武汉大学航空航天摄影测量课程调研报告(研究生)分析.doc

序列影像三维重建综述 摘要：基于图像序列的三维重建技术是计算机视觉重要研究方向之一。随着三维技术在各方面的应用越来越重要，序列图像的三维重建目前已成为物体识别、图像融合以及机器人导航等前沿学科的研究重点。开展基于图像序列的目标三维重建的研究对民用航空、军事、等都具有重要的理论及应用意义。本文总结了目前基于图像序列的目标三维重建技术的理论与方法，并展望了其发展前景。 1背景 计算机视觉是目前计算机科学领域的一个热门研究课题，是一门多学科交叉的研究课题，集认知科学、计算机科学、通信及其他应用领域科学为一体，其成果已广泛应用于医学、虚拟现实、计算机动画、显微摄影学、三维测量、有限元分析、遥感图像分析、机器人导航、文字识别、现场勘测以及军事侦察等领域。伴随着航空航天技术、机器人技术、多媒体技术的飞跃式发展，计算机硬件设备的不断提高，在计算机中快速的获得目标的三维立体信息，已经逐渐应用在人们的日常生活中，并体现其重要地位，各方面科研人员也广泛开展了相关的研究。基于图像序列的目标提取与三维重建是获取三维立体信息的重要手段，是一个综合性、交叉性的学科，涉及到数字图像处理、计算机视觉、图像理解与分析和计算机图形学等领域，一直是计算机视觉、空间数据可视化领域的研究重点。其主要方法是将场景中指定的目标物体从图像序列中分割出来，然后对已分割的目标物体利用计算机视觉技术进行三维建模，从而实现目标物体的三维重建。图像序列三维重建主要通过立体视觉实现，立体视觉的好坏直接影响后续的三维重建精度。所谓立体视觉就是通过不同方位的摄像机拍摄同一场景，获得不同视角的序列图像并计算出序列图像中对应像素间的视差，最后推算出真实场景中目标物体的几何形状和位置。相比3D Max、Maya等三维重建技术，图像序列三维重建具有成本低、操作简捷、重建周期短、设备携带方便、非接触式、实用环境强等特点，因而具有广泛运用前景和重要的理论价值，已广泛应用于汽车导航、虚拟现实、机器人识别等领域,影响着人们的学习和生活。例如，汽车导航技术是利用汽车前端的摄像头进行多角度拍摄场景，获得场景的二维信息，然后利用基于图像序列的三维重建方法对目标场景进行三维重建，从而恢复三维场景中确定行走的路径。它只需要围绕被测场景或物体拍摄一系列的图像组就可以重建出场景和目标，得到目标物体的三维信息。 2国内外发展情况 目前来说，三维信息的获取方式多种多样，目前应用最广泛的就是基于图像的三维重建方法。 采用基于图像序列的三维重建技术，从一系列二维投影图像中重建出真实的三维物体模型。在序列影像三维建模中，所采用的设备可能就是一台摄像机，可以灵活进行多角度的物体拍摄，不需要对现场进行测量和严密的摄像机标定。序列影像三维重建没有严格的深度范围限制，小到一个布娃娃，大到某座建筑物都可以采用这个方法。它的灵活性增加的同时伴随着设备成本的降低。另一方面来说，基于图像序列的三维重建在人工的要求上也比较低，只要输入图像序列，计算机就能根据已有算法自动重建出所需的物体。因此，基于图像序列的三维重建在真实物体的虚拟上具有十分高的应用价值。 在基于图像序列的运动目标三维重建方面，国内外展开了大量的研究，主要的研究内容包括：目标检测和三维重建。目标检测主要研究的是基于目标几何与统计特征的图像分割方法，并且把目标的分割与识别合二为一；三维重建部分主要方法有多种形式，例如表面提取、空间点线面的提取、空间二次曲线、空间点等。 2.1序列影像目标检测研究 目标检测的重点在于影像分割，目前的影像分割方法主要有包括基于阈值（Doyle，p-分位数法，1962；Ostu，最大类间方差法，1978；Weszka和Rosenfeld，直方图变换法，1979；Rosenfala和 Torre，直方图凹面分析法，1983；Dunn，均匀化误差法，1984；Kittler和Jllingworth，最小误差法，1986）[25-28]、基于边缘（Roberts算子，1963；Prewitt算子，1970；Sobel算子，1975；Laplacian算子,1980；Canny算子，1986）、基于区域（Wu X，分裂合并法，1993；Thakur A和Anand RS，区域增长法，2004）和基于特定理论（MaIleron和Serra，二值形态学，1964；曾伟，模糊技术，2006；Sun J.,小波分析和变换，2004）的分割算法。为了使得分割对象与地物真实分布保持一致，分割尺度问题也得到了国内外不少学者的重视[29-32]。确定分割尺度的方法有主观经验法（于欢等，2010）[29]、鉴别指标法（刘兆祎等，2014）和计算模型法（Woodcock等，均值方差法，1987；黄慧萍等，最大面积法，2003）[27]。另外刘兆祎等运用一种全局性的尺度分割方法来