大规模场景运动恢复结构研究综述

运动恢复结构旨在基于图像间的局部特征匹配解算相机在全局统一坐标系下的绝对位姿,是基于图像的三维重建中的关键问题.近年来,随着采集设备、计算资源以及理论方法的发展,运动恢复结构研究已逐渐由实验室小规模可控场景向室内外大规模实际场景扩展,并取得了成果显著的理论方法与实际应用.文中从实际应用出发,综述了面向大规模场景三维重建的运动恢复结构研究领域的最新成果;专注于运动恢复结构中相机位姿解算核心问题,并全面介绍了其中的最新成果按照解析式与学习式方法进行;在此基础上,为助力社区发展,讨论与分析的运动恢复结构当前研究进展与未来发展态势.

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。

一种基于多摄像机的鲁棒运动结构重建方法

考虑大尺度噪声对测量矩阵的影响,提出了一种基于多摄像机的鲁棒运动结构重建方法。通过引入一种用于低秩矩阵恢复的数学模型,将丢失数据和大尺度噪声造成的不完整测量矩阵求解转化为凸优化问题,并使用鲁棒主成分分析方法对其求解,利用多摄像机下的矩阵分解理论实现多摄像机下运动结构重建。实验结果表明,提出的方法能够有效解决大尺度噪声的存在造成多摄像机运动结构重建方法失效的问题,准确地重建物体三维结构。

基于运动结构图的无人机序列影像三维重建

无人机序列影像具有重叠度高、拓扑联系强的特点。针对现有增量式三维重建算法在处理大规模无人机影像时效率低、输出不稳定的问题,提出基于运动结构图的无人机序列影像三维重建方法。顾及地理位置信息与IMU(Inertial measurement unit)数据建立图像索引集,提高图像匹配效率,并使用随机抽样一致性算法计算相对运动;使用运动结构图表示影像之间的"关联",采用闭环检测剔除错误边;借助李代数与李群的映射关系,融合L1范式与M估计一次性求解影像全局运动,期间只进行一次光束法平差,降低了计算复杂度。实验验证本文方法在效率和效果上得到了提高。

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。

基于无人机SfM数据的挺水植物生物量反演

生物量是衡量挺水植物生长状况的重要参数,对湿地生态系统健康评价具有重要意义。利用无人机影像生成运动重建结构Sf M(Structure from Motion,Sf M)数据,结合野外实测生物量构建定量反演模型,并根据反演模型对生物量进行空间制图,最后分析了挺水植物类型对生物量空间分布的影响。结果表明,文中基于Sf M数据建立的逐步线性回归模型(Stepwise Linear(SWL)regression model)具有较好的反演精度及估测能力。其模型显著性为显著(P<0.01),决定系数为0.86,相对均方根误差为6.1%。挺水植物类型对生物量空间分布影响显著(P<0.05)。通过对研究区挺水植物的生物量进行估算,为利用无人机遥感监测挺水植物生物量提供了新思路。

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。

个体膝关节运动差异不会影响韧带伸长量分布特征:韧带伸长量分布特征在正常人与前叉重建患者的分析比较

目的前外侧结构重建常用于辅助前交叉韧带重建,合理的隧道选择是手术成功的保障,但目前无统一选取方案。既往研究采用线模型仿真不同隧道位置产生的韧带动态长度变化,但运用健康运动数据对患者进行仿真规划的合理性遭受质疑。也有研究者认为隧道位置造成的微小误差不会影响韧带在体表现的整体趋势。分析真实前外侧结构重建后个体运动所得韧带长度变化-隧道位置分布与基于健康运动数据的仿真结果比较。方法召集19位健康受试者与12位前外侧结构加强患者。

小行星三维地形模型几何重建方法

小行星全球测绘对深空探测定点着陆具有重要意义.通过对绕飞段光学敏感器拍摄的序列图像进行几何立体重建方法的研究,可以实现探测器位姿信息未知情况下的三维地形建模.综合小行星表面特性、小行星运行特点与探测器飞行需求,首先通过全局的运动恢复结构完成小行星稀疏点云重建,再利用多视角场景重建对点云进行稠密化得到致密均匀的网格.然后采用隼鸟号探测器绕飞阶段实测影像,对小行星糸川(25143 Itokawa)的三维地形进行仿真重建,分辨率为0.36 m;并在光学实验室对3D打印的小行星比例模型进行模拟观测实验,得到重建分辨率为0.67 m.最后通过点云配准,进一步验证方法的有效性.结果表明,本方法稳定性较强,在分辨率要求在米级范围内的情况下,能够较好地针对小行星表面地形进行三维重建.

基于单目增量式稀疏SFM研究与实现

为研究视觉SLAM(Simutaneous Localization and Mapping)以及视觉SFM(Structure From Motion)领域中机器人能低成本重建出可进行语义识别三维场景的问题,借鉴Colmap算法,对重建过程中的部分步骤加以改进,对初始化图像的选择进行了精选,在重建出有误差的三维点云中进行多次基于光束平差法的优化,对无人机拍摄的图像进行重建分析,结果表明,图像在重建的完整度、鲁棒性、精确度以及效率等方面,均取得了较好的效果。

线性的增量式三维稀疏重建系统设计

针对倾斜摄影大数据三维重建的需求,对增量式运动恢复结构(SFM)系统进行研究,对传统的SFM系统进行改造。设计并实现了一套高效鲁棒的线性增量式三维重建系统,解决传统增量式三维重建系统效率低、无法适应大数据等不足,为大数据的三维重建提供一套完整的解决方案。

基于SFM算法的山核桃生长发育三维模型研究

论文以山核桃树为研究对象,提出通过基于两张图像的快速SFM算法,建立树木的3D模型,并分析各个树龄段的山核桃树木模型,为模拟真实山核桃树的生长过程打下基础。它可以帮助研究者通过图形方式更有效地观察与解释山核桃生长中的结构与功能、生长发育等各种规律,增强对问题的洞察与见解能力,并加快模型验证工作。

基于智能手机APP的非合作目标三维重建与交互

基于"软件定义卫星"的思想,设计并实现了一套利用天基观测序列对非合作目标进行三维重建的软件系统。考虑卫星与地面用户的交互性,该软件系统由2部分组成:星上云节点软件以及地面用户软件。在该软件系统中,普通用户可以通过地面用户软件,实时观测太空中非合作目标的三维结构,加强对太空的了解;对科研人员而言,对非合作目标的三维重建是对非合作目标进行抓取、捕获、提供在轨服务等进一步研究的基础。为了满足对非合作目标定轨、定姿的进一步需求,软件系统提供了三维重建中生成的匹配特征点的位置信息以及非合作目标与摄像机本体之间的向量信息。针对利用运动恢复结构(SFM)恢复三维结构存在的点云稀疏、可视化效果差的问题,采用SFM稀疏重建获得点云的基础上,进行泊松表面分布重建,获得致密、均匀的网格表面。由于缺乏空间非合作目标成像数据,采用地面仿真数据进行实验,结果表明,使用该方法可以完成对非合作目标的三维重建,重建效果好,并且三维重建中获得的匹配特征点数据可以对非合作目标的定姿、定轨提供数据支持。

一种基于图像集合的三维重建方法

设计并实现了一整套基于图像集合的三维重建技术。首先对输入的多幅图像提取特征点,然后将这些特征点进行匹配,接着迭代运行从运动恢复结构的优化算法,得到相机参数以及稀疏的空间点云信息,最后利用多视图立体重建方法得到稠密的空间点云模型,完成对目标的三维重建。实验结果表明,本文采用的方法不需要特定的设备,无需人工干预即可自动重建出正确的被观测目标的三维模型。

基于单目视觉的障碍物检测

将基于因子分解的运动估计结构(structure from motion,SFM)算法延伸至室外环境障碍物检测,提出了一种基于单相机的障碍物检测方法.通过图像序列特征点的匹配和跟踪,运用基于因子分解的运动估计结构算法得到场景的投影重建;通过满足绝对二次曲面(dual absolute quadric,DAQ)约束的自标定升级至欧式重建,同时得到相机的运动;通过将图像分割为等面积的区域,每个独立的区域通过从欧氏重建得到的深度信息来区分是障碍物还是背景.室外真实场景的实验结果表明,该方法能够在室外环境下获得比较好的障碍物检测效果.

顾及影像拓扑的SfM算法改进及其在灾场三维重建中的应用

快速、准确的大场景影像三维重建技术可为灾害应急响应和灾情评估提供重要的决策依据。本文针对运动恢复结构(SfM)算法效率低的问题,提出了一种顾及影像拓扑关联关系的拓扑-运动恢复结构(TSfM)算法。TSfM算法利用低空无人机(UAV)自身的飞控记录构建影像拓扑关联关系,缩小了特征匹配时的影像搜索范围,与传统SfM算法相比,影像匹配的时间复杂度由O(n2)降低为O(n)。实验结果表明,TSfM算法实现了基于无人机影像序列的灾场快速三维重建,重建模型的相对精度与SfM算法的重建精度一致。将该方法用于四川芦山地震UAV影像三维重建,可检测出地震滑坡体及其形态信息。