無組織多視圖圖像的自動(dòng)化三維場(chǎng)景重建.pdf

1、從一個(gè)靜態(tài)場(chǎng)景的多幅未標(biāo)定視圖來同時(shí)恢復(fù)攝像機(jī)的運(yùn)動(dòng)和場(chǎng)景的三維結(jié)構(gòu)是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)基本問題，擁有著廣泛的應(yīng)用前景。其理論基礎(chǔ)多視圖幾何學(xué)在經(jīng)過了20多年的深入研究后也在近年邁向成熟，相關(guān)的教科書也已經(jīng)相繼面世。本文要挑戰(zhàn)的問題是如何在輸入大量無組織的多視圖圖像上實(shí)現(xiàn)自動(dòng)化的度量重建。難點(diǎn)主要體現(xiàn)在兩個(gè)方面：⑴如果輸入的圖像組是有序的，如視頻序列，則重建可以通過分層迭代的策略來實(shí)現(xiàn)；對(duì)于沒有任何先驗(yàn)信息的無序圖像組，如何采取合適的

2、重建策略是亟待解決的問題，目前的解決方案也只能有效的處理輸入視圖數(shù)較少的情況。⑵現(xiàn)有的系統(tǒng)在重建過程中需要大量專家級(jí)的人機(jī)交互，實(shí)現(xiàn)完全自動(dòng)化的多視圖重建對(duì)系統(tǒng)的魯棒性提出了新的挑戰(zhàn)。
　　 本文針對(duì)多視圖重建的各個(gè)子模塊提出了改良算法；并提出了一種新穎的基于圖論的多視圖重建策略，該策略完全不依賴輸入圖像組的序列信息；最終實(shí)現(xiàn)了一個(gè)高性能高魯棒性的自動(dòng)化多視圖重建系統(tǒng)?；A(chǔ)矩陣魯棒性估計(jì)的主流算法是隨機(jī)抽樣一致性算法RANSAC

3、 我們分析了RANSAC在理論和應(yīng)用上的缺陷并提出了兩種新算法：自適應(yīng)Tc;d 預(yù)檢驗(yàn)RANSAC 以及基于高斯混合模型GMM的隨機(jī)抽樣最大似然算法GMSAC。自適應(yīng)Tc;d 預(yù)檢驗(yàn)使用了近似優(yōu)化的預(yù)檢驗(yàn)參數(shù)選擇實(shí)現(xiàn)了自適應(yīng)的RANSAC 加速。GMSAC 詳細(xì)分析了局外點(diǎn)的成因，并針對(duì)不同成因的局外點(diǎn)采用了不同參數(shù)集的GMM 建模，實(shí)現(xiàn)了基礎(chǔ)矩陣的最大似然估計(jì)。提出了一種最小化重投影誤差的線性射影重建方法，算法實(shí)現(xiàn)基于場(chǎng)景結(jié)構(gòu)、攝像機(jī)