基于图像特征点的稠密点云三维重建

《基于图像特征点的稠密点云三维重建》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、分类号：TP391单位代码：10183研究生学号：2015312034密级：公开吉林大学硕士学位论文（学术学位）基于图像特征点的稠密点云三维重建3DReconstructionwithDensePointCloudbasedonImageFeature作者姓名：苏涛专业：计算数学研究方向：计算机图形学指导教师：伍铁如教授培养单位：吉林大学数学研究所2018年06月—————————————————————基于图像特征点的稠密点云三维重建—————————————————————3DReconstructionwithdensepointcloudbasedonImageFea

2、ture作者姓名：苏涛专业名称：计算数学指导教师：伍铁如教授学位类别：理学硕士答辩日期：2018年06月05日未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学博士(或硕士)学位论文原创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，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

3、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：日期：年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院：本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容，愿意将本人的学位论文委托研究生院向中国学术期刊（光盘版）电子杂志社的《中国优秀博硕士学位论文全文数据库》投稿，希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《中国博硕士学位论文评价数据库》和CNKI系列数据库中使用，同意按章程规定享受相关权益。论文级别：■硕士□博士学科专业：计算数学论文题目：基于图像特征点的稠密点云三维重建作者签名：指导教

4、师签名：年月日作者联系地址（邮编）：吉林大学前卫南区数学研究所130012作者联系电话：15904315347基于图像特征点的稠密点云三维重建摘要三维重建一直是计算机视觉的热点研究领域，是获取物体模型及三维场景的重要手段。人们获取物体三维信息的方法有很多种，比如传统的几何造型技术，此方法需要较好的专业水平和大工作量；还可以通过3D激光扫描技术来获取，此方法受室外环境的影响较大，且不能获得目标纹理信息。相比而言，基于图像特征点的三维重建方法没有上述建模方法的诸多限制，只需要输入图像，成本低廉，不需要其他特殊的先验信息，通过优秀先进的算法，就能恢复出图像中物体及场景的三维信息。不

5、仅所需设备更加简单，对场景的限制较小，而且还能够获得精确逼真的模型。然而现有基于图像的三维重建流程虽然设备简单，成本低廉，但最后在恢复图像中物体三维信息时，得到的点云中会有大量冗余的点，而且点云稠密程度不足，模型的逼真程度不高，有时甚至会产生空洞，使最后的重建结果不够理想。另外，三维重建在图像特征匹配过程耗费的时间成本很大，效率很低。针对这些情况，本文对图像匹配过程进行优化，减少特征匹配所耗费的时间成本，并对三维重建流程加以完善，以解决现有流程的缺点。最后将优化和完善后的三维重建流程整合到设计的三维重建系统中。总结来说，本文围绕基于图像特征点的三维重建做了如下工作：优化图像

6、匹配过程。本文提出一种选择式的图像匹配策略，在特征匹配阶段，不对所有的图像进行两两匹配，而是通过初始计算图像之间所对应的相机距离，并对于每幅图像，只匹配相近的部分图像，在对特征数量影响不大的同时，大大减少了特征匹配的时间，从而降低了三维重建的时间成本。对现有基于图像特征点的三维重建方法流程加以完善。在完成原三维重建流程的基础上，针对重建流程中点云冗余和可视化程度不足等问题，对整个三维重建流程加以完善，并将其整合到后面的三维重建系统中。其中完善的流程主要包括：对冗余点云人工交互式删除处理后，将点云网格化，加强模型的可视程度；加入模型空洞修补模式，对点云网格化产生的空洞进行修补

7、；加入网格细分处理模式，解决点云不稠密的问题；为模型添加纹理映射过程，使其更具真实感。最后本文会通过实验来展示重建结果，并进行比较和分析。三维重建实验系统的开发。三维重建是一个比较复杂的过程，其涉及到的实验过程往往要协调各个流程的输入输出，因此，往往无法在一个平台和实验环境下完成。现有的三维重建系统不仅缺乏前处理和后处理，而且其内部的三维重建算法一般为固定的算法，无法与其他算法兼容，另外，其内部修改困难，难以添加研究人员自己的算法，也在某种程度上增加了研究的时间成本和难度。针对这种情况，本文实现了一个