摄影测量局部场景稳健合并的并行式运动恢复结构方法

针对并行式运动恢复结构(SfM)在局部场景合并时稳健性差的问题,提出一种摄影测量局部场景稳健合并的并行式SfM方法。对整个场景的影像关联图进行分块及扩展处理,得到相互重叠的子区块,并利用一种改进的增量式SfM方法生成局部场景重建结果。在局部场景合并时,首先利用局部场景的重叠关系构建子区块关联图,并以子区块三元组为单元,进行粗差剔除;然后,利用子区块三元组的代数性质,优化得到更符合几何一致性的子区块间的相对变换;最后,从上述结果中计算得到更准确的局部场景到统一坐标系下的尺度、旋转、平移变换。试验采用无人机影像,结果表明本文方法在局部场景合并时有更好的稳健性,而且SfM结果的精确度也要优于其他并行式方法和COLMAP,在摄影测量和实景三维重建中有较大的应用潜力。

基于运动恢复结构的小行星三维重构和形貌分析

小行星探测已成为深空探测中重要内容,三维重建是小行星探测过程中的关键步骤,对探测器导航、探测区域选址、引力场建模等均具有重要意义。本文研究了利用运动恢复结构的小行星三维重构方法,利用小行星162173Ryugu与25143Itokawa的探测数据构建了其三维形状重构,分析了建模结果,探索了改进方式,并根据重构结果对162173Ryugu进行了形貌分析,对162173Ryugu表面的陨石坑进行了识别与分类。研究表明,利用运动恢复结构方法可以有效地构建小行星的三维形貌,支撑小行星探测任务。

基于结构相似度和鲁棒主成分分析的运动目标检测

运动目标传统检测方法只考虑图像的亮度或纹理等某一种特性,受特异值影响较大,对噪声比较敏感,鲁棒性也不够好,而且背景恢复精度不高。针对以上局限性,提出一种融合结构相似度(structural similarity,SSIM)全参考模型和鲁棒主成分分析(robust principal component analysis,RPCA)的运动目标检测方法。此方法综合考虑图像的亮度、对比度和结构三种特性,不采用传统的背景减除法,而是把图像像素点的结构相似度作为度量来实现运动对象与背景的分离。实验结果表明,此方法准确率可达0.95,且F度量较传统运动目标检测算法平均提升0.15,总体上比传统方法更具优势。

基于改进运动恢复结构的输电线路倾斜影像重建方法

运动恢复结构(structure from motion,SFM)是一种可自动恢复相机运动和场景结构的三维重建技术,其获取的稀疏点云数据直接决定模型重建质量。为提高无人机巡检中输电线路倾斜影像三维重建模型精度,提出一种基于改进SFM的输电线路倾斜影像重建方法。首先介绍增量式、全局式、混合式3种传统SFM算法的原理、流程和特点,在此基础上提出分层混合式改进SFM算法。以输电场景为研究对象,分别采用增量式、全局式、混合式SFM算法和所提出的改进SFM算法进行建模验证,结果表明:与传统SFM算法相比,采用分层混合式改进SFM算法时无人机挂载相机的旋转误差均值最大减小10.6%,平移误差均值最大减小17.9%。基于改进SFM的输电线路倾斜影像重建方法,能明显改善输电线路倾斜影像数据的三维重建质量,可为无人机高效、经济地完成输电线路巡检提供技术支撑。

面向增强视频的基于结构和运动恢复的摄像机定标

提出了一种高效鲁棒的长序列摄像机定标算法,能稳定处理焦距未知且变化的视频序列,适用于增强视频的应用.该算法从长视频序列中根据特征匹配点提炼出相互之间具有较长基线的关键帧,以保证求解的稳定性.算法先在关键帧序列上渐进式求解,以准确恢复特征匹配点的三维结构信息;利用精确恢复的三维点,求解整个序列的摄像机运动参数.该算法选择最适合初始化的三帧求解,并将解及时从射影空间转换到欧氏空间.实验结果显示了所恢复的摄像机参数和三维点的高度精确性,证明了该方法稳定高效,能够满足增强视频的高端要求.

基于运动恢复结构算法的油菜NDVI三维分布

植物形态伴随着植物生长过程而发生变化,植物的三维重建对研究植物形态对植物生物量估测、植物病害虫害、基因型表达等有着很重要的意义。目前三维重建方法重建出的三维点云多包含植物的形态、颜色等特征,无法反应植物营养状况(如叶绿素含量)、病虫害胁迫等原因造成有机质空间三维分布改变,同时以往手段都需要专门仪器,携带和作业都受到很大限制。多光谱图像能够反应有机质含量等化学值的分布,在近地面遥感、农产品质量无损检测等发面取得了广泛的应用。该文通过采集31张4叶龄油菜的多光谱图像,使用运动恢复结构算法(structure from motion)方法对其进行空间三维重建,得到油菜的三维点云,并对点云中噪声点进行滤除。以控制点和控制长度对所得模型进行评价,得到长度最大偏差在0.1023 cm,RMSE=0.052599,证明该方法重建所得模型具有较好的空间均匀性与准确性,最后计算NDVI指数空间分布。证明所得模型对将来研究植物营养与病虫害胁迫空间分布有着重要意义。

递增负荷运动大鼠下丘脑-垂体超微结构变化及其恢复过程观察

对递增负荷运动及恢复不同阶段大鼠下丘脑及垂体组织细胞的超微结构进行了透射电镜观察,发现在长期递增负荷运动训练过程中,大鼠下丘脑弓状核神经元出现渐进性的细胞器变性、轴突髓鞘分离、突触小泡及微管微丝减少、树突棘减少等异常变化,垂体促性腺细胞及生长激素细胞出现渐进性的细胞器变性及核膜异常,溶酶体增多等,而ACTH细胞形态结构变化较小,与同期测定的较低FSH、LH水平和较高CRH及GC水平具有一致性。结果表明,长期训练可致大鼠脑组织神经元间的相互联系减弱,促性腺激素释放激素的合成及分泌均受到抑制。这种变化与训练周期的增长及运动负荷的增大具有显著递进关系。而经过4个动情周期的恢复,结构逐渐复原,为一可逆性变化过程。

一种稳健性增强和精度提升的增量式运动恢复结构方法

增量式运动恢复结构(ISFM)实现了无序影像的三维重建,在精细化建模、现实场景三维记录以及互联网影像三维重建等领域发挥了重要的作用。但增量式运动恢复结构方法仍存在稳健性差和精度低等方面的问题,常导致三维重建结果难以令人满意甚至三维重建失败,严重限制了增量式运动恢复结构技术的发展应用。本文提出了一种增强稳健性、提升精度的运动恢复结构方法。本文方法有如下3点贡献:①针对立体影像特征匹配结果误差点多的问题,提出了一种顾及特征响应值的参数自适应RANSAC方法,在有效剔除误匹配的同时,最大限度地保留了正确的匹配点;

基于运动恢复结构的玉米植株三维重建与性状提取

针对传统的玉米植株性状测量方法存在主观性强、劳动强度大、有损伤等问题,提出了基于运动恢复结构(Structure from motion,SfM)的户外玉米植株三维重建方法,并提取了株高、单株最小包围盒体积、茎粗、叶面积、叶片数、叶夹角等11个性状参数。采用前期研制的小车,在户外采集不同视角下的玉米植株图像(采集间距为5~6 cm),基于SfM算法获取玉米植株三维点云;运用直通滤波、圆柱拟合和条件欧氏聚类算法自动分割单株、茎秆和叶片等点云数据,基于距离最值遍历、三角面片化等算法实现株高、茎粗、叶面积等11个性状的准确、无损测量。结果表明,与人工测量值相比,测得的株高、茎粗和叶面积的平均绝对百分比误差分别为3.163%、4.760%和19.102%,均方根误差分别为3.557 cm、1.540 mm、48.163 cm2,决定系数分别为0.970、0.842、0.901。研究表明,本文方法适用于作物表型户外测量,为表型研究提供了一种新的作物表型户外测量方法,同时还证明,株高和单株最小包围盒体积可以显著区分低地上部生物量玉米植株和高地上部生物量玉米植株。

递增负荷运动大鼠卵巢子宫超微结构变化及其恢复过程观察

对递增负荷运动及恢复不同阶段大鼠卵巢及子宫的超微结构进行了透射电镜观察发现,卵巢上皮细胞形态、完整性及细胞间连接均出现明显改变;卵泡膜内层细胞及颗粒细胞出现核膜破裂,线粒体空泡化,内质网扩张及溶酶体增多等异常结构变化;子宫上皮细胞微绒毛由轻度脱落到几乎完全缺失,胞膜破裂,细胞器结构出现异常改变。结果表明,9周运动训练导致卵巢上皮及子宫内膜细胞的合成机能受阻,细胞呈现动情间期状态,与同期测定的低性激素水平及动情周期紊乱和抑制现象具有依从关系。经过4个动情周期的恢复,大鼠卵巢及子宫结构逐渐复原,为一可逆性变化过程。

基于分段式序列图片集的运动恢复结构

多视图运动恢复结构(Structure from Motion,SFM)是三维重建中相机姿态估计的一种最常用的方法。传统SFM采用增量方式处理图片,算法的时间复杂度是O(n4),当图片数量较多时,重建时间很长。此外,由于图片噪声影响,漂移误差将随着图片数量增加不断累加,影响最终的重建质量。添加集束调整(Bundle Adjustment,BA)可以优化重建结果,但是需要花费更长的时间。在现有增量式算法的基础上,提出基于分段式序列图片集的方法,将序列图片集按照相似度划分为小集合,对每个小集合进行并行计算,减少误差累积量和重建时间,最后再用BA进行全局优化。实验结果表明,该方法能在保持一定精度的前提下,有效减少重建时间。

基于运动恢复结构三维重建的应用与研究进展

三维重建是利用目标物体的二维投影恢复其三维模型的技术,近年来获取高精度的三维模型受到越来越多的关注,而基于运动恢复结构(Structure From Motion,SFM)的三维重建是目前的热点研究方向。文章首先介绍了常用的三维重建方法和基于SFM三维重建的发展现状;其次介绍了基于SFM重建中的2个主要内容,包括摄像机标定和光束平差法;然后介绍了基于SFM三维重建技术的原理及方法;最后介绍了基于SFM的三维重建在不同领域的应用,同时提供了该技术在三维人体重建及人体测量方面的研究思路,为服装个性化定制和服装企业团体定制提供参考。

UAV SfM技术在活动构造研究中的应用——以青藏高原西北部龙木错断裂为例

为探讨搭载与未搭载实时动态差分技术/动态后处理技术(RTK/PPK)模块的无人机平台通过运动恢复结构(SfM)方法处理获得的数字高程模型(DEM)数据质量差异,以及建立不同无人机平台野外数据采集和室内数据处理过程的快速流程,利用大疆经纬M 300 RTK无人机(搭载禅思L1激光雷达(LiDAR)和测绘相机)与大疆精灵4 Pro无人机(搭载可见光相机)分别对青藏高原西北部龙木错断裂上1处位错阶地进行了数据采集,获得了该处高分辨率、高精度DEM数据和数字正射影像图(DOM)数据。对比结果显示,M 300 RTK无人机平台L1负载系统获得的LiDAR和SfM地形数据精度接近,两者在约100 m的飞行高度获得的DEM数据在水平和垂直方向的均方差分别为0.135 m、0.111 m和0.201 m、0.180 m;无RTK模块的精灵4 Pro无人机获取的DEM数据虽然绝对精度较差(水平和垂直方向均方差分别为1.707 m和249.280 m),但其反映的相对地形与实际地形接近,经过地面控制点校正后精度可以达到分米级。研究表明,RTK SfM技术克服了使用地面控制点的局限性,为活动构造研究领域微地貌测量提供了更高精度、更高效率的解决方案。当对测区的绝对三维坐标要求不高,仅需相对的地形起伏时,未搭载RTK模块的无人机也能够在无地面控制点约束的情况下满足地貌位错测量基本需求。

基于运动恢复结构的多株立木因子测量方法

【目的】提出基于运动恢复结构的多株立木因子测量方法,以解决目前基于三维点云的立木因子测量方法获取立木树高和胸径存在效率低或成本高的问题。【方法】(1)使用智能手机环绕包含多株立木的场景拍摄一段视频,并采用固定帧采样法和差异值哈希算法自动提取立木视频中的关键帧图像,然后,基于运动恢复结构(structure from motion,SfM)算法处理立木关键帧图像,从而获取立木场景的原始三维点云;(2)在对原始三维点云进行预处理及初步分割后,运用条件欧几里得聚类算法对多株立木三维点云进行分割,以提取单株立木三维点云;(3)对立木三维点云使用最值遍历法和椭圆拟合法实现立木树高和胸径的自动测量。【结果】与真实值相比,本研究方法测得的树高、胸径的平均相对误差分别为1.96%、3.19%,均方根误差分别为0.133 3 m、0.533 7 cm,相关系数分别为0.987 9、0.962 1。【结论】该方法具有较高的树高和胸径测量精度,提供了一种便捷、低成本的多株立木因子三维测量方法。图6表1参27。

基于运动恢复结构的无规则植物叶片面积三维测量方法

接触式测量植物叶片面积的方法会对叶片造成一定程度的伤害,为此本文提出一种仅利用智能手机的非接触式多类别无规则叶片面积三维测量方法。首先,采用运动恢复结构方法获取植株的三维重建点云,在HSV颜色特征空间去除叶片三维噪点;然后,利用模糊C均值聚类算法分割单个叶片,重建叶片表面三角网格;最后,通过网格法计算叶片面积。对5种不同类别、不同形状的植物叶片进行了测量实验,结果表明,在叶片重叠率和复杂性角度上,面积测量的平均相对误差分别为6.25%和4.81%。本文方法测量稳定、精度高,能够满足多类别无规则植物叶片面积测量的需求。

基于运动恢复结构方法的植株三维重建

为了探究基于运动恢复结构(Structure From Motion,SFM)方法的植株三维重建模型的效果,为植物三维重建工作提供研究案例,本文以紫叶鸭跖草(setcreasea pallida)为研究对象,在搭建序列图像获取平台的基础上,选取35幅、75幅、105幅序列图像进行三维重建的对比分析;同时从植株表型参数方面,对植株三维重建模型进行精度评价。结果表明:75幅图像序列的重建效果最好;不同图像序列的模型计算的植株高度相对误差(Relative Error,RE)均小于2.5%,决定系数(coefficient of determination,R2)均大于0.998;不同图像序列的模型提取叶片长和叶片宽的RE均小于2.89%,R2均大于0.958。因此,序列图像的数量与重建模型的效果有关,但二者并非呈正相关关系;序列图像的数量对重建叶片的长与宽的误差影响较小;SFM方法应用于结构比较复杂的植株的三维重建可以取得较好的重建效果。

基于MATLAB的运动恢复结构三维重建算法的研究与实现

随着机器视觉的广泛应用,三维重建技术越来越受关注,而运动恢复结构法(Structure From Motion,SFM)凭借其设备成本低、方便携带、适用场景广泛等优点成为三维重建的研究热点。文章从相机成像基础理论出发,介绍了坐标系、相机成像几何关系,然后将SFM问题的转化为数学问题进行SFM算法原理介绍。在MATLAB软件平台实现了增量SFM算法的应用,并得到了相机位姿和三维点云,为开展SFM应用研究提供新思路。

邻图配对式运动恢复结构的欧式三维重建

传统增量式运动恢复结构重建易受到尺度变化的影响,重建出的点云存在分层现象,并且不存在量纲。通过改进重建拓扑结构和尺度迭代最近点算法,提出了一种新的欧式三维重建方法。首先,设计了两两相邻图片重建点云后并入主点云的重建拓扑结构;然后,建立了对应表,旨在找到同一世界点在新建点云和主点云下的对应三维点对;接着,结合Geman-McClure范数,提出了抗噪声的尺度迭代最近点求解算法;最后,设置地面控制点,为重建出的点云引入尺度。实验结果表明,提出方法重建出的点云比传统增量式运动恢复结构重建出的点云更精确,并且点云长度的测量绝对误差在1%~2%左右。提出方法适用于近场景物体较精确的欧式三维重建。

无序无人机影像的并行化SfM三维重建方法

增量式运动恢复结构(ISfM)已成为无人机影像三维重建的关键技术。然而,大数据量、大重叠度和高分辨率的无序无人机影像导致的匹配对检索代价大、迭代优化误差累积和效率低的问题,使其难以满足大场景ISfM处理需求。本文提出联合全局描述子和图索引的无人机影像并行化SfM方法。针对影像特征数量大、影像检索编码本尺寸增加导致的匹配对检索效率低的问题,设计了联合全局描述子和图索引的高效影像检索方法,从而加速影像匹配。针对分块并行化SfM子场景合并存在同名点搜索效率低、内存消耗大、合并解算精度低的问题,设计了基于按需匹配图和双向重投影误差的子场景合并方法,实现无人机影像的并行化SfM重建。利用不同场景、不同采集方式获取的真实无人机影像进行试验,结果表明本文方法能够实现36~108倍加速比的匹配对检索,ISfM重建效率达到30倍加速,且相对定向和绝对定向精度与传统方法相当。

基于SIFT的二视图运动与结构的恢复

针对传统二视图三维重构所体现出来的问题,综合各种重构方法,给出了一种简单的二视图运动与结构恢复的过程;且将SIFT特征点提取和匹配的方法应用到运动与结构恢复当中。实验过程和结果表明,该过程简单有效,具有一定的应用价值。