基于無序圖像的密集三維重建技術研究.pdf

1、基于圖像的三維測量手段由于其非接觸、成本低、可多點測量等優(yōu)點，已經(jīng)被廣泛應用于各種大型結構變形測量和大尺度運動測量工程中。但是目前的應用中僅限于對待測目標的若干稀疏點進行三維測量，若能實施更為密集的重建，從而直接獲得目標的三維模型將有著重要的意義。一方面在大型結構變形測量中對變形形面實施密集三維重建可以為其力學性能測試提供更多的有效觀測數(shù)據(jù)；另一方面在大尺度運動測量中對飛行器實施密集三維重建，能夠輔助實施直觀的故障診斷，還可以對目標進一

2、步應用基于模型的跟蹤方法。另外，隨著以攝像頭為標配的智能手機的普及，人們獲得數(shù)字圖像的門檻越來越低，同時隨著3D打印技術的發(fā)展，催生了人們對利用手頭即有圖像重建場景完整三維模型的極大興趣，這也給基于圖像的密集三維重建技術在民用領域帶來了廣泛的應用前景。
　　按照參與重建的圖像有序與否，基于圖像的密集三維重建技術又可以進一步分為基于序列圖像和基于無序圖像的密集三維重建技術，其中后者解決的是更為廣義的三維重建問題，同時很多應用場合下往

3、往也是拍攝無序圖像更為容易實施，因此其應用面也更為廣泛。然而也正是因為沒有時序信息可以利用，無序圖像往往面臨著更為嚴苛的應用條件，例如更寬的圖像基線以及更為嚴重的遮擋問題等，這都給基于無序圖像的密集三維重建技術帶來了更多、更富挑戰(zhàn)性的、亟待攻克的技術難題。
　　本文深入研究了基于無序圖像對場景實施密集三維重建的三個基本問題，即無序圖像的定向、場景結構和圖像定向的聯(lián)合優(yōu)化以及密集三維重建，致力于提高密集重建結果的精度和完整度，以及整

4、個重建過程的自動化和魯棒程度。針對無序圖像的定向問題，分別研究了基于控制點、編碼標志和自然圖像特征的無序圖像定向方法；針對場景結構和圖像定向的聯(lián)合優(yōu)化問題研究了基于深度的稀疏光束法平差方法；針對密集三維重建問題則研究了多視圖立體視覺方法。本文的主要創(chuàng)新工作如下：
　　一、研究了基于控制點的工程實用無序圖像單站標定方法
　　詳細歸納總結了6種基于控制點的工程實用像機參數(shù)初值標定方法和2類參數(shù)優(yōu)化方法，設計了一套通用標定流程和軟

5、件，并進行了詳細的標定算法選擇導向分析，提高了標定解算過程的自適應程度，降低了標定設計成本和誤操作概率。
　　二、研究了基于簡易編碼標志的無序圖像自動網(wǎng)絡化定向方法
　　設計了一種簡易的基于圓形特征的編碼標志，并研究了相應的圖像檢測和識別算法；進而基于圖像間的同名編碼標志，通過相對定向的方式對圖像進行聚類，并于圖像聚類過程中自動完成無序圖像的網(wǎng)絡化定向。
　　三、研究了基于自然圖像特征的無序圖像自動網(wǎng)絡化定向方法

6、>　　首先研究設計了一套魯棒的單射特征匹配獲取流程；之后提出了基于匹配個數(shù)加權全局排序的特征跟蹤算法，實驗表明該方法能顯著增加跟蹤結果所形成的特征軌跡數(shù)量及其平均長度；最后，研究設計了一套增量式SfM流程，依據(jù)特征軌跡，完成無序圖像的魯棒、全自動網(wǎng)絡化定向，在增量式SfM方法中創(chuàng)新應用了迭代相對定向方法，并采用了一種自適應的相對定向初值確定方法；另外結合基于Huber M-estimator的迭代重加權最小二乘稀疏光束法平差方法的使用，

7、提出了半全局和增量式半全局兩種誤匹配處理方法，實驗表明這兩種方法能有效屏蔽誤匹配對參數(shù)估計的影響，并恢復正確匹配。
　　四、提出了一種基于深度的稀疏光束法平差方法
　　針對場景結構和圖像定向的聯(lián)合優(yōu)化問題，現(xiàn)有的光束法平差方法沒有考慮無觀測誤差參考像點的應用情形，為此，利用參考像點無觀測誤差的特性，提出了一種新的基于相對于參考圖像的深度值的物點表示模型，研究了基于該物點表示模型的稀疏光束法平差方法，分析推導了相應的正規(guī)方程和

8、參數(shù)估計協(xié)方差矩陣的分塊結構形式及其稀疏化求解方法。實驗表明相比于傳統(tǒng)的稀疏光束法平差方法，本文方法針對無觀測誤差參考像點的應用情形能進一步提高優(yōu)化精度，同時由于采用一維標量來表示物點，還進一步提高了運算速度。
　　五、提出了一種高精度和遮擋魯棒的多視圖立體視覺方法
　　提出了一種參數(shù)估計三維空域傳播的PatchMatch方法，并研究了該方法的并行處理機制；提出了一種基于馬爾可夫隨機場能量最小化的可見性估計方法；針對支持平面

9、估計多視圖優(yōu)化的問題，采用了MPGC多視圖最小二乘匹配方法，并針對該方法提出了一種基于深度和可見性估計的外點檢測和剔除方法；針對最終密集重建結果中誤匹配剔除的問題，提出了一種基于可見性估計的深度一致性判斷方法。本文所提出的多視圖立體視覺方法已經(jīng)經(jīng)過國際知名的Middlebury數(shù)據(jù)集的測試，結果顯示本文方法是所有參試方法中精度最高的，所有數(shù)據(jù)集的重建誤差均在0.5毫米以內，同時還擁有高的重建完整度，所有數(shù)據(jù)集重建出來的有效場景表面比例均