三维模型的空间匹配与拼接

为获得敦煌莫高窟第172窟的全景三维模型,实现文化遗产数字化保护,提出一种三维模型的空间匹配与拼接方法。首先通过基于四目立体视觉系统的复杂场景三维重建方法,获取单一场景的三维模型;然后以场景真实三维点云数据的对应图像坐标为约束条件,进行高精度特征点匹配;最后以两对同名点在相邻两场景中的空间距离应该一致为条件,保留匹配精度高的点,用于计算旋转矩阵和平移矩阵,进行三维模型间的空间拼接。实验结果表明:与传统拼接方法相比,本文的模型拼接处无明显错位现象,视觉效果更好,传统方法与本方法的匹配误差分别为0.008 2和0.001 6,拼接精度得到显著改善。     

一种基于立体视觉的多视点建模方法

论述了一种基于立体视觉的建模方法。该方法利用立体视觉系统在不同视点对景物观测所获得的局部三维几何模型，通过空间特征点匹配和坐标变换将局部模型融合，从而建立景物的完整描述。文章重点介绍了一种基于空间向量的坐标变换求解方法。     

基于立体视觉的鞋楦数字化研究

针对鞋楦图像在三维重建中的匹配问题,提出一种改进的鞋楦数字化方法。对鞋楦表面做纹理网格化处理,利用Harris与Laplace算子相结合的方法提取特征点,采用改进的去除误匹配方法进行精匹配,通过双目视觉三角测量法求出匹配点的三维坐标。使用迭代近邻点算法实现不同方向点集的坐标融合和三维拼接,对全部三维点云数据进行三角网格化和曲面拟合,完成鞋楦三维重建。实验结果表明,该方法能便捷、高效地实现鞋楦数字化重建,可满足个性化制鞋需求。     

基于Kinect人体脚型三维构建

针对传统测量方法成本高、操作复杂、图像特征匹配率准确度不高等问题,提出了一种将Kinect传感器与计算机视觉技术相结合的构建人体三维脚型的方法。利用Kinect传感器搭建测量系统,获取不同角度的深度信息图像,通过改进的Harris-SIFT算法对特征点进行提取与匹配,并通过迭代最近点(ICP)算法完成对点云数据的拼接。结果表明:所提方法能够便捷、准确地实现人体三维脚型的构建。     

基于SURF特征点的自主空中加油定位研究

针对硬式空中加油技术中加油插座的定位问题,提出了一种结合SURF(Speeded-up Robust Features)特征点的双目立体视觉定位方法,确定了加油插座的空间位置,实现伸缩管和加油插座的精确对准。基于SURF匹配算法,对双目视觉系统采集的左右图像进行目标检测,并获取匹配目标的SURF特征点,通过空间误匹配点对的剔除和目标点坐标的计算,确定左右图像中具有空间位置一致性的目标点(即加油插座),从而恢复目标点的三维信息。实验结果表明,结合SURF方法能够有效地对加油插座的空间位置进行定位,具有一定的实用价值。     

一种用于智能车环境探测的立体视觉传感器

设计了应用于户外智能车环境感知的立体视觉系统,并提出了两种立体匹配算法,分别实现不同的功能.基于多特征提取的稀疏匹配算法首先通过图像局部增强处理减弱光照和场景变化的影响,然后在对极线引导和连续性约束下提取立体图像的角点特征和边缘特征进行匹配,能够实时探测环境的三维概貌,并突出环境中的障碍物信息,实现辅助车辆自主导航的功能;基于特征引导的稠密匹配算法采用了最小割/最大流算法,并利用多特征匹配的结果来剔除稠密匹配中的成块误匹配,能够重建出未知环境详细的三维信息,实现三维可视化功能.最后通过试验验证了两种算法的有效性.     

基于多视图三维重建方法在实验室系统中的应用研究

针对愈渐复杂的实验室系统,采用基于多视图的三维重建方法,实现对实验室系统中设备的结构重建.通过尺度不变特征变换(SIFT)匹配算法进行特征提取和匹配,并利用随机抽样一致性算法(RANSAC)和交叉过滤法降低误匹配率;通过多视图聚簇/基于面片的三维多视角立体视觉算法(CM-VS/PMVS)获取稠密点云;利用PCL泊松曲面...     

基于双目立体视觉的复杂背景下的牛体点云获取

提出一种基于双目立体视觉的复杂背景下的牛体点云获取方法。在点云获取过程中,针对牛不是保持不动的实际情况,采用基于被动视觉技术的双目立体视觉方法;在相机标定过程中,进行单目标定获取相机内部参数,统一标定获取相机外部参数,针对牛体毛色及所处环境复杂的情况,采用基于贝叶斯的皮肤检测算法提取牛体图像,采用基于SIFT的特征点提取和匹配方法实现特征点的匹配,利用计算机视觉中的极线几何原理,剔除误匹配点,通过相机的成像模型求取牛体的三维点云。实验验证了该方法能够在复杂背景下获取牛体点云,并得到较好的点云数据,较好解决了双目立体视觉中相机标定和立体匹配两个较关键和困难的问题。     

基于序列图像的摄像机自标定方法

提出了一种新的结合摄影测量和计算机视觉相关理论的摄像机自标定方法。首先通过序列图像的匹配点对,利用计算机视觉理论中的8点法求得摄像机基础矩阵F,通过矩阵F利用Kruppa方程求得矩阵C,对矩阵C进行Cholesky分解得到摄像机的内参数矩阵K,然后将求出的内参数作为初始值,利用摄影测量理论进行相对定向和绝对定向,最小二乘前方交会计算得到匹配点对的三维空间坐标,最后由匹配点对的三维空间坐标及其图像坐标,采用三维直接线性变换和光束法平差方法解算出摄像机内、外参数及畸变系数。该方法不依赖于特定的场景几何约束条件,只要序列图像之间有匹配点对,就可以进行自标定工作,具有广泛的适用性。模拟数据和真实图像的实验结果表明：该方法计算过程简单,标定精度高,是一种值得借鉴的摄像机自标定方法。     

改进的统计模型三维人脸特征点标定算法框架

自动三维人脸特征点标定是计算机视觉领域的研究热点,其广泛应用于人脸识别,人脸模型配准,表情识别,脸部动画等领域。通过对三维人脸样本统计建模,采用遗传算法对待匹配模型的生成数目进行参数优化,利用模型相似性匹配方法及其映射关系对三维人脸特征点进行自动标定。首先,对三维人脸数据预处理,然后对其统计建模并通过模型形变得到有映射关系的基准模型和待匹配模型。利用遗传算法对待匹配模型中的待匹配模型生成数目参数进行优化,生成与之对应的待匹配模型数;接着计算待测模型与待匹配模型的相似度。最后,利用模型相似度和模型映射关系,间接得到待测模型的特征点。实验结果表明,提出的算法是可行的,能够在一定程度上提高原有算法的效率。该算法可以自动标定三维人脸模型的特征点,当距离阈值为10像素时,39个三维人脸特征点定位的准确率都可以达到100%,并有效解决了传统方法中三维人脸模型平滑区域特征点精度不高的问题。     

3D reconstruction of human face based on an improved seeds-growing algorithm

An algorithm based on binocular stereo vision is proposed to generate 3D (three-dimensional) dense points cloud model of the human face. A two-step matching strategy from sparse to dense is developed. Firstly, an improved seeds-growing algorithm is utilized to acquire sparse matching of high confidence. Secondly, based on the control points method and piecewise dynamic programming, the dense matching is completed. Experimental results show that the proposed algorithm can produce smooth and dense 3D points cloud model of the human face.     

双目立体视觉的三维人脸重建方法

创建逼真的三维人脸模型始终是一个极具挑战性的课题.随着三维人脸模型在虚拟现实、视频监控、三维动画、人脸识别等领域的广泛应用,三维人脸重建成为计算机图像学和计算机视觉领域的一个研究热点.针对这一问题,提出一种基于双目立体视觉的三维人脸重建方法,重建过程中无需三维激光扫描仪和通用人脸模型.首先利用标定的2台摄像机获取人脸正面图像对,通过图像校正使图像对的极线对齐并且补偿摄像机镜头的畸变;在立体匹配方面,选择具有准确可靠视差的人脸边缘特征点作为种子像素,以种子像素的视差作为区域生长的视差,在外极线约束、单调性约束以及对应匹配的边缘特征点的约束下,进行水平扫描线上的区域生长,从而得到整个人脸区域的视差图,提高了对应点匹配的速度和准确度;最后,根据摄像机标定结果和立体匹配生成的视差图计算人脸空间散乱点的三维坐标,对人脸的三维点云进行三角剖分、网格细分和光顺处理.实验结果表明,该方法能够生成光滑、逼真的三维人脸模型,证明了该算法的有效性.     

《OpenGL三维图形程序设计》系列讲座 第五讲 曲线和曲面(下)

《ＯｐｅｎＧＬ三维图形程序设计》系列讲座第五讲曲线和曲面（下）３ＯｐｅｎＧＬ中的曲面３．１二维算子一个Ｂｅｚｉｅｒ曲面是一个二元向量值函数Ｓ（ｕ，ｖ）＝［Ｘ（ｕ，ｖ），Ｙ（ｕ，ｖ），Ｚ（ｕ，ｖ）］这里ｕ和ｖ都可以在其定义域内变化。在二维情况下，除了所...     

基于双目视觉的人脸三维重建

基于双目立体匹配算法PatchMatch算法,提出了一种获取人脸三维点云的算法。该算法对局部立体匹配算法PatchMatch进行了优化。该方法既不需要昂贵的设备,也不需要通用的人脸三维模型,而是结合了人脸的拓扑结构信息以及立体视觉局部优化算法。此方法采用非接触式的双目视觉采集技术获取左右视角的人脸图像,利用回归树集合(ensemble of regression trees,ERT)算法对人脸图像进行关键点定位,恢复人脸稀疏的视差估计,运用线性插值方法初步估计脸部的稠密视差值,并结合局部立体匹配算法对得到的视差结果进行平滑处理,重建人脸的三维点云信息。实验结果表明,这种算法能够还原出光滑的稠密人脸三维点云信息,在人脸Bosphorus数据库上取得了更加准确的人脸重建结果。     

一种改进的区域双目立体匹配方法

双目立体匹配是机器视觉中的热点、难点问题。分析了区域立体匹配方法的优缺点,提出了改进的区域立体匹配方法。首先,采集双目视觉图像对对图像对进行校正、去噪等处理,利用颜色特征进行图像分割,再用一种快速有效的块立体匹配算法对图像进行立体匹配。然后,在匹配过程中使用绝对误差累积(SAD)的小窗口来寻找左右两幅图像之间的匹配点。最后,通过滤波得到最终的视差图。实验表明:该方法能够有效地解决重复区域、低纹理区域、纹理相似区域、遮挡区域等带来的误匹配问题,能得到准确清晰的稠密视差图。     

空间编码与外极线斜率约束相结合的立体精匹配方法

三维型面非接触测量在工业领域有着广泛的应用前景。双目视觉是一种有效获取三维轮廓信息的方法，其中立体匹配是关键的一个步骤。本文提出了结合空间二进制编码与外极线斜率约束来实现立体精匹配的方案。首先利用空间编码将被测物空间划分成众多的不同编码区域．然后结合外极线斜率约束在左右两幅图像中具有相同编码的区城内寻找匹配点。该方法能够实现亚像素级的立体精匹配，改善了交向摆放姿态双目立体视觉系统的匹配质量。     

基于极值约束的鞋底边缘立体匹配

为了提取鞋底边缘特征,提出了一种中间加光源的双目立体视觉测量方法,增大边缘内外的对比度。针对鞋头和鞋跟特征匹配,提出了基于极值约束的边缘立体匹配方法。该方法分三步：采用Canny算子提取左右图像的边缘;对鞋跟和鞋头部分的边缘点利用最小二乘三项式曲线拟合,求取边缘点上与曲线极值点最近的点作为极值特征点;利用长度均分法进行其他边缘点的匹配。对鞋底进行双目三维测量实验,结果表明,中间加光源可使得图像边缘清晰,便于边缘提取;提出的匹配方法获得的鞋底边缘三维数据完整、正确,有效地抑制了匹配错误。     

基于实拍图像的人脸真实感重建

给出了基于实拍人脸图像的三维逼真人脸模型的重建算法,该算法首先在两幅人脸图像上交互标识特征点对和输入摄像机的广角参数来实现摄像机定标,进而匹配出两幅人脸图像上的其它对应点,实现模型的三维重建,作者用半自动垭达到匹配目的。用手工编辑建立的二维对应网格,得到初始人脸外开和鲁棒的最大拟然立体虎法自动匹配出稠密的对应点,重建出表示人脸的散乱三维数据点团;最后利用这些稠密的三维数据点去迭代矫正和自适应细分手     

Iterative point matching for registration of free-form curves and surfaces

A heuristic method has been developed for registering two sets of 3-D curves obtained by using an edge-based stereo system, or two dense 3-D maps obtained by using a correlation-based stereo system. Geometric matching in general is a difficult unsolved problem in computer vision. Fortunately, in many practical applications, some a priori knowledge exists which considerably simplifies the problem. In visual navigation, for example, the motion between successive positions is usually approximately known. From this initial estimate, our algorithm computes observer motion with very good precision, which is required for environment modeling (e.g., building a Digital Elevation Map). Objects are represented by a set of 3-D points, which are considered as the samples of a surface. No constraint is imposed on the form of the objects. The proposed algorithm is based on iteratively matching points in one set to the closest points in the other. A statistical method based on the distance distribution is used to deal with outliers, occlusion, appearance and disappearance, which allows us to do subset-subset matching. A least-squares technique is used to estimate 3-D motion from the point correspondences, which reduces the average distance between points in the two sets. Both synthetic and real data have been used to test the algorithm, and the results show that it is efficient and robust, and yields an accurate motion estimate.     

基于特征约束及区域相关的体视匹配方法

立体匹配是计算机视觉领域的一个关键问题,同时也是难点问题。为了得到准确的高密度视差图,通过对基于区域和基于特征的体视方法的讨论,综合两种方法的优点,提出了基于边缘特征约束及区域相关的立体匹配算法。该方法首先利用基于特征技术来得到边缘特征点,对边缘特征点再做灰度等区域相关匹配处理,然后在匹配的边缘特征点约束下,对非边缘特征点采用区域相关算法进行匹配,得到整体高密度视差图。这样既缩小了匹配搜索空间,又保证了匹配的可靠性。实验结果表明,该算法具有良好的效果和实用价值。