基于两幅图像的三维物体分层重构

文章研究在仅有两幅图像的条件下,如果摄像机内参数保持不变,如何利用场景中的结构信息实现空间物体的分层重构,研究表明,计算出无穷远平面的单应矩阵,可以仿射重构,计算出绝对二次曲线的像,就可以进一步实现欧氏重构。最后给出一个具体的实验,结果表明该算法是可行的。     

基于图像的三维分层重构算法研究

文章研究在摄像机内参数不变的情况下,利用图像中场景的结构信息实现分层重构的方法。通过求解基础矩阵实现射影重构,通过求解无穷远平面单应矩阵实现仿射重构,利用虚圆点约束求解绝对二次曲线的像实现欧氏重构。实验表明所研究的算法是有效可行的。     

基于图像的三维分层重构算法研究

文章研究在摄像机内参数不变的情况下,利用图像中场景的结构信息实现分层重构的方法.通过求解基础矩阵实现射影重构,通过求解无穷远平面单应矩阵实现仿射重构,利用虚圆点约束求解绝对二次曲线的像实现欧氏重构.实验表明所研究的算法是有效可行的.     

一种多视图分层重构算法研究

本文介绍了基于奇异值分解的射影重构算法的一般框架,以测量矩阵的秩为4作为约束,以仿射投影逼近透视投影,利用共轭梯度法估计射影深度,通过奇异值分解实现射影重构.利用共轭梯度法确定Kruppa方程中的未知比例因子,然后利用所确定的比例因子线性求解Kruppa方程,进而标定摄像机内参数.在摄像机内参数已知的情况下,求解一个满足欧氏重构条件的非奇异矩阵,然后通过此矩阵将射影重构变换为欧氏重构.实验结果表明所给出的算法是行之有效的.     

基于仿射重构的树高测量

论文提出了一种基于仿射重构的树高测量方法。它基于计算机立体视觉的三维未标定的重构技术,恢复树木特征点的仿射坐标,再根据仿射空间不变量求算树高。     

基于一组对应消失线的度量重建

提出了一种由3幅图像间一组对应消失线进行度量重建的方法.首先利用对应的消失线和模值约束计算出无穷远平面的单应矩阵,然后根据无穷远平面的单应矩阵保持绝对二次曲线的像不动的性质,线性求解摄像机内参数,最后得到度量重建.模拟实验和真实图像实验均验证了这种度量重建方法的可行性和正确性.     

基于分层和Radon变换的透视图像矫正技术

由于受到物体与摄像机三维空间相对位置关系的影响,摄像机获取的图像存在透视畸变,影响图像特征提取、识别等后续处理,为此提出一种通过分层矫正和Radon变换相结合的矫正技术.利用射影几何知识,将畸变的图像矫正为满足仿射变换的图像,再将仿射变换矫正为相似变换,利用Radon变换矫正得到标准图像.仿真实验结果表明,该算法可行性高、稳定性好,能推广应用于目标识别等领域.     

基于遗传算法的射影重构

在实现分层重构的过程中，射影重构是关键的第1步。目前，大多已有算法对模拟数值是非常有效的，但对于真实图象效果并不理想。为了寻求更为鲁棒的算法，提出了一种基于遗传算法的射影重构算法。该算法对于射影深度采用十进制编码，并以测量矩阵的秩为4作为约束，来定义适应度函数，然后利用遗传算法，并结合奇异值分解（SVD）技术来迭代估计射影深度，进而实现射影重构，该算法是行之有效的，且鲁棒性较好。     

基于射影重建的线性摄像机自标定方法

提出了一种基于射影重建的线性摄像机自标定方法.该方法只需要摄像机作一次纯平移运动和两次带旋转的任意运动即可.该方法有3个主要特点.第1,由于该方法是一种线性方法,所以避免了大多数非线性方法的局部极小问题.第2,该方法是一种基于射影重建的自标定方法,由于在射影重建过程中利用了所有图像的信息,因此比以前的方法具有更好的鲁棒性.第3,该方法对硬件设备几乎没有特殊要求,在实际应用中易于实现,比如人手持一个摄像机摄取一些图像即可.模拟实验和真实图像实验均证明了该方法的可行性.     

线性多视图重构的新算法

研究了由多幅图像恢复摄像机矩阵和空间物体三维几何形状这一多视图三维重构问题,改进了由Hartley和Rother等人分别给出的基于由无穷远平面诱导的单应进行射影重构的算法,提出了一种新的线性算法,它仅需要空间中3个点在每幅图像上均可见。因为空间中不在同一直线上的3个点恰好确定一个平面,所以它避免了Hartley和Rother等方法中需要确定空间4个点是否共面这一比较棘手的问题。大量实验结果表明,这种方法快速、准确且受噪声影响小。     

一种基于4对图像对应点的欧氏重建方法

摄像机自标定算法通常是非线性的，为了得到线性的方法，提出了一种在RANSAC框架下由4对图像对应点线性标定摄像机并对场景进行鲁棒性欧氏重建的方法。当摄像机作两组平移运动时，若在两组平移运动之间摄像机具有不同的姿态，则从4对图像对应点可以线性地重建场景的欧氏几何。模拟实验和真实图像实验均证明了本文方法的可行性。     

基于仿射迭代模型的特征点匹配算法

图像序列中的特征点匹配是计算机视觉中的一个基本问题,也是目标识别、图像检索以及3维重建等问题的基础。为了提高图像匹配的精度,提出了一种针对两幅图像的高精度特征点自动匹配算法。该算法首先分析并提出两幅图像中相应特征点的邻域窗口之间的单应映射可以用仿射变换模型来近似;然后通过快速的基于仿射变换模型的迭代优化方法,不仅估计并矫正了相应邻域窗口之间的透视畸变,同时还补偿了在特征点检测阶段对相应特征点的定位误差,从而使匹配结果达到子像素级精度;最后通过真实图像的实验以及与现有算法的比较结果表明,该算法不仅得到了更多的匹配关系,还提高了特征点匹配的精度。     

基于平面与直线的仿射重建

首先给出了无穷远平面的单应矩阵以及仿射重建算法，然后从数学上严格证明了下述命题：在变参数模型下，如果场景中含有一张平面和一对平行直线，或者场景中含有两张平行平面，则从两个平移视点下的图像均可以线性地对场景进行仿射重建；文章同时指出：如果场景中包含一对平行平面和一对平行直线，则从两个一般运动视点也可以线性地重建场景的仿射几何．大量的模拟和真实图像实验表明，该线性仿射重建算法是正确的，同时具有较高的重建精度和鲁棒性．     

基于条纹边界编码光系统的三维分层重构技术

给出了一种基于条纹编码光的三维分层重建技术;为了提高结构编码光的抗干扰性,采用一种基于时空多帧编码的投射条纹图像,通过整合分析多帧图像不同条纹间的跳变关系得到被测物象的光栅条纹编码从而有效提高结构光的抗干扰性;采用一种新的基于组合数学的编码算法以利于条纹编码自动化;在既有文献基础上,提出新的基于条纹边界编码光的三维分层重构数学模型。实验结果证明,在3D重建方面,该技术具有较强的鲁棒性。     

基于混合仿射模型配准的IBP超分辨率重建

针对传统的配准只考虑几何因素的不足,提出一种基于几何和光度混合仿射模型的配准迭代算法。该算法避免keren算法因为角度的泰勒级数展开所带来的误差,大幅提高配准精度,而且使图像亮度得到保持。与传统的仿射变换相比,平均平移误差精度达到了0.165个像素。采用迭代反投影算法对配准后的图像序列进行超分辨率重建。实验结果表明,超分辨率重建结果的信噪比和结构相似度有了较大提高。     

基于图像的重建点云离群点检测算法

基于图像重建出的三维点云模型通常会包含许多离群点,这些离群点可能孤立存在或密集聚集在一起形成点簇,也可能分布在模型周围甚至附着在模型表面。通过一种检测方法很难有效滤除多种分布状态的离群点,因此,提出了综合的离群点监测算法。首先通过空间距离剔除与模型主体较远的离群点,并通过构建空间拓扑关系加快离群点搜索速度;然后利用边界匹配法,将较小点簇分别与最大点簇进行对比,滤除模型周围离群点簇;最后采用改进的K-means算法,根据RGB颜色值特征对点云数据进行聚簇分类,结合已识别的离群点,检测和滤除附着在模型表面的离群点。仿真实验结果表明,此方法能够有效滤除点云模型中多种分布状态的离群点。     

基于三维模型和仿射对应原理的人脸姿态估计方法

该文提出了一种基于人脸三维模型和仿射对应原理从单目视频图像序列中估计人脸空间姿态的方法．其主要思想是利用人脸的三维模型生成特征点正面平行投影,并估算输入帧和该正面平行投影之间的仿射变换参数,然后根据圆一椭圆之间的仿射对应关系得到描述人脸空间姿态的6个参数(3个旋转分量,3个平移分量)的粗略估计值,最后通过基于ICP(Iterative Closest Points：反复最近点)算法的优化迭代过程得到精确值．对石膏像和真实人脸进行的实验结果表明该算法能在较大的姿态变化范围内实现精确的人脸姿态估计．     

摄像机自标定的线性理论与算法

文中提出一种新的摄像机线性自标定的算法和理论。与文献中已有的方法相比,该文方法的主要优点是对摄像机的运动要求不苛刻,如不要求摄像机的运动为正交运动。该方法的关键步骤是确定无穷远平面的单应性矩阵（Homography)。文中从理论上严格证明了下述结论：摄像机作两组运动参数未知的运动M1＝{（R1,t^11),(R1,t^12)},M2={(R2,t^21),(R2,t^22)},若下述两个条件满足：（1）T1＝{t^11,t^12},T2={t^21,t^22}是两个线性无关组（即本组内的两个平移向量线性无关）;（2）R1,R2的旋转轴不同,则可线性地唯一确定摄像机的内参矩阵和运动参数。另外,在四参数摄像机模型下,严格证明了一组运动可线性地唯一确定摄像机的内参数矩阵和运动参数。模拟实验和实际图像实验验证了本文方法的正确性和可行性。