从运动中恢复目标结构的改进因子分解法

因子分解法是从图像序列中恢复刚体目标几何结构的重要方法。针对传统因子分解法基本过程中存在的不足,及其容易失效的缺点,提出一种改进的因子分解法。该方法避开传统方法中求解修正矩阵的复杂过程,利用旋转矩阵的特性,直接修正由传统方法奇异值分解(SVD)得到的每帧图像的旋转矩阵,然后根据观测矩阵和得到的旋转矩阵,直接利用线性最小二乘法求解目标的结构矩阵。仿真和实测数据的实验结果表明,本文方法能够有效地从序列图像中恢复目标的几何结构,相比传统因子分解法,在稳定性上有较大的提升。

基于光学相机的植物表型测量系统与时序生长模型研究

为提高形态表型检测速率,满足形态表型测量的标准化需求,以拟南芥为例,提出一种测量植物三维形态特征的方法,并建立植物时序生长方程和可视化模型,构建了一套经济实用、面向拟南芥生长过程的形态表型测量机器视觉系统。通过光学相机采集拟南芥植株的二维图像序列,利用运动中恢复结构算法生成三维点云;设计一种彩色标板,基于彩色标板的坐标系标准化方法,提取拟南芥植株的点云并标准化坐标系。与传统人工接触式测量值相比,该系统交互测量的拟南芥叶片宽度、长度、主茎长度、叶片面积、叶片间夹角的平均相对误差分别为9.83%、10.10%、1.07%、4.09%和4.37%。利用该系统采集哥伦比亚野生型拟南芥生命周期内的形态表型信息,拟合其数学生长模型,并使用L-studio软件,将时序生长模型可视化表达。结果表明,植物固定、传感器移动的平台结构解决了传统传感器固定、植物移动方式导致的植物抖动从而影响三维重建效果的问题,可快速、准确、可靠地提取植物表型信息。基于彩色标板的点云坐标系标准化方法在每个单位时间都能够对拟南芥植物对象进行参数提取,与传统的人工接触式测量方法相比,效率高、速度快,可满足拟南芥的形态表型分析需要。

一种侧视图的三维人脸重建方法

三维形变模型(3D Morphable Model,3DMM)和从运动中恢复结构(Structure From Motion,SFM)方法被广泛用于三维人脸重建.基于单视图进行三维人脸重建需要正视图和先验模型,会受到计算复杂度高、容易陷入局部极小值和易受姿态变化的影响.本文提出一种针对侧视图的三维人脸重建方法,首先对侧视图使用改进的三维形变模型,得到初始的三维人脸正视图及特征点;然后根据人脸对称性,得到侧视图对称的视图及对应的面部特征点;最后用SFM方法将正视图、原始视图和对称视图重建,得到稀疏三维模型.并用不同姿态的面部图片对该方法进行了评估,结果表明该方法比已有的方法对姿态变化更具鲁棒性.