基于图像的三维重建技术研究-相机标定与特征匹配

"基于图像计算机三维重建技术研究" 这篇硕士学位论文主要探讨了计算机视觉领域的核心问题——基于图像的三维重建技术。作者邓燕子在导师王民副教授的指导下，深入研究了这一技术的关键环节和核心技术，涉及到相机模型、成像过程、相机标定、特征提取与匹配、基础矩阵求解以及稠密匹配等多个方面。 首先，论文分析了相机模型和成像过程，这是理解图像信息的基础。相机模型描述了图像如何由三维世界投影到二维平面上，而成像过程则涉及光线如何通过镜头形成图像。这两种理解对于后续的三维重建至关重要。 在相机标定方面，邓燕子对比了传统标定方法和自标定方法。她采用基于平面模板的方法进行相机内部参数的标定，以提高标定的精度，这对于准确恢复图像的几何信息至关重要。 接着，论文探讨了特征提取和匹配。作者比较了经典方法，并提出了一种改进的RANSAC（Random Sample Consensus）方法来描述高斯差分算子得到的点特征。这种方法在特征匹配性能上有显著提升，提高了匹配的稳定性和准确性。 在基础矩阵求解上，论文指出传统的RANSAC方法可能忽视了不同内点之间的差异，影响了基础矩阵的精度。因此，邓燕子提出了一种基于重投影误差的自适应代价函数，对不同的内点进行差异化处理，从而提高基础矩阵的估计精度。 针对特征点重构的点云稀疏性，邓燕子通过图像校正和基于视差空间的稠密匹配算法，将特征点匹配提升到稠密点匹配，生成了更丰富的点云数据，更全面地描述了物体的几何特征。 最后，论文基于双目视觉的成像特性，构建了基于图像对的三维重建流程，实现了物体的三维空间点云的稀疏重建与稠密重建。此外，还对点云后处理和多幅图像的三维重建方法进行了讨论和实验，为实际应用提供了理论和技术支持。 这篇论文对基于图像的三维重建技术进行了全面而深入的研究，涵盖了从理论基础到实际应用的多个层面，对于理解和改进计算机视觉中的三维重建技术具有重要价值。关键词包括：三维重建、相机模型、特征提取、特征匹配、基础矩阵。