文摘

本文首先介绍了基于模型的图像序列编码技术的基本原理,然后详细讨论了各算法实现的具体步骤,并提出了一个基本的特征点标定中需要估计三维运动和结构。这是一个简单而有效的解决方案。针对单目视频图像序列获得的只有一个相机,本文介绍了三维模型的雕塑建筑构成跟踪框架提供初始深度信息。整个姿态跟踪框架可以分为三个部分,即初始的雕塑模型建设,姿态跟踪帧之间,在连续跟踪鲁棒性处理。为了减少计算的复杂性,提出了一种新的三维网格模型和基于该模型的一个移动的图像恢复算法。同时,强度和方向的影响因素在场景中添加,给出仿真结果,讨论了下一步。优化工作需要做。

1。介绍

雕塑建筑的数据采集和3 d建模是数字城市建设的重要内容和智能城市。3 d建模方法基于尺度图像序列使用普通数码相机作为图像采集设备,成本低,效率高,劳动强度低。它反映了建筑表面的几何细节,真实的纹理信息,提供了一个有效的方法快速,准确的说,和真正的再现三维城市信息1]。然而,地面特写图像经常使用宽基线和大角度交叉,导致严重的阻塞,大视角图像之间的失真,和单个建筑结构和多个重复等问题,这给图像信息的提取和匹配带来困难。建筑物的三维重建的准确性和自动化需要改进(2]。图像信息,点特征是准确定位,可有效恢复之间的映射关系二维图像和三维几何,和直线特性是主要建筑的轮廓特征,控制整个建筑结构(3]。

点云重建过程中稀疏的图像序列图像、雕塑点云自动生成技术是用来改善能够区分和识别稀疏的图像多层雕塑点。通过图像信息处理和分析方法,分析多层雕塑的稀疏的图像点,提高重建的能力和输出检测稀疏的图像多层雕塑点。研究稀疏图像序列的三维重建方法,结合图像自适应功能重建和点云数据分析方法,实现了自适应稀疏图像序列的结构重组,提高稀疏图像的自动识别和检测能力。在传统的方法中,雕塑点的稀疏图像轮廓重建技术主要包括以下,这是基于RGB图像重建方法,块大小的重建方法,点分布模型法等。4]。传统的三维立体模型理论可以准确地恢复物体的三维模型,也可以调节光强度和人工纹理特征的选择,所以它已广泛应用于机械制造、建筑工程、游戏动画等。5]。然而,使用这种技术需要人非常成熟的技术来执行手动操作,可操作性差,需要很长时间来获得三维信息。获取三维信息的许多不规则的对象时,结果往往是真的。的信息大大不同,和没有达到预期结果6]。扫描设备的三维模型是昂贵的和有限的供个人使用,只能重建一个对象。等不规则特色图像遥感图像,三维重建的效果很差,和获得的对象往往不是。表面的颜色分布信息已经解释道。然而,使用多个对象的不同角度的图像恢复物体的三维信息通过计算机视觉理论(7]。从一开始的研究,它已经吸引了人们的注意力。这种方法只需要多个不同角度的图像恢复三维模型。传统的分析方法进行稀疏雕塑点的三维重建图像改善图像的特征解析能力,但这种方法有太大的问题的计算成本和贫困特征分辨能力重构的稀疏图像轮廓雕塑点(8]。

本文研究的几个关键技术问题的过程中建立三维建模的基础上,近距离的图像序列的特征点和线。主要工作和研究成果包括以下:关注特征引起的大尺度图像的角度变化和单一建筑物的纹理。点匹配是困难的,关注当地的仿射不变特征为视角的变化保持不变。基于当前的优缺点的分析当地的仿射不变特征检测方法,优势互补的特征点提出了多个特性。检测和匹配方法可以获得高精度和大量的匹配点对,而随后的相机参数估计奠定了良好的基础。相机参数估计的鲁棒性是基于梁的原则调整优化相机参数和三维点坐标的同步解决。根据各向异性的特点角度变形引起的误差分布的特征点的尺度图像,构造目标函数作为一个入口点,和一个方法求解摄像机参数和三维点坐标,考虑了各向异性的特征点错误。针对传统方法的问题,一个方法的自动三维重建雕塑点提出了基于稀疏的图像序列,和3 d重建方法基于稀疏散点和锋利的模板特征匹配方法构造图像三维重建。三维检测角点和边缘轮廓特征提取方法用于检测雕塑点稀疏的三维点云特征图像和执行信息融合处理检测到雕塑点稀疏图像点云数据;使用梯度操作方法执行功能分解,结合地方平均去噪方法。 Purify and filter the image to improve the ability of sparse image contour reconstruction of sculpture points; use sharp template feature matching and block segmentation technology to realize automatic 3D reconstruction of sculpture point cloud, and conduct simulation experiment analysis. In view of the importance of straight line features to the three-dimensional geometric structure of buildings, a strategy of extraction, matching, and reconstruction of straight line features is designed. On the basis of linear feature extraction, a multiconstrained linear feature matching method is proposed to solve the matching difficulties caused by broken lines and incomplete extraction. The feature of this method is to use the local affine invariance between points and lines. Searching for candidate matching sets improves the accuracy of matching straight line search. Combine epipolar constraint and straight line angle and the similarity measure of support domain grayscale to perform straight line feature matching. Experimental results show that this method has a higher correct matching rate.

通过将真实世界的三维颜色信息转换为数字信号,可以直接由计算机处理,它可以提供一个物理对象的数字化的有效手段。它非常不同于传统的平板扫描仪,摄像机,图像捕捉卡。扫描对象不是平面模式,而是一个三维对象。其次,通过扫描,每个采样点的三维空间坐标可以获得物体的表面,和每个采样点的颜色也可以获得的彩色扫描。一些扫描设备甚至可以获得物体的内部结构数据。最后,它不输出二维图像但包含一个数字模型文件的三维空间坐标和表面每个采样点的颜色。这个可以直接使用CAD或3 d动画。彩色扫描仪也可以输出的颜色纹理贴图表面早期的坐标测量机(CMM)用于三维测量。探测器安装在伺服装置有三个自由度(自由度),和传动装置驱动探针在三个方向移动。当探针接触物体的表面和措施三个方向的运动,表面点的三维坐标对象可以是已知的。 Control the movement and touch of the probe on the surface of the object to complete the three-dimensional measurement of the entire surface. Its advantages are high measurement accuracy; its disadvantages are expensive, complicated control when the object shape is complex, slow speed, and no color information. The rangefinder sends the signal to the surface of the measured object and can estimate the spatial position of the surface of the object according to the reflection time or phase change of the signal.

通常所谓的基于图像的三维重建是指利用图像恢复物体的三维几何模型。重建的几何模型,它可以概括如下:single-image-based方法,立体视觉方法,运动恢复结构方法、轮廓contour-based方法等。9]。

Adamopoulos et al。10)提出,摄像机投影变换是一个射影变换从三维空间到二维平面。是不可能获得其几何结构从单一的形象空间场景。虽然形状恢复从光明与黑暗,该方法支持从一个三维模型的重建图像。然而,这总是一个坏脾气的问题。假设已知物体的表面反射通常是不正确的。拉蒂尼等人。11]研究了着色方法和优化结合图像轮廓。它主要是针对特定照明,相对简单的结构,忽略纹理。特征图像很难应用于实际的图像。一般基于单个图像三维重建的方法是使用已知的几何特征的平行,垂直,共面,消失点,消失在现场,实现物体的三维重建以互动的方式。Lanteri et al。12交互式地标志着要点和平行线单个图像场景中物体的至少两个消失点和使用消失点计算相机参数建立几何模型。Barrile et al。13]提出的方法测量距离一个图像的形状。基于立体视觉的三维重建方法用于重建场景的几何模型从两个或两个以上的校准图片。生物视觉系统,两只眼睛是用来观察一个物体时,会有一种距离或深度的感觉。立体电影模仿的原则与人类的眼睛看世界,产生一种真实的深度。研究Suciati et al。14)表明,当拍摄时,两个摄像头拍摄同时,模仿人眼的角度来看,在投影,由两个摄像头捕获的图像投影到同一屏幕上同时使用和偏振光的原理,以便每只眼睛只看到相应的偏振光图像;即左眼只能看到由左相机,和右眼只能看到由正确的相机,所以人感觉真实的三维场景。Adamopoulos et al。15)在计算机视觉系统和数字摄影测量系统模拟人眼观察现场的方式。立体视觉方法通常获得两个不同的角度看同一空间场景的图像立体摄像系统和计算点的空间。两张图片之间的时差是用来获得三维坐标。立体视觉方法侧重于如何准确确定密度像素对应匹配的观点。Dipietra et al。16从匹配的相似性度量模型,纵向约束,视差约束等,研究立体像对的稠密匹配的方法。梁Bojun使用匹配的扩散法生成致密差距地图然后得到稠密的深度信息。Zhang et al。17)提出了一种摄像机标定和幅图片建模策略通过先验知识的飞机,平行线,角结构和合并本地模型对应于每一个图像在多个图像序列。完成multiscene的统一模型。传统的三维重建方法都需要事先校准相机。近年来,越来越多的研究者致力于研究相机自校准工作,只有通过两个或两个以上的无标定图像恢复场景的几何结构和运动参数的相机在同一时间。无标定的三维重建图像,最常用的方法是运动恢复结构的方法。这种方法使用数值方法来检测和匹配图像中特征点集,与此同时,恢复摄像机运动参数和场景几何,并获取物体的三维模型(18]。拍摄的目标时,你可以自由移动相机的位置并根据需要调整镜头的焦距;由于没有提前需要标定摄像机参数,重建结果不会影响等因素不准确的校准信息或轻微在拍摄过程中摄像机参数的变化。因为该方法只计算所有匹配的特征点的三维坐标,只有稀疏的三维空间特征点可以重建,所以通常需要进一步的帮助下重建三维模型之间的独特的匹配图像(19]。

尽管一些国内领域的研究团队3 d重建只有取得理论突破和尚未完全转化为实际应用,越来越多的机构仍然投入大量精力和资金来实现预期的突破。相应地,本文研究的内容是基于咨询大量的国内外文献,提高相关算法,以及围绕基于序列图像的三维重建算法,深入研究基于两个图片和多个重建算法。基于剪影轮廓线的建模方法,得到物体的三维模型通过分析物体的轮廓图像或剪影轮廓线在多个视角。从多个角度观察空间对象时,对象的剪影轮廓线将每个角度的投影在屏幕上。这个剪影轮廓线和相应的透视投影中心一起确定锥在三维空间中。物体的轮廓可以通过查看获得壳。当使用足够的轮廓图像时,可视外壳被认为是一个物体的三维模型的合理近似值。自交点的计算三维锥壳是相交的问题复杂的多面体的三维空间,计算复杂性高,所以轮廓方法主要解决问题的快速三维锥壳的十字路口。最早使用轮廓三维重建的方法是离散化的三维空间对象的位置探测器,除了外面的体素投影轮廓区域获得物体的3 d模型(20.,21]。基于剪影轮廓线的建模方法主要适用于凸物体,但有些凹区域表面的对象不能获得的剪影轮廓信息,所以这种方法并不适合所有形状的实体(22- - - - - -25]。剪影轮廓越多,生成的视觉壳是越接近现实。因此,contour-based方法通常需要大量的图片和算法复杂性较高。本文实验结果表明,点云重建的图像三维重建算法基于区域增长足够致密,重建的目标对象有强烈的现实,可以完全恢复的详细特性,表明重建图像的目标有很强的实用性能,可以有效降低数据。改进后的算法能够消除不匹配点很好,还可以加快重建结果的优化速度。

3所示。雕塑建设基于图像序列的三维模型

3.1。序列的映射多视图几何模型重建

每个数字图像的形式存储在计算机一个数组。图像的行和列中的每个元素对应于图像中的一个像素,其价值是亮度或灰度图像的像素,图像中的像素坐标系统,以图像的左上角为原点的坐标系统,增加在水平方向上,并增加在垂直方向。每个像素的坐标的数组中的行和列的像素数量。像素坐标系统只显示的行数和列的像素数组,而图像坐标系使用物理单位(如毫米)表明图像中的像素。图像坐标系统的起源的交点是相机的光轴和图像平面。这一点通常是位于中心的形象。如果像素坐标系中的坐标,然后在图像坐标系,轴向方向上的每个像素的大小。公式(1)- (2)如下:

让F一个域,向量空间的成员V被称为向量和的成员吗F被称为标量。如果F是一个实数的领域R,V被称为真正的向量空间;如果F是一个复杂的数量C,V被称为复杂的向量空间;如果F是一个有限域,V被称为有限域向量空间。向量空间V是一组在F。让0 0向量的向量空间V,k向量V是线性相关的,当且仅当有吗k不是所有的零满足标量。如以下公式所示,

其中,x代表了网格单元密度,y表示的最优阈值密度直方图,z代表两个细胞的相对密度,f代表了像素的直方图。

收集到的原始三维雕塑点稀疏图像采用局部均值降噪方法分离噪声,见公式(5),确定特征点的阈值,根据阈值和执行噪声分离处理判断的结果,和形成特征点集

重建表面的关键特征点,哈里斯角检测方法用于平滑稀疏的雕塑形象点。见公式(6), 代表了特征点的灰度值集群稀疏的雕塑形象点的 代表了Taubin平滑算子, 种子点阵列分布表的形象。块匹配方法用于功能注册,和集群计算符合的程度。确定当前种子点的主要方向P雕塑的稀疏的图像点,执行空间邻域分解根据欧氏距离 相应的特征向量来获取空间邻域分解系数。 代表了分解的规模大约凸稀疏的雕塑形象点的一部分。三维点云模型是由主成分融合和集群的分割方法,和聚类中心之间的距离 。基于体素的功能分割方法,特征分割输出。根据上面的分析,设置的矢量量化特征数量稀少的雕塑形象点,提取图像的灰度信息素和获得第一我维特征稀疏的雕塑形象点的模板:

的公式,f代表了图像和参考模板 代表了图像重建。根据上面的分析,进行信息融合处理的点云数据稀疏的图像检测到雕塑点,和梯度操作方法用于功能分解实现信息稀疏图像的增强和融合过滤雕塑点。

3.2。检测图像特征点的雕塑建筑

因为特征点精确定位,可以提供有效的三维信息,建立特征点之间的对应不同的观点已成为一个必要的先决条件恢复目标对象的三维结构。至于地上建筑物的近距离图片,因为宽基线和经常使用大角度的十字路口,等问题严重的阻塞,亮度图像之间的变化,和大角度会发生扭曲。此外,建筑的表面纹理是单一和重复。这些很难自动识别和正确的局部形状相应的邻域窗口。因此,有必要开发一个建筑地面特征点检测和匹配策略,特写图片。共同的特征点检测和匹配算法进行了总结。具体的过程如图3 d模型层次结构1,分析它们的优缺点后,结合地面建筑的特写图像的特点,multifeature互补的局部仿射不变特征点检测和匹配方法的提出。在三维重建的过程中,有必要获得图像中大量的点,但并不是所有的这些点可以帮助重建在重建。只有点的点是明显不同于周围的环境是必要的。这些点被称为特征点。如果这些特征点的二维坐标可获得两张图片,分别,然后可进行三维重建。传统算法需要找到当地的极端点在尺度空间和二维平面空间同时确定当地极端点的位置,并使用所选当地极端点的关键点。最后,根据关键点的位置信息的关键是计算,和社区中所有点的梯度方向的关键是计算来确定关键的主要方向,然后算子几何变换的不变性和旋转可以完成。多功能局部地区的标准化可以进一步实现由特征点局部区域描述和特征点匹配和与其他算法的对比实验验证了。


图1
流程图形象雕塑建筑的特征层。

目标成像后,每个点的目标,相机的内部和外部参数是相同的,它可以被看作是一个已知的常数,而是因为仿射变换的系数矩阵是相关的和,两幅图像的像素不遵守相同的仿射变换模型表明,所有像素的两幅图像之间的几何关系可以用相同的仿射变换模型。自从两个摄像头,分别代表了轴的坐标沿着各自的光轴方向相同的目标,那就是,深度投影方向,在实际应用中,下列情形是常数或可以近似为常数。见公式(7),二阶中心矩是一个更广义协方差的概念。基于向量的二阶中心矩表示构造使用不规则特征区域的像素信息,用于调整不规则特征区域。不规则的区域可以调整到一个椭圆区域使用以下公式:

图像之间的仿射变换可以被理解为集之间的映射,以及仿射不变特征可以被看作是一个不变子空间的特征空间不受这个影响映射。仿射不变特征分为全局仿射不变特征提取方法和局部仿射不变特征提取方法。其中,因为当地的仿射不变特征,只有当地的信息的目标。因为这些局部地区可能分散在不同位置的目标,为每个区域独立特征提取时,即使有一些闭塞的环境目标,部分信息的目标仍然可以通过局部特征提取,从而实现目标的识别和识别。最稳定的极值区域设置一个阈值图像,分析之间的关系图像像素点的灰度值和给定的阈值,并构造一个四个相连的区域。区域内的像素的灰度值都是灰色的边界像素的灰度值。度值(最大值区)大,或区域内的像素的灰度值小于边界像素的灰度值(最小值)。方法具体描述如下:设定一个阈值对于一个给定的图像,并设置点的灰度小于阈值,否则将“黑色、白色。“形象完全是最初设置为白色,然后出现黑色。逐渐增加时,“黑色”代表局部最小值点一个接一个地出现。通过这种方式,在新的地方点逐渐产生,旧的本地“黑色”点逐渐合并。 When the maximum is reached, the image becomes completely black. Similarly, if the process is reversed, the image will change from all black at the beginning to all white at the end. In the threshold change process, the continuous area composed of the local “black” points (or the “white” points in the reverse process) that have appeared is called the extreme value area. The gray values of the pixels in this area are all less than (or greater than) the gray value of boundary pixels. The detection operator detects homogeneous regions in the image, which depends on the structure of the image itself, so it has the characteristics of covariation with the image affine transformation and linear illumination transformation. The basic principle is to start from the extreme gray value of the image and find the boundary point outward along the direction of the fortune ray. The boundary point is the pixel point that has the largest grayscale difference from the extreme point and is closest to the extreme point, and then the grayscales of the boundary points of the extreme neighborhood are sequentially connected to form an irregular area. Therefore, it is called the affine invariant region. Among them, the boundary points can be a gray value function is obtained by seeking extreme values. The geometric positioning accuracy is high, the number of detected features is the largest, and a good match can still be obtained in the presence of occlusion, but the performance of the detection operator for illumination and viewing angle changes is not good; although the performance is the best, the detected features are less, and too few features will cause instability in the matching result due to mismatching.

通过上面的局部特征检测算法的原理,可以看出检测特性,稳定本地块,这是更适合的场景与明显的纹理特征,在特征检测基于角落区域明显的建筑等结构。雕塑的特定点算法模型如图2。现场表现更好,两个特性有更少的区域相同的特性。功能区域本身的规模和仿射不变性。描述符是用来描述特性后地区向量,由此产生的描述符添加旋转不变性。自算法充分利用社区在计算特征点的方向信息,使用直方图统计的概念和高斯权重在计算梯度方向特征点,这提供了更好的匹配特征点的定位偏差。描述算子首先以特征点为中心的邻域采样窗口,计算每个像素的梯度方向,然后使用梯度直方图(列)计算窗口的主要方向,并使用特性的中心区域作为坐标轴的原点。旋转特征点的方向,以确保旋转不变性。功能区域划分为条件,计算每个方向的梯度方向直方图每一个亚区。为了突出的中心地区,所扮演的角色上执行高斯加权的中心地区靠近中心。贡献越大的像素梯度方向信息,最终获得一维特征向量。


图2
特征点检测算法的图像雕塑建筑。
3.3。图像序列参数估计和三维坐标计算

的过程中目标基于图像序列的三维重建,相机参数估计是必要条件建立映射二维图像和三维目标之间的关系,也是运动恢复结构的核心。相机参数估计的狭义仅指的是内部参数矩阵。相机参数估计在本文中是指广义的相机参数。在投影矩阵的形式,它可以直接建立通信之间的三维世界坐标系统和二维图像坐标系统。之间的关系的隐式表示相机的内部和外部参数。使用投影矩阵可以进一步实现三维空间点坐标的计算,和它的计算精度直接决定了模型的准确性。相机参数和三维空间点解决方法是基于光束调整优化模型。首先,基本矩阵的奇异值分解用于获得“准”欧洲模式的参数的两张图片(最初的相机的内部和外部参数和特征点的三维空间坐标),光束的初始参数调整;然后,用光束调整模型非线性优化的内部和外部的相机参数两个图像的空间坐标点是固定的;对于每一个新形象,根据计算三维点,添加图像特征点的对应关系,解决图像的投影矩阵和解决匹配的特征点对,尚未重建,并优化所有当前图像使用光束调整模型; finally, the global beam adjustment optimization is performed to obtain the camera. The optimal solution of parameters and three-dimensional point coordinates is obtained. The distribution of image sequence parameter estimates is shown in Figure3。可以看出几套样品都显示良好的精度。建模和优化后,估计图像序列的参数值的数据集显示更高的相关性,及其分布更均匀。


图3
图像序列的分布参数的估计。

在三维坐标计算,antiprojection行匹配点和基线的两个摄像头组成一个三角形。这个三角形的顶点是光学中心的十字路口的两个摄像头和两个antiprojection线。这个十字路口空间点待定。。然而,在实际应用中,由于各种噪声的存在,在一定空间点的投影射线成像点通常不完全相交,如图,所以有必要定义一个合适的成本函数,并使用光束的水平。不同优化模型估计的最佳“交点”空间点坐标。光束调整优化模型使用摄像机投影矩阵back-project给定初始三维点云。一般来说,距离的平方误差的总和back-projected点和原始图像之间的点是最小优化点云结构和相机参数。针孔相机模型是描述如下:其中,有三维点的世界坐标系统和点在三维图像的投影点,代表每个图像和其相应的相机参数。标准的束调整算法包含一系列的输入信息。

使用迭代方法,通过构造目标函数,然后优化理论用于最小化目标函数获得最优解。由于大变化的视角特写图片,一个大变形发生在特征点。因为特征点的提取精度取决于附近的灰色信息,因为每个视图有不同的角度扭曲,附近的灰色模式相同的目标特征点的3 d点不同的图像是非常不同的,它有很强的方向性;假设噪声在图像的特征点是各向同性,优化目标函数得到的解决方案也是最大似然这种假设下的最优估计;模型的解决方案,只有在这种假设。考虑社区的影响和效果失真特征点的目标函数,噪声的各向异性是纳入reprojection误差通过使用图像的仿射变换关系的原则,和目标函数,考虑当地的各向异性构造特征点的噪声是各向异性时,摄像机参数的解决方案获得通过最小化目标函数的最优解。

仿射变换本质上是几何坐标之间的转换,从而改变的空间变化特征点邻域的灰度模式,并且不影响社区的整体灰度信息功能。因此,仿射几何可以用来找到仿射。稳定的特征点仿射变换下不变的特征点。然而,不同特征点的邻域灰度模式变化和灰色模式社区的变化同一双特征点有很大的差异在不同的图像,使误差分布的各向异性分布。各向异性分布的错误可以被描述为一个椭圆局部仿射不变的地区集中在一个功能点。具体如图3 d模型架构4。第一步是构建一个图像的高斯金字塔来检测尺度空间中的局部极值。当一组五高斯金字塔建成,另一组高斯金字塔下面是建立使用以下方法:首先downsample五的第三层高斯金字塔,然后使用将采样结果。把它作为下一组的基本层图像,然后使用这个图像进行高斯滤波,最后,让其他层图像。在确定空间局部极值,有必要比较每个像素与周围相邻点,和最高及最低的点在尺度空间中应该首先排除;观察之间的区别它和它的图像域和域。系统可以分为3个模块,连接到对方。对于不同类型的仿射变换,仿射不变量与圆的中心区域是一个椭圆。的方向和长度短轴,分别代表的方向和大小的不确定性误差分布。


图4
基于图像序列的雕塑3 d模型层次结构。

4所示。雕塑的应用和分析基于图像序列的三维建模

4.1。形象的表达三维模型的雕塑建筑

为了验证本文方法的有效性和鲁棒性,四组测试机器视觉研究机构发布的图片选择实验。这四组测试相关建筑,近距离的图像都是对图片的旋转,规模,照明,和仿射变换,如图。表面重建的过程中基于两个视图,加权纹理提取方法的基础上,采用重心坐标。通过精制离散网格映射到图像,某个像素的纹理信息的四个相邻的像素。点的纹理信息是由一个特定的公式转换成纹理图像。图像的纹理信息存储在一个矩形的方式。对象的离散网格表面可用于项目网格点的形象,这一点和纹理信息的图像提取,所以纹理图像网格形成的形式。然而,因为这些网格点太稀疏和纹理信息是不够的,由此产生的纹理图像太模糊了。因此,离散网格需要细化首先获得更多的网格点。网格点对应一个像素的纹理图像,以便有足够的纹理信息。

按照一流的电线和二等水准测量的技术要求,徕卡TS30模型自动全站仪和天宝DiNi11电子能级模型用于精确测量的平面和高程坐标测量的地面建筑雕塑。测量精度优于±3毫米。控制点标志是由一个旗布1米的长度。黑色和白色放射状和数字印刷在旗布。保留一个洞的直径3毫米中心的模式,这是方便调整实验中心的不锈钢的迹象。在这个过程中,该算法用于近距离的图像匹配的特征点对,摘要和直线提取算法用于提取直线。测量分(控制点和检查站)是由瑞士徕卡测量TS30自动全站仪。精确测距的标称精度为0.6毫米+ 1 ppm, prism-free的标称精度范围是2毫米+ 2 ppm。角度测量的标称精度±0.5”。特林布尔DiNi12电子水平用于复核测量的高程点,及其标称精度±0.3毫米标准错误的往返观察每公里。 For the evaluation of the matching result, the correct matching pair of the straight line feature is adopted. As shown in Figure5匹配的结果在不同的几何变化计算并与代表算法的匹配结果比较方法的利弊。由于全球平滑的速度限制,这将导致错误的传播,当多个场景中物体在不同的方向移动,将会有平均速度抵消的问题。因此,本文在程序中,将图像划分为小范围在水平和垂直方向和限制的速度平滑约束块。虽然阻塞或不完整的线提取是图像的不连续性引起的,这些因素导致不一致的线属性和方法本文仍然可以用于获得正确的匹配。同时,对于提取的换行符,方法本文将导致“一个匹配。”的真实图像序列采样的相机,这篇文章不能准确提前知道物体的速度在采样现场投影平面上的移动,所以没有办法比较计算速度场和速度场。的平均方差方法用于分析测试结果。在这个实验中,相对应的平均方差计算光流约束和速度平滑约束:灰色方差和速度(因为速度是一个向量,它由模量表示方差和方差的角度,分别。测试使用标准的视频,和每一帧的图像大小是352×288。从实验数据图6可以看到,它的递归细分灰度变化和计算方法的位移大小和方向更准确。


图5
正确的分配率的图像序列在不同实验小组。

图6
方差的分布在不同的实验组,每组图像序列。

从比较可以看出,改进算法比原算法的计算结果,这显示了速度场的稳定性和准确性。路算法和改进算法的效果大致相同,但是路算法有计算错误,当物体很大距离。例如,球的滚动在图片的右下角不执行。通过多次试验,结果表明,路算法分析光学流只有当物体不到一个像素的投影投影表面,和改进的HS算法通过灰度插值可以更准确地分析投影运动距离不到两个像素。每个像素的运动图像序列更准确。

4.2。三维模型的精度分析雕塑建筑

在Matlab环境R2009a,本文模拟了平面模板的摄像机标定算法基于单应性矩阵。程序的主要功能包括以下:特征点提取、标定、误差分析和现场恢复。雕塑建筑用作标定模板,摄像头的位置是固定的,校准模板放置在12个不同位置拍摄他们,和12的图像校准模板了,作为算法的输入。程序首先提取特征点的校准点的图像,然后获得相机的内部和外部参数通过求解线性方程组和非线性优化问题。在一个嘈杂的图像,在当地寻找相似的块和堆栈。在变换域(DCT域和FFT域),使用硬阈值去噪方法来消除干扰叠加的图像块获得的估计价值堆叠相似的块。根据平均重量进行聚合,然后获得初步估计的图像,并执行聚合类似的初步估计图像块;然后,用维纳协同过滤进行图像去噪,从而获得最终的去噪效果和由此产生的图像。序列模拟情况如图7。


图7
滤波后图像序列信号的幅频响应。

控制点和检查站可以分为两组。第一组分布在300×300实验雕塑领域,共有25分用于测量三维模型在该地区的建设及其精度评价;第二组分布在该地区。有98个测点的雕塑建筑的外表面,用于精制的建设模式单一建筑及其精度评价。第一批25点均匀分布在测试测量面积300 m×300 m, 1厘米直径和长度为1厘米。测量标志了7厘米不锈钢。我们设计了4种不同的3 d模型施工方案。根据均匀分布控制原理,3、6、9和12点是测量选为控制点,剩下的点是点精度检查。点是均匀地分布在测试区。98年第二组测点分布在图书馆建筑的外表面,安排在3层不同高度为10米,20米,30米,10米、30米高度的4国的雕塑建筑。 2 measuring points are used as control points, a total of 16 control points, and the remaining measuring points are used as check points. Select the points with strong reflectivity and obvious characteristics on the exterior surface of the sculpture building as the measuring points. There is no need to paste additional reflective signs. The prism-free function of Leica TS30 automatic total station is used for three-dimensional coordinate measurement, and the accuracy of plane and elevation measurement is better than ±5 mm. For the 3D model of the 300 m × 300 m survey area, 5 flying heights and 4 control points were set up in this test, and a total of 20 3D models were reconstructed. For the refined model of the sculptured single building, this test uses flying A refined 3D model was constructed for an image sequence with a height of 80 m, and a 3D model was reconstructed. First, image preprocessing, image area network joint adjustment, control points, and coordinates were imported; then, dense 3D points were generated according to aerial triangulation. A 3D white cloud model was generated, the surface mesh was reconstructed to generate a triangulation, and texture mapping was performed to generate a real 3D model.

三维模型构造的准确性在不同数量的控制点如图8。当控制点的数量是3,飞机均方根对应于不同飞行高度(80米、100米、120米、140米和160米)。错误是5.8厘米,9.0厘米,10.1厘米,10.9厘米,14.9厘米,和海拔的均方根误差是12.1厘米,14.4厘米,15.8厘米,16.4厘米,16.5厘米。当控制点的数量是12,不同飞行高度的误差将会不同。飞机的均方根误差对应的高度是3.4厘米,4.8厘米,6.2厘米,6.8厘米,10.6厘米,均方根误差的高度是3.1厘米,5.4厘米,6.7厘米,6.9厘米,7.0厘米。控制点的数量增加,3 d模型的平面和高程误差逐渐减少,和准确性正变得越来越高。因此,控制点的数量越多,越高平面和高程模型的准确性。当控制点的数量从3增加到6和高度均方根误差显著降低时,控制点的数量对模型产生重大影响高程精度。当飞行高度80米,控制点的数量是12日飞机均方根误差是3.4厘米,高度均方根误差是3.1厘米飞机3 d模型的精度和高程精度达到最高水平。所有3 d模型的水平和高程精度符合要求的改进模型的准确性,控制点的数量时,可以最小化模型精度满足(但至少3),或增加飞行高度。


图8
三维拟合曲线的控制点和检查站在图像序列。

在实验中,我们测试了四组代表实验数据和计算的误差与捕获跟踪系统通过比较真实的姿态。此外,在实验中,两个模型被用来比较每组实验数据,也就是说,真正的雕塑模型捕捉到一个立体相机的几何模型构建几何图像序列。如图9,雕塑基于图像序列的三维模型显示了良好的满意度,和超过一半的数据显示非常令人满意的结果。图中所示的特定的数据分布。通过姿态跟踪误差的数值比较,它提供了一个参考模型的选择在图像序列跟踪的过程。


图9
满意度调查的雕塑基于图像序列的三维模型。

5。结论

本文提出一种雕塑的三维重建方法基于图像序列,结合图像自适应功能重建和点云数据分析方法,实现自适应稀疏图像序列的结构重组和改进稀疏图像的自动识别和检测能力。基于稀疏分散点的三维重建和尖锐的模板的特征匹配方法,图像进行三维重建。改进后的算法进行特征点匹配。与传统方法相比,该方法可以快速解决特征空间和减少计算复杂度,不需要占用更多的存储空间,并改进算法更稳定、准确、快速;重建结果更突出细节,更现实,更接近真实的对象。同时,3 d检测角点和边缘轮廓特征提取方法用于检测的3 d点云特征的稀疏形象雕塑点,和发现雕塑点是稀疏的。图像处理的点云数据信息融合实现信息增强和融合滤波图像稀疏的雕塑;锋利的模板特征匹配和块分割技术用于实现自动雕塑点云的三维重建。基于两个视图的表面重建方法研究和探索,和线性约束机制的不足进行了分析和讨论。在此基础上,它已得到改进和优化,更好的结果验证了实验。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有利益冲突有关的出版。