A 3-D RECONSTRUCTION METHOD BASED ON THE CONSTRAINT OF EPIPOLAR GEOMETRY

This paper combines the least-square method and iteration method to get the fundamental matrix and develops a new evaluation function based on the epipolar geometry. During the iteration, with the evaluation function as a measurment, the points which bring larger noise are deleted, and the points with smaller noise are retained, thus the precision of our method is increased. The experiment results indicate the new method is precise in calculation, stable in performance and resistant to noise.

投影三维重建中基础矩阵的鲁棒性估计方法

在未定标系统中 ,基础矩阵给出了图像间对极几何关系的代数描述 ,解决了许多视觉问题的关键环节 ,本文提出了一种新的鲁棒性基础矩阵估计方法 ,它引入了能够较好表达代数余数标准方差的Sampson加权算子 ,并且用迭代法来满足图像点噪声为非高斯白噪声的情况 .实验结果表明 ,在较大噪声干扰的条件 ,仍能较为准确地估计基础矩阵 ,具有良好的鲁棒性和较快的运算速度 .

一种在对极几何约束下重建三维物体的方法

本文在用对极几何关系重建三维物体的基础上,提出了利用量小二乘法和迭代法相结合的基础矩阵求解算法,推导了新的评价函数作为迭代的误差测度.在每次迭代时,以评价函数作为测度来排除具有较大误差的图象点,而对保留的误差较小的点乘以适当的权值,因此得到精度较高的基础矩阵。实验表明,我们的重建方法比已有算法运算精度更高,性能更稳定,且具有良好的抗噪声性能。

一种用于增强现实中的基础矩阵的估计方法

在增强现实中,为了把虚拟信息和真实信息融合起来,需要知道关于真实手术场景的信息,然后对其进行三维重建,而基础矩阵的估计是其中关键的一步。提出一种MAPSACNL方法,把MAPSAC方法所得到的值作为基础矩阵的初始值,再用非线性Levenberg-Marquardt方法进行优化,并与线性方法和最小二乘法所得到的结果进行比较。结果表明,用MAPSACNL方法估计基础矩阵,对于迭代次数、角点数量、ζ值的变化,都具有更强的鲁棒性和更小的Sampson误差值。