無組織多視圖圖像的自動化三維場景重建.pdf

1、從一個靜態(tài)場景的多幅未標定視圖來同時恢復攝像機的運動和場景的三維結構是計算機視覺領域的一個基本問題，擁有著廣泛的應用前景。其理論基礎多視圖幾何學在經(jīng)過了20多年的深入研究后也在近年邁向成熟，相關的教科書也已經(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現(xiàn)自動化的度量重建。難點主要體現(xiàn)在兩個方面：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現(xiàn)；對于沒有任何先驗信息的無序圖像組，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的人機交互，實現(xiàn)完全自動化的多視圖重建對系統(tǒng)的魯棒性提出了新的挑戰(zhàn)。
　　 本文針對多視圖重建的各個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；最終實現(xiàn)了一個高性能高魯棒性的自動化多視圖重建系統(tǒng)。基礎矩陣魯棒性估計的主流算法是隨機抽樣一致性算法RANSAC

3、 我們分析了RANSAC在理論和應用上的缺陷并提出了兩種新算法：自適應Tc;d 預檢驗RANSAC 以及基于高斯混合模型GMM的隨機抽樣最大似然算法GMSAC。自適應Tc;d 預檢驗使用了近似優(yōu)化的預檢驗參數(shù)選擇實現(xiàn)了自適應的RANSAC 加速。GMSAC 詳細分析了局外點的成因，并針對不同成因的局外點采用了不同參數(shù)集的GMM 建模，實現(xiàn)了基礎矩陣的最大似然估計。提出了一種最小化重投影誤差的線性射影重建方法，算法實現(xiàn)基于場景結構、攝像機