基于双目视觉的三维人脸重建方法

提出了一种基于双目视觉的三维重建方法,无须昂贵设备和通用模型。从校正后的图像中提取有效人脸重建区域以降低整体耗时。改进了Realtime局部立体匹配算法和基于种子视差约束的区域生长算法,融合Realtime阈值排序和置信度排序进行区域生长,提高了种子像素提取的可靠性和降低区域生长误匹配的可能性。最后,研究了纹理映射技术,提高了重建模型的逼真度。实验结果表明,该方法能够产生逼真光滑的三维人脸模型。     

基于多摄像机的人脸三维建模

为了提高三维人脸建模的精确度,在双目立体视觉理论的基础上,提出了一种基于多台摄像机拍摄的人脸三维建模方法。该方法利用两组摄像机分别在不同的角度拍摄人脸,并采用双目立体视觉理论计算三维人脸信息,最后结合两组摄像机分别得到的三维人脸信息,进行坐标变换并重构三维人脸。该方法有效弥补了原来由两台摄像机拍摄人脸所得的三维信息的精确度较差的缺点,并具有一定的实用性。     

基于多视角图像的三维人脸重建

多视角图像三维信息重建一直是计算机视觉领域的研究难点,通常需要多摄像机多角度同时拍摄,才能够恢复物体的点云数据。本文提出了一种基于SIFT特征的三维拼接方法 ,可以实现非标定拼接。该方法计算特征向量之间的欧氏距离,通过比较最小距离与次小距离之比来进行匹配。实验结果表明本方法基本能够描述物体的真实轮廓,但点云数据精度仍有待提高。     

基于支持向量回归机的三维人脸建模方法研究

提出一种新的三维人脸建模方法,该方法首先运用双目立体视觉原理从不同角度获得人脸的两张照片,在一张照片上选定特征点,通过匹配在另一张照片上得到对应的特征点,然后从空间立体几何知识出发,根据两张照片上特征点的坐标以及拍摄时的参数,计算其三维坐标,利用支持向量回归机(SVR)对其进行回归预测建模,最后经纹理贴图,得到具有纹理特征的特定三维人脸模型。仿真实验结果表明,该方法获得的三维人脸模型较为逼真。     

三维散斑相关法在机翼变形动态测量中的应用

针对机翼变形中应变检测的常规方法和传统方法存在的不足,以及飞行过程中的动态性和实时性要求,对基于三维散斑相关的机翼变形动态测量方法进行了研究.首先,由数字散斑相关和双目立体视觉的基本理论出发介绍了机翼动态三维变形测量方法;然后,针对散斑图像特点,分别从实时性、匹配基元、匹配准则、算法结构几方面进行分析研究,设计出适合于散斑图像特点的区域立体匹配算法;最后,构建出系统布局,并通过实际制作机翼模型进行验证.经分析,实验数据能较好地反映机翼变形过程中的三维应变状态.进而验证了该方案及算法的可行性.     

基于双目内窥镜的散斑三维重建系统研究

传统的内窥镜只能提供清晰的图像,无法进行三维测量和三维重建.该文提出一种基于立体视觉原理的双目内窥镜系统,用于实现三维测量和三维重建,并开发了一套基于双目内窥镜的散斑三维重建系统.为了提高系统的标定精度和三维重建质量,该文提出一种高精度双目内窥镜标定参数优化方法及基于光轴双次旋转的立体校正算法.其中,测量系统由一个结构...     

基于SFM算法的三维人脸模型重建

提出了一种根据两幅正面人脸图像和一幅侧面图像重建人脸三维模型的算法，该算法主要包括4个步骤：寻找匹配点；采用SFM算法计算出特征点的三维坐标，并组成稀疏的三维网格结构；采用分步紧支撑径向基函数进行三维插值，得到三维模型；最后根据多分辨图像拼接算法生成纹理图像并将其映射到三维模型上，从而增强真实感，与其它算法相比，该算法最大的不同之处在于匹配点的寻找，匹配点的准确与否直接影响SFM算法结果的正确性，许多寻找匹配点的算法如角点匹配算法，在处理人脸图像时得到的结果并不稳定，这是因为人脸图像上包含了许多低纹理和重复纹理区域，大多数算法将代表人脸结构基本特征的基准模型运用在重建过程的最后一步，通过三维逼近运算，得到最终的重建模型，而该算法将反映人脸共性特征的几何对称性和规律性运用到匹配点的寻找中，能够快速准确地找出SFM算法需要的匹配点，用户使用普通照相机拍摄到的图像经本算法的处理后就可以得到相应的三维人脸结构。     

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.     

基于人脸部件掩膜的自监督三维人脸重建

三维人脸重建旨在从二维人脸图片中恢复出三维人脸模型。自监督三维人脸重建能够缓解三维人脸数据缺乏的问题,因此成为了近年来的研究热点。现有的自监督方法通常聚焦于使用全局监督信号,对人脸的局部细节关注不足。为了更好地恢复出细节生动的精细化三维人脸,提出了一种基于人脸部件掩膜的精细化三维人脸重建方法,该方法在不需要任何三维人脸标注的情况下,可以重建出精细化三维人脸。其主要思想是在二维图片一致性损失、图片深层感知损失等基本损失函数上,通过人脸部件掩膜,给予人脸区域精细化约束,并对人脸部件掩膜进行自监督约束,从而提高重建的三维人脸局部的准确性。在AFLW2000-3D和MICC Florence数据集上进行了定性以及定量实验,验证了所提方法的有效性和优越性。     

基于改进三维形变模型的三维人脸重建和密集人脸对齐方法

针对现在广泛使用的三维形变模型表达能力不够，导致重建出的三维人脸模型泛化性能不佳的问题，提出了一种在姿态、表情和光照未知的条件下的基于单张人脸图片的三维人脸重建和密集人脸对齐的新方法。首先，通过卷积神经网络对现有的三维形变模型进行改进，以提高三维人脸模型的表达能力；然后，基于人脸光滑性和图像相似性，在特征点和像素层面提出新的损失函数，并使用弱监督学习训练卷积神经网络模型；最后，通过训练出的网络模型进行三维人脸重建和密集人脸对齐。实验结果表明，对于三维人脸重建任务，所提模型在AFLW2000-3D上实现了2.25的归一化平均误差；对于密集人脸对齐任务，所提模型在AFLW2000-3D和AFLW-LFPA上分别实现了3.80和3.34的归一化平均误差。与原始使用三维形变模型的方法相比，所提模型在三维人脸重建和密集人脸对齐上的归一化平均误差分别降低了7.4%和7.8%。针对不同光照环境以及角度的人脸图片，该网络模型的重建准确，鲁棒性好，且具有较高的三维人脸重建和密集人脸对齐质量。     

基于单幅正面照片的三维人脸重建方法

三维人脸重建算法需要多张照片实现重建且重建效率低下。针对上述问题,提出一种利用单幅正面照片重建三维人脸的方法。采用薄板样条函数对数据库中的三维人脸确立点对点的对应关系,建立平均三维人脸模型,利用LMA算法优化形状系数以恢复其三维形状,人脸颜色纹理信息可通过垂直投影得到。实验结果表明,利用该方法重建得到的三维人脸逼真且时间效率高。     

基于改进三维形变模型的三维人脸重建和密集人脸对齐方法

针对现在广泛使用的三维形变模型表达能力不够,导致重建出的三维人脸模型泛化性能不佳的问题,提出了一种在姿态、表情和光照未知的条件下的基于单张人脸图片的三维人脸重建和密集人脸对齐的新方法。首先,通过卷积神经网络对现有的三维形变模型进行改进,以提高三维人脸模型的表达能力;然后,基于人脸光滑性和图像相似性,在特征点和像素层面提出新的损失函数,并使用弱监督学习训练卷积神经网络模型;最后,通过训练出的网络模型进行三维人脸重建和密集人脸对齐。实验结果表明,对于三维人脸重建任务,所提模型在AFLW2000-3D上实现了2.25的归一化平均误差;对于密集人脸对齐任务,所提模型在AFLW2000-3D和AFLW-LFPA上分别实现了3.80和3.34的归一化平均误差。与原始使用三维形变模型的方法相比,所提模型在三维人脸重建和密集人脸对齐上的归一化平均误差分别降低了7.4%和7.8%。针对不同光照环境以及角度的人脸图片,该网络模型的重建准确,鲁棒性好,且具有较高的三维人脸重建和密集人脸对齐质量。     

基于多视角的高精度三维人脸重建

提出了一种多阶段优化的方法来解决基于多视角图片在未知姿态、表情以及光照条件下的高精度三维人脸重建问题.首先,通过重新渲染合成的方法将参数化模型拟合到输入的多视角图片,然后在纹理域上求解一个光流问题来获取不同视角之间的对应关系.通过对应关系可以恢复出人脸的点云,并利用基于明暗恢复几何的方法来恢复人脸细节.在真实数据以及合成数据下的实验结果表明,文中方法能够恢复出带有几何细节的高精度的三维人脸模型,并且提高了现有方法的重建精度.     

基于Bayes理论的散斑三维重建方法

传统双目三维重建对纹理信息不清晰的目标物体存在误匹配率高、重建点云稀疏等问题。为此,提出一种新的散斑三维重建方法。将数字散斑和基于贝叶斯(Bayes)理论的稠密匹配算法相结合,对纹理匮乏的物体实现高精度稠密重建。介绍基于Bayes立体匹配与数字散斑相结合进行三维重建的原理,证明两种方法结合使用的可行性,并对多对双目组成的多测量头系统进行标定,将多测量头获得的点云拼接,形成物体的完整轮廓。实验结果表明,在物体距离多测量头系统500 mm时,采用Bayes立体匹配算法的三维重建匹配精度可达到0.08 mm,在不损耗重建效率的情况下,点云数量和点云精度都有明显提升。     

基于编码结构光和外极线约束的自由曲面三维轮廓术

提出了一种新的基于编码结构光和外极线约束的自由曲面立体视觉测量方法,这种方法有效解决了立体视觉中的图像匹配问题;外极线约束将可能的候选点限制在直线分布,引入编码光用来确定光栅条纹的级次;这种方法极大地减小了图像匹配的运算量,同时减小了错误匹配的概率;实验表明,采用编码光栅投影视觉测量能够高效准确地测量自由曲面的三维轮廓.     

基于GPU的散斑三维重建系统

散斑相关算法可以用来估计场景的深度信息,但因易受到噪声干扰且计算量大而难以应用在基于普通计算机的三维重建系统中。采取零均值归一化互相关函数(ZNCC)作为相关算法的匹配代价函数,对传统的ZNCC快速计算方法进行修改并将其应用于计算机的通用图形处理器(GPU),实现了实时的场景三维重建效果。对比实验表明,在精度一致的前提下,提出的GPU计算方法的速度是CPU算法的39倍。     

基于径向基函数与B样条曲线的三维人脸重建方法

用二维人脸照片构造三维特定人脸模型是三维人脸建模研究的热点问题.采用立体视觉重建三维特征点,通过人脸正侧面照片特征点的分层、分部位的径向基函数重构一般人脸模型,得到部位轮廓特征明显的三维特定人脸模型,利用B样条曲线进行三维人脸曲面重构;然后运用拉普拉斯金字塔法得到近似的人脸全视角纹理图;再将近似人脸全视角纹理图映射到三维特定人脸模型,从而得到三维特定真实感的人脸模型.实验结果表明,该方法计算简单,生成特定人脸模型效果逼真,可用于特定人脸动画制作的逼真人脸建模.     

双目视觉下基于区域生长的三维人脸重建算法

为解决传统立体匹配算法匹配低纹理人脸图像时极易产生误匹配的问题,提出一种基于区域生长的人脸立体匹配算法。该算法利用级联回归树算法提取的人脸特征点将人脸划分为不同区域以分别限制各区域的视差搜索范围,从而避免在全局范围上查找匹配点;同时利用人脸的局部形状特性,采用局部曲面拟合的方式筛除误匹配种子点并生成大量可靠种子点用于区域生长;最后,分别在实验室环境采集的人脸图像和FRGC v2.0人脸数据库上进行定性和定量实验。实验结果表明,与传统算法相比,所提算法能够重建出更加准确的三维人脸模型。经点云配准后与人脸点云真实值的均方根误差在2 mm以内,且不同光照、姿态、表情下人脸图像的重建表明所改进的立体匹配算法具有较好的鲁棒性。     

双目立体视觉和编码结构光相结合的三维重建方法

提出了一种双目立体视觉和编码结构光相结合的三维重建方法。为了降低单纯双目立体视觉方法中稠密对应点匹配问题的复杂度,同时回避单纯编码结构光法中的投影仪标定难题,该方法将编码结构光条纹带来的空间约束引入双目立体视觉方法中。实验实现了物体表面的重建,且算法复杂度和实现难度较低。     

基于单张图像的三维人脸重建

利用一种基于法线的模型变形方法,从单张图像重建高质量的三维人脸.利用球谐函数和一个初始参考模型计算得到模型上每个顶点的法线,利用法线使参考模型变形.实验结果表明:提出的算法可以从单幅图像重建具有细节的高质量三维人脸.