基于SFM算法的三维人脸模型重建

提出了一种根据两幅正面人脸图像和一幅侧面图像重建人脸三维模型的算法.该算法主要包括4个步骤:寻找匹配点;采用SFM算法计算出特征点的三维坐标,并组成稀疏的三维网格结构;采用分步紧支撑径向基函数进行三维插值,得到三维模型;最后根据多分辨图像拼接算法生成纹理图像并将其映射到三维模型上,从而增强真实感.与其它算法相比,该算法最大的不同之处在于匹配点的寻找.匹配点的准确与否直接影响SFM算法结果的正确性.许多寻找匹配点的算法如角点匹配算法,在处理人脸图像时得到的结果并不稳定.这是因为人脸图像上包含了许多低纹理和重复纹理区域.大多数算法将代表人脸结构基本特征的基准模型运用在重建过程的最后一步,通过三维逼近运算,得到最终的重建模型.而该算法将反映人脸共性特征的几何对称性和规律性运用到匹配点的寻找中,能够快速准确地找出SFM算法需要的匹配点.用户使用普通照相机拍摄到的图像经本算法的处理后就可以得到相应的三维人脸结构.

基于SFM算法的单木结构参数提取研究

针对传统森林资源调查方法获取单木结构参数效率低和成本高的问题,提出一种基于SFM算法的单木结构参数快速提取方法。以哈尔滨市城市林业示范基地树木为研究对象,利用SFM算法获得单木照片的三维点云,并利用点云数据处理软件对获得的点云数据进行单木结构参数提取,最后与实测参数进行对比分析。结果表明:1)分别利用SIFT算法、SURF算法以及ORB算法对相机校检后的树木照片进行特征点提取匹配,特征点正确匹配个数分别为23、145以及25,相应的耗时分别为18.56、16.04、1.58 s;2)利用SFM算法能获得树木照片的稀疏点云和稠密点云,平均每棵树木点云量为80万个;3)基于点云数据提取单木结构参数的胸径、树高及冠幅的平均绝对误差分别为1.79 cm、0.77 m及0.79 m;胸径、树高、冠幅的提取值与实测值相关系数均>0.94。

SFM算法在无人机航拍影像中的应用研究

本文以小型旋翼无人机航拍影像在三维建模中的应用为背景,针对无人机航拍影像三维建模问题,采用SFM算法对目标建筑物的三维重建技术进行研究。通过无人机获取航拍影像,运用SIFT算法对图像特征点提取与匹配,然后基于SFM算法的稀疏重建和MVS算法的密集重建得到地物的稠密点云数据,最后采用泊松重建获得目标重构后的曲面信息并完成纹理贴图。实验采用学校某建筑物及其周围环境作为重建目标,利用小型旋翼无人机获取实验目标的正摄影像图。实验结果表明,SFM算法可以应用于无人机建模中,配合其他算法可以实现三维模型的获取,相比传统三维模型生成方法,所获得的三维重建模型在真实场景的还原度、建模完整性、建模成本与效率上有明显优势。

地面摄影RTK辅助SFM算法的影像定向

基于运动恢复结构(structure from motion,SFM)算法的地面影像定向通常没有考虑影像的位置姿态信息,影像定向结果在自由网坐标系,因此无法获取绝对坐标和真实尺度;利用地面摄影实时动态(real-time kinematic,RTK)技术可以获取地面影像的位置姿态信息,但是RTK和摄影测量的角度系统定义不同,RTK相位中心与影像投影中心存在偏差。针对这些问题,推导了利用RTK获取的GPS和角元素heading pitch roll(HPR)计算影像外方位元素的公式,提出地面摄影RTK辅助SFM算法的地面影像定向方法,在少量或者无需像控点条件下将SFM算法自由网的定向结果转换到绝对坐标系下,获得场景的真实坐标和尺度。实验结果表明,该转换公式正确,地面摄影RTK辅助SFM算法的影像定向方法可行。

复杂背景下相对运动恢复结构算法设计

针对运动恢复结构算法在摄像机拍摄过程中需要改变摄像机位置的问题,利用物体与摄像机的相对运动关系,获取包含物体多角度视图的图像序列。在图像序列中定位物体所在区域,约束特征点提取的适用范围,设计并实现一种相对运动恢复结构算法。实验结果表明,SFRM算法适用于摄像机固定位置的拍摄方式,能将位于物体区域的匹配对占总匹配对的比例从32%提高到84%,相较于传统的SFM算法在时间效率上得到38.29%的提升,成功扩展SFM算法的适用场景。

多镜头组合型全景相机的位姿估计算法

本文针对多镜头组合型全景相机在定向中面临的拼接误差、匹配误差和前方交会误差控制等难题,通过多镜头组合型相机之间刚体不变的相对位姿约束,提出Eye-to-Eye相机标定方法恢复统一的场景坐标系,采用多镜头SfM算法的后方交会,实现了更多的位姿估计。实验结果表明:该方法能成功实现所有影像定向,并能较好地恢复三维结构。

一种基于序列图像的交互式快速三维重建方法

针对普通数码相机拍摄的序列图像,提出了一种快速的交互式三维重建方法。首先基于SFM技术得到了相机的内外部参数;然后在图像上交互取点以构建逼近物体轮廓的多边形,结合该多边形,利用轮廓跟踪算法提取出精确的外形轮廓;最后通过匹配轮廓点的方式重建出三维模型。实验结果表明该重建方法是快速而有效的。

三维重构的参数估计

三维重建主要包括特征点配准和摄像机标定。本文采用灰度相关法和RANSAC法剔除误配准点求得基本矩阵,以及利用摄像机自标定得到的内参数矩阵求出本质矩阵,最后采用SFM重建算法求得空间点坐标。实验结果表明,配准算法对于轮廓较为明显,景深较大的物体效果更好,并可以计算出物体的三维空间点坐标。

志愿者民航客机夜光遥感方法与数据验证

夜光遥感是遥感技术一个活跃的分支,能够反映人类社会活动的痕迹。在城市监测、经济参数评估、重大事件评估等方面有着独特的优势。近年来夜光数据的应用不断拓展,这对传统的卫星夜光遥感数据提出了更高的要求。本文基于大众遥感、志愿者遥感理念,提出了一种夜光遥感数据获取的新方法--民航客机遥感(PARS)。以长沙市为研究区域获取PARS夜光遥感影像,并将所得数据与传统卫星遥感数据作对比。结果表明,PARS捕获的夜光遥感数据在分辨率、波段及时效性上比传统方式表现得更为优秀,是一种低成本、灵活及多样化的遥感数据获取方式,具有很大的发展潜力。

基于延时数字摄影测量的积雪过程4D监测技术研究

为实现4D(时间+空间)多目标、高精度的积雪监测,本次试验研究采用单台相机延时拍摄结合运动结构重建算法(Structure from motion,SfM),分别获取了祁连山黑河上游站裸露山坡坡面尺度单次降雪的雪深、逐日积雪空间分布和面积,以及祁连山八一冰川1.5m×1.5m的斑块尺度全年雪深及雪面特征数据。坡面尺度积雪观测研究表明:本方法可以准确获取积雪分布信息,但其雪深空间分布获取精度较差。斑块尺度雪深监测研究表明:本方法能够很好地获取连续的雪面特征信息和雪深,且获取雪深与SR50观测雪深的绝对误差小于3.4cm。在不同季节,本方法对积雪监测能力略有差异:春季快速积累期雪面纹理少,照片组对齐并获取点云数据和DEM数据的成功率较低,而冬季和消融季雪面纹理丰富,相应的对齐成功率比例和精度较高。本研究表明基于单台相机的4D摄影测量方法能够实现小范围、连续、高精度、多目标的积雪监测,未来应用前景广泛。

基于51duino智能小车的三维场景重建

为了解决光学单目拍摄图像的物体相互遮挡、深度信息缺乏等问题,研究了基于51duino智能小车的三维场景重建方法.智能小车的核心控制器采用开源51duino开发平台,并搭载有单目光学摄像头、超声避障模块、光电寻迹模块与wifi传输模块.小车在行驶过程中,由不同角度拍下被测场景图像,经wifi模块将图像传回用户终端,并在用户终端采用SFM(Structure from Motion)算法得到场景的稀疏点云,再经CMVS(Cluster Multi-View Stereo)/PMVS(Patch-based Multi-View Stereo)稠密重建与泊松表面重建,得到场景的三维图像.通过两组测试验证了所提方法的正确性与可行性,获得了信息更丰富、可读性更强的场景三维图像.