目標(biāo)的特征點(diǎn)匹配與立體重建.pdf

1、近年來，隨著計(jì)算機(jī)技術(shù)和圖像處理技術(shù)的快速發(fā)展，圖像匹配融合、人臉識別、虹膜識別、姿態(tài)識別、AOI(Automatic Optic Inspection、自動光學(xué)檢測)技術(shù)、目標(biāo)跟蹤、三維重建等計(jì)算機(jī)視覺技術(shù)得到了極大的發(fā)展。計(jì)算機(jī)視覺是對人類視覺的模擬。現(xiàn)實(shí)世界都是三維的，人類的單目視覺如同相機(jī)，所獲得的圖像是二維的，但是人類視覺可以利用雙目從兩幅二維圖像中感受三維信息。因此計(jì)算機(jī)視覺也可以實(shí)現(xiàn)從給定場景的兩幅或多幅圖像或者一段視頻中

2、，為該場景建立一個(gè)計(jì)算機(jī)模型或三維模型，也即三維重建。計(jì)算機(jī)視覺的研究主要強(qiáng)調(diào)的是二維圖像與三維場景之間的聯(lián)系。三維重建的主要框架，分為三個(gè)步驟：
　　i)依據(jù)匹配點(diǎn)計(jì)算基礎(chǔ)矩陣；
　　ii)依據(jù)基礎(chǔ)矩陣計(jì)算投影矩陣；
　　iii)依據(jù)投影矩陣和匹配點(diǎn)計(jì)算相應(yīng)的三維空間坐標(biāo)點(diǎn)。
　　其中匹配點(diǎn)的獲得是三維重建應(yīng)用的重要基礎(chǔ)和前提，而且也是許多其它計(jì)算機(jī)視覺應(yīng)用中必不可少的步驟之一。
　　本文首先對計(jì)算機(jī)視覺

3、中的三個(gè)重要內(nèi)容，特征點(diǎn)匹配、相機(jī)標(biāo)定和三維重建做了概述，接下來討論了圖像匹配包含的基本內(nèi)容。在深入地研究了 SIFT(Scale Invariant Feature Transform)匹配方法之后，總結(jié)分析了SIFT算法的優(yōu)勢與不足，提出了利用SIFT匹配點(diǎn)的邊角點(diǎn)匹配算法。該算法借助于SIFT算法實(shí)現(xiàn)了多尺度的角點(diǎn)檢測，并將通常角點(diǎn)匹配時(shí)的搜索范圍由全局縮小到局部，有效地縮小了候選點(diǎn)的搜索區(qū)域，這樣采用簡單的特征向量描述方式便可實(shí)

4、現(xiàn)較高的匹配精度。接下來我們利用SIFT匹配點(diǎn)估計(jì)基礎(chǔ)矩陣，在相機(jī)標(biāo)定的基礎(chǔ)上，將基礎(chǔ)矩陣轉(zhuǎn)化為本質(zhì)矩陣，依據(jù)矩陣分解理論，通過分解本質(zhì)矩陣求解投影矩陣，最后重建匹配的角點(diǎn)，畫出物體的簡要輪廓，實(shí)現(xiàn)目標(biāo)的三維重建。
　　本文遵循三維重建的主要框架和步驟，針對匹配點(diǎn)的獲得、投影矩陣的計(jì)算、相機(jī)標(biāo)定進(jìn)行了研究，最終實(shí)現(xiàn)了物體的三維重建。主要研究內(nèi)容如下：
　　1、提出了利用SIFT匹配點(diǎn)的邊角點(diǎn)匹配算法，即首先利用SIFT算法計(jì)

5、算匹配點(diǎn)，為彌補(bǔ)SIFT算法無法獲得匹配的邊角點(diǎn)這個(gè)不足，我們以SIFT匹配點(diǎn)為中心，在距離約束范圍內(nèi)計(jì)算匹配的角點(diǎn)。最后在不同類型噪聲，不同強(qiáng)度噪聲，不同尺度，不同旋轉(zhuǎn)角度下進(jìn)行了實(shí)驗(yàn)，結(jié)果證明該算法匹配性能良好。
　　2、本文以SIFT匹配點(diǎn)為基礎(chǔ)采用八點(diǎn)歸一化算法估算基礎(chǔ)矩陣，采用張正友標(biāo)定法對相機(jī)進(jìn)行標(biāo)定后，將基礎(chǔ)矩陣轉(zhuǎn)化為本質(zhì)矩陣，依據(jù)矩陣?yán)碚摚瑢Ρ举|(zhì)矩陣進(jìn)行分解，確定旋轉(zhuǎn)矩陣和平移向量，最終確定投影矩陣。通過重建角點(diǎn)，