基于图像序列的建筑物模型重建技术研究与实现.pptVIP

第三部分：多场景模型合并策略模型合并图像序列每幅图像对应的重建模型01三场景模型示例02三场景合并过程多场景模型合并策略如何把所有的局部模型转换到统一的世界坐标系中?01模型合并：比例变换，顶点合并如何解决？02如何去除重合平面？03模型合并过程中存在的主要问题01两相邻场景之间的结构坐标系02多场景公共坐标系链式结构建立公共坐标系链表模型比例变换场景内的模型坐标转换场景间的模型坐标转换坐标转换模型比例变换坐标转换效果顶点合并极线约束图例1.极线约束：极线约束就是一幅图像中的点在其相邻图像中的匹配点一定在该点对应的极线上。极线约束在图像对的特征点匹配和立体匹配中都起着非常重要的作用。虽然我们进行的是空间点的匹配，但是这些空间点在图像上的投影依然应该满足极线约束条件。2.空间位置约束：就是说相互匹配的点应该在空间位置上基本上是重叠的。3.匹配唯一性约束：场景中的一个顶点对应于相邻场景中的唯一顶点。极几何示意图搜索求解阈值a；求解当前场景与前面场景之间的基础矩阵；搜索构成场景模型的平面外轮廓点，对于每一个点，求解该点在前面图像中的极线，根据点到极线的距离和三维点之间的距离，在前面的图像中搜索起对应匹配点并做记录；将搜索到的匹配点的三维坐标求平均值。点合并具体步骤点合并效果点合并效果点合并后的局部放大图基于图像序列的建筑物模型

重建技术研究与实现答辩人：刘培珺指导教师：石教英教授浙江大学CADCG国家重点实验室研究背景随着计算机性能的不断提高和计算机技术的不断发展，真实场景的三维模型越来越多地出现在各种计算机软件中，成为计算机软件表现现实世界的一种重要手段。而构造三维模型的传统手段要么价格昂贵，要么要求操作人员具有丰富的专业知识，而且操作复杂，周期较长，最终构造的三维模型真实感不强。在这种情况下，基于图像的建模技术作为一种成本低廉、操作简单、具有高度真实感的建模方法应运而生，并且逐渐成为计算机图形学和计算机视觉领域的研究热点。相关工作几种基于图像建模技术比较0102030405研究一种针对建筑物的基于图像建模方法；要求能够重建出建筑物的平面，以及简单曲面；当输入是单幅图像，或几幅图像时，要能够从中重建建筑物的局部模型；当输入是完整的图像序列时，要能够重建建筑物的完整模型；允许少量的交互操作。研究目标算法流程2基于单幅图像建模技术3多场景模型合并策略1相机定标5总结与展望4SIBM系统实现及示例主要内容第一部分：相机定标利用平面约束求解相机内参数利用反对称性质改进算法改进算法实验结果（一）改进算法实验结果（二）”利用真实场景中的几何结构求解相机参数整个结构至少有4条线段构成；其中3条线段互相垂直；第4条线段平行于前3条中的1条。角结构平行线结构整个结构至少有4条线段构成；其中两条线段互相垂直；另外两条线段分别和前两条平行。0102030405所以可得这是一个关于焦距f的四次方程，从中可以求解出焦距。角结构投影OX和OY的方向向量可以写成焦距f的表达式从单幅图像计算相机焦距01求解旋转矩阵和平移向量02从针孔相机的投影原理，可得：03SCF在相机坐标系中的表示矩阵可以写成:04SCF在相机坐标系CCF中的平移向量为：05角结构投影06SCF:结构坐标系CCF:相机坐标系07于是，关于CCF的平移向量可求：利用单幅图像优化相机参数利用两幅图像优化相机参数在理想情况下，求出的三维空间点重投影回图像平面所得的点和原图像点应该是完全重合的，但是由于计算误差等原因，造成它们不会完全重合，它们之间的距离越大，意味着求解的相机参数误差就越大，所以我们以重投影点和原图像点之间的距离来衡量误差的大小，定义误差函数F：利用两幅图像优化相机参数旋转矩阵：平移向量结构约束条件目标函数：保证r1和r2是正交单位阵保证平移向量的模在优化过程中不变，tlen1和tlen2是两平移向量的模，可以从初值求解保证线段的方向在优化过程中不被改变约束条件：实验结果用手持相机拍摄的书报亭的图片相机位置和三维点的俯视图误差统计：理想情况下图像上的点应该恰好位于对应的极线之上，但是由于计算误差，图像点和对应的极线之间会有一定的距离，距离的大小可以用来间接衡量计算误差的大小：?ImageErrbeforeoptimization(pixels)Erraft