目標的特征點匹配與立體重建.pdf

1、近年來，隨著計算機技術和圖像處理技術的快速發(fā)展，圖像匹配融合、人臉識別、虹膜識別、姿態(tài)識別、AOI(Automatic Optic Inspection、自動光學檢測)技術、目標跟蹤、三維重建等計算機視覺技術得到了極大的發(fā)展。計算機視覺是對人類視覺的模擬。現(xiàn)實世界都是三維的，人類的單目視覺如同相機，所獲得的圖像是二維的，但是人類視覺可以利用雙目從兩幅二維圖像中感受三維信息。因此計算機視覺也可以實現(xiàn)從給定場景的兩幅或多幅圖像或者一段視頻中

2、，為該場景建立一個計算機模型或三維模型，也即三維重建。計算機視覺的研究主要強調的是二維圖像與三維場景之間的聯(lián)系。三維重建的主要框架，分為三個步驟：
　　i)依據(jù)匹配點計算基礎矩陣；
　　ii)依據(jù)基礎矩陣計算投影矩陣；
　　iii)依據(jù)投影矩陣和匹配點計算相應的三維空間坐標點。
　　其中匹配點的獲得是三維重建應用的重要基礎和前提，而且也是許多其它計算機視覺應用中必不可少的步驟之一。
　　本文首先對計算機視覺

3、中的三個重要內容，特征點匹配、相機標定和三維重建做了概述，接下來討論了圖像匹配包含的基本內容。在深入地研究了 SIFT(Scale Invariant Feature Transform)匹配方法之后，總結分析了SIFT算法的優(yōu)勢與不足，提出了利用SIFT匹配點的邊角點匹配算法。該算法借助于SIFT算法實現(xiàn)了多尺度的角點檢測，并將通常角點匹配時的搜索范圍由全局縮小到局部，有效地縮小了候選點的搜索區(qū)域，這樣采用簡單的特征向量描述方式便可實

4、現(xiàn)較高的匹配精度。接下來我們利用SIFT匹配點估計基礎矩陣，在相機標定的基礎上，將基礎矩陣轉化為本質矩陣，依據(jù)矩陣分解理論，通過分解本質矩陣求解投影矩陣，最后重建匹配的角點，畫出物體的簡要輪廓，實現(xiàn)目標的三維重建。
　　本文遵循三維重建的主要框架和步驟，針對匹配點的獲得、投影矩陣的計算、相機標定進行了研究，最終實現(xiàn)了物體的三維重建。主要研究內容如下：
　　1、提出了利用SIFT匹配點的邊角點匹配算法，即首先利用SIFT算法計

5、算匹配點，為彌補SIFT算法無法獲得匹配的邊角點這個不足，我們以SIFT匹配點為中心，在距離約束范圍內計算匹配的角點。最后在不同類型噪聲，不同強度噪聲，不同尺度，不同旋轉角度下進行了實驗，結果證明該算法匹配性能良好。
　　2、本文以SIFT匹配點為基礎采用八點歸一化算法估算基礎矩陣，采用張正友標定法對相機進行標定后，將基礎矩陣轉化為本質矩陣，依據(jù)矩陣理論，對本質矩陣進行分解，確定旋轉矩陣和平移向量，最終確定投影矩陣。通過重建角點，