大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留

4、并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权江苏科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于：(1)保密□，在年解密后适用本授权书。(2)不保密☑。学位论文作者签名：指导教师签名：年月日年月日摘要随着人工智能技术的发展，以三维重构技术为支撑的自主驾驶和虚拟现实等应用被广泛关注；而其应用中存在着较高的计算复杂度与较大的数据处理规模，制约了重构的实时性。为此本文针对其使用过程中常

5、见的几类典型场景展开了如下具体研究：（1）在小场景重构中，有常见的几种特征检测算法如Fast、Surf、SIFT等，其中SIFT发展较为成熟，非常适用于场景中关键元素的获取，本文针对其特征提取过程中计算较为耗时的部分，使用CUDA技术进行并行优化。同时，在特征匹配过程中，实现了一种基于GPU的KD树搜索方法，并利用KD树和具有红黑树特性的缓存密钥文件提高特征的匹配效率。（2）在运动场景重构中，介绍了目前使用较为广泛的Kinect传感器，并针对微软提供的KinectFusion建模方法中的ICP配准

6、过程，提出引入感兴趣区域优化建模算法中的相机姿态估计效率。最后，通过实验验证这一方法在保证重构精度的前提下，有效改善了整体计算性能。（3）在大场景重构中，随着计算量的急剧增加，稀疏捆绑调整方法的时间复杂度成为制约运动恢复结构法快速成像的计算瓶颈，本文实现了一种基于GPU的并行捆绑调整算法，并将使用该方法生成的稀疏三维点云通过CMVS和PMVS技术得到稠密三维点云。接着，通过本文并行优化后的泊松表面重建方法构建致密的三维模型。最后，基于分布式框架实现了分布式三维重构系统，并完成了一系列性能测试实验。

7、实验表明，本文分布式三维重构系统能够有效处理大场景的三维重建，并在分布式系统的基础上引入了CUDA并行技术，使得重构效率有了进一步的提高，但若基于普通相机（非深度相机）进行场景重建仍然满足不了实时重构的需求。其次，分布式重构方法对硬件配置要求比较高，不适用于移动嵌入式终端领域。接下来，我们的研究将通过深度学习方法解析场景的增量元素，通过在已有模型的基础上进行增量式重构，从而在本质上降低场景重构的计算复杂度。关键词三维重构；分布式系统；特征提取；CUDA并行化；Bundler；KinectIAbst

8、ractWiththedevelopmentofartificialintelligencetechnology,three-dimensionalreconstructiontechnologyasthesupportoftheautonomousdrivingandvirtualrealityapplicationsarewidelyconcerned.However,thehighcomputationalcomplexityandthehugedataprocessings