面向鐵路線路視頻的三維場景理解.pdf

1、立體視覺是計算機(jī)視覺領(lǐng)域的一個重要分支，其中三維場景理解一直是研究熱點之一。本文主要面向鐵路線路視頻研究三維場景理解技術(shù)，恢復(fù)出場景中物體的空間相對位置，從而可以更加生動、真實地描述鐵路線路環(huán)境，對于生成線路環(huán)境全景圖、線路三維導(dǎo)航以及維護(hù)線路環(huán)境運(yùn)行安全等具有重要的理論意義和應(yīng)用價值。
　　論文的主要工作如下:
　　1.面向鐵路線路視頻，提出了構(gòu)建鐵路場景三維空間布局方法。首先通過分析二維平面與三維立體之間的轉(zhuǎn)換關(guān)系、攝像

2、機(jī)成像原理、各個坐標(biāo)系之間的對應(yīng)關(guān)系和立體幾何原理，提出了自動獲取視頻空間場景布局的方法。其次基于由線到面再到體的構(gòu)建過程，恢復(fù)出場景立體分布情況，并且將此研究應(yīng)用到全景圖生成的方法上，可以自動地拼接出鐵路視頻的全景圖，從而提高生成全景圖的質(zhì)量。
　　2.提出了鐵路線路視頻的深度估計方法，進(jìn)而構(gòu)建出三維環(huán)境視頻。目前常用的兩種獲取深度圖的方法，一種是基于硬件傳感器的方式拍攝得到。這種方法比較簡單，結(jié)果精確，但是會受到電源和電線的限

3、制;另一種方法是使用半自動交互軟件生成深度圖。這種方法不受區(qū)域的限制，但是在生成過程中需要用戶的干預(yù)。為了更好地得到視頻深度信息，本文將上述方法與基于圖像特征匹配的方法相結(jié)合，提出了一種新的線路視頻的深度估計方法。實驗結(jié)果表明，與馬爾科夫隨機(jī)場(MRF)方法相比，運(yùn)用本文的方法得到的深度圖誤差較小更為準(zhǔn)確。與Depth Transfer方法相比，估計結(jié)果很接近，但是Depth Transfer方法需要使用Kinect拍攝得到RGBD先驗