基于三維重建的三維模型檢索技術(shù)研究.pdf

1、三維模型較之二維圖像有著更為豐富的信息和更好的直觀性。隨著三維檢索技術(shù)的發(fā)展，人們發(fā)現(xiàn)利用三維檢索技術(shù)結(jié)合三維重建可以解決某些在平面上無法解決的識別和檢索問題，基于三維重建的三維模型檢索技術(shù)得到了日益重視和發(fā)展。如何提出高效的基于三維重建的三維檢索算法成為了一個(gè)前沿并且富有挑戰(zhàn)性的課題。基于三維重建的三維模型檢索技術(shù)是利用計(jì)算機(jī)技術(shù)從一段視頻場景中提取目標(biāo)對象的三維模型然后再按照模型的特征對模型進(jìn)行歸類和檢索的技術(shù)。工作過程分為特征點(diǎn)選

2、?。焊鶕?jù)特征點(diǎn)重建出三維點(diǎn)云模型；將重建后的三維點(diǎn)云模型按照不同的特征進(jìn)行分類以便于檢索。在特征點(diǎn)選取階段，現(xiàn)有的方法在特征點(diǎn)選取過程中都需要用戶的參與，無法達(dá)到自動選取特征點(diǎn)；在三維重建階段，傳統(tǒng)的SFM方法嚴(yán)格依賴于二維特征點(diǎn)的對應(yīng)關(guān)系，要求兩幅圖像的特征點(diǎn)精確對應(yīng)，但得到特征點(diǎn)的精確對應(yīng)關(guān)系是非常困難的；在三維模型檢索階段，因?yàn)橹亟ǔ龅氖侨S點(diǎn)云模型，點(diǎn)云模型的相似度比較是十分困難的。針對以上問題，本文主要工作歸納如下：

3、第一，在特征點(diǎn)選取階段，本課題提出一種新的基于Horn-Schunck光流算法和canny算子的二維特征點(diǎn)的標(biāo)定算法來自動獲取特征點(diǎn)。首先使用canny算子提取圖像序列中首張圖片中對象的邊緣，然后采用Horn-Schunck光流算法計(jì)算出所有圖片的光流場；最后把對象邊緣上光流向量最大的一組點(diǎn)作為特征點(diǎn)。 第二，在三維重建階段，本課題采用基于EM算法的SFM算法，這種算法的特點(diǎn)是不需要給出原始圖像特征點(diǎn)的精確對應(yīng)關(guān)系，而是采用了一

4、種從空間三維坐標(biāo)點(diǎn)到二維特征點(diǎn)的“虛擬距離”來輔助完成三維重建，這種“虛擬距離”綜合了所有從空間三維坐標(biāo)點(diǎn)到二維特征點(diǎn)的距離值，然后利用二維特征點(diǎn)對應(yīng)關(guān)系的先驗(yàn)知識配合期望最大化算法(EM，Expectation Maximization Algorithm)來逐步完善“虛擬”距離，最后使“虛擬”距離收斂為從空間三維坐標(biāo)到二維特征點(diǎn)的距離值，然后得出目標(biāo)對象的三維點(diǎn)云模型。 第三，在三維模型檢索階段，本課題采用Crust算法從點(diǎn)