基于連續(xù)深度融合的多視圖三維重建研究.pdf

1、隨著影視、動漫與游戲行業(yè)的蓬勃發(fā)展，其對高真實感三維場景重建的需求越來越多。而在文物數(shù)字化等領域，對于三維模型重建要求更高，從三維重建的逼真度要求上升到了對三維形體準確度及表面色彩保真度的要求?；诙嘁晥D立體匹配的三維重建是實現(xiàn)上述需求的一種重要方法，可直接計算得到包含準確色彩紋理的三維模型結果。準確性、魯棒性以及計算效率是評價基于多視圖立體匹配三維重建的重要標準。圖像的畸變、隨機噪聲、重復紋理以及物體間的遮擋等因素影響了多視圖立體匹配

2、算法的魯棒性和重建結果的準確性。
　　本文主要從提升算法魯棒性和重建結果的準確性兩個方面來深入研究面向復雜場景的三維重建方法:一方面，研究高質量的深度圖計算以及融合算法，通過對影響深度計算準確性的一些因素進行建模，提高計算結果的準確性。另一方面，研究基于連續(xù)優(yōu)化的深度計算方法，利用連續(xù)優(yōu)化計算魯棒性高的特點，來提高三維重建算法的魯棒性。
　　具體地，本文研究圖像的徑向畸變矯正、基于非凸連續(xù)優(yōu)化的深度計算、基于凸連續(xù)優(yōu)化的深度

3、計算以及基于連續(xù)深度圖融合的多視圖立體匹配。主要工作與創(chuàng)新包括:
　　提出了一種基于矩陣QR分解的圖像徑向畸變矯正算法，解決了現(xiàn)有三維重建管線中畸變參數(shù)計算不夠魯棒的問題，提升了多視圖三維重建算法的魯棒性和重建結果的準確性。通過將畸變參數(shù)計算轉化成矩陣分解問題，簡化了參數(shù)的計算過程。
　　提出了一種基于對稱連續(xù)優(yōu)化的深度圖計算方法，使能量泛函的解更趨于全局最優(yōu)解，有效的提高了深度圖的質量。通過將立體匹配問題轉化成連續(xù)馬爾科夫

4、隨機域的形式，建立了基于對稱連續(xù)優(yōu)化的深度計算模型。在模型的數(shù)據項中，引入顏色一致性約束和梯度一致性約束，提高了算法的準確性。設計了基于多層圖像金字塔的迭代計算框架，有效地提高了計算出的深度圖的質量。在匹配泛函模型的設計中，還引入了左右一致性約束，進一步提升了深度計算結果的準確性。
　　提出了一種基于凸優(yōu)化的深度圖計算方法，有效地提高了深度計算過程的魯棒性和計算結果的準確性。針對物體間的相互遮擋等原因導致深度并不是嚴格連續(xù)的問題，

5、提出了分段連續(xù)假設條件下的深度圖計算方法。將深度計算問題轉化成自由不連續(xù)泛函模型來實現(xiàn)深度的計算，同時在泛函模型中引入了圖像分割的先驗知識，有效地抑制深度圖在圖像低頻區(qū)域的噪聲。通過利用將泛函模型松懈成凸泛函的方法，確保了深度圖的計算過程不依賴初始值，提升了算法的魯棒性，提高了深度圖的質量。
　　提出了一種基于連續(xù)深度圖融合的三維重建方法，提高了重建模型的準確性。通過利用左右一致性信息來控制深度圖不同區(qū)域的更新速度，提高了深度圖的