幾何約束的立體圖像特征點對應及三維重構研究.pdf

1、本文系統(tǒng)地闡述了計算機視覺中場景的兩個視圖特征點匹配及三維重構的發(fā)展動態(tài)及基本理論，詳細分析總結了光學圖像幾何約束的特點、參數(shù)求解及應用范圍。深入研究了利用有效的幾何方法解決曲面場景特征點匹配的問題，及其重構方法。 第一章的緒論部分對這一課題進行了綜述。指出曲面場景的特征點匹配及三維重構是計算機視覺的重要組成部分，同時也是難點之一。本章介紹了國內外的研究現(xiàn)狀，對已有方法進行了概述，對優(yōu)缺點進行了比較。對特征點匹配的方法進行了分類

2、，主要是基于點模式的匹配，包括種類、典型方法。給出了計算機視覺中涉及數(shù)學計算方法的魯棒性，另外介紹了廣泛研究的視差匹配方法：介紹了重構方法。介紹了本課題在計算機視覺中的應用及課題的研究目標。 利用圖像的特征點進行兩視圖有遮擋的曲面圖像的分析，利用平面同形這一一般的幾何約束與廣泛采用的對極幾何約束相結合進行兩個靜態(tài)視圖特征點對應的研究。指出了對極幾何在立體匹配中的作用及其一維約精確匹配的限制性，同時詳細介紹了同形映射這個幾何約束的

3、特()利用Sampson誤差計算同形的數(shù)學方法，用于含有平面的場景進()點匹配。提出以兩種幾何約束下匹配誤差為最小準則的優(yōu)化技術，用GA進行求解全局最優(yōu)值，與廣泛應用的單獨由對極幾何約束的匹配方法相比，增加同形約束克服了其解決曲面圖像點匹配的誤匹配率較高的缺點，不受圖像尺度、坐標的影響。與傳統(tǒng)的相關法相比，優(yōu)化的方法對噪聲更有魯棒性。另外對于迭代算法給出了實驗驗證，采用隨機抽樣提取初始匹配中的誤匹配，獲得較好的實驗結果。 提出了

4、利用已知基本矩陣匹配兩個視圖特征點需要的幾何參數(shù)求解方法。從射影和仿射投影兩種情況分別討論。如果是射影攝像機獲得的場景投影采用柏關法進行角點的初始匹配，然后用魯棒技術進一步精確地求取基本矩陣的參數(shù)。對于仿射圖像，采用神經(jīng)網(wǎng)絡的方法，僅從特征點的位置信息可獲得光學圖像對的仿射基礎矩陣參數(shù)，同時還能得到對應的點列。對于遮擋嚴重的圖像，提出用隨機概率匹配三視圖求解攝像機參數(shù)，由三焦點張量與特征點的幾何關系求解兩視圖之間的基本矩陣。 給

5、出特征點的受確定性分析，獲得立體圖像的裝置受到系統(tǒng)誤差和噪聲的影響，給出的特征點觀測位置是不準確的，有效地計算匹配點的不確定性是引導正確匹配和衡量匹配算法優(yōu)劣的關鍵問題。首先對特征點的不確定性進行建模，然后根據(jù)特征點匹配的幾何約束對誤差傳播進行分析，利用高斯函數(shù)的性質，提出了利用高斯分布函數(shù)計算匹配點不確定性的方法。從匹配點誤差的來源及誤差對匹配結果的影響，給出特征點匹配不確定性的魯棒算法，基于正態(tài)函數(shù)進行隨機數(shù)據(jù)計算及權值再分配法能最

6、大限度地利用有效數(shù)據(jù)。與模糊法相比，魯棒不確定性能獲得更精確、對噪聲更魯棒的結果。給出基于不確定性的概率法檢測誤匹配；以最佳重投影精度為代價函數(shù)求解三維重建點的不確定性，可有效地提高曲面物體重構精度。 本文詳細研究了同形約束下的曲面場景三維重構方法，類似于人眼對物體的識別方式，用物體圖像的特征來恢復物體大部分的三維信息。提出基于三角形的重構一體化方法，解決了特征點匹配的誤差造成的無法確定三維空間點投影源的問題。給出從射影重構到仿