基于圖像的大場景三維重建并行算法研究.pdf

1、基于圖像的大場景三維重建技術(shù)是計(jì)算機(jī)具備大場景視覺功能的前提條件，對研究計(jì)算機(jī)視覺具有很大的學(xué)術(shù)價值，不僅如此，其還在測繪和城市規(guī)劃、文物保護(hù)以及軍事和3D娛樂等方面存在著廣泛的實(shí)際應(yīng)用。因此，受到了國內(nèi)外學(xué)者的廣泛關(guān)注。而現(xiàn)行重建算法并不適用于大場景三維重建，主要存在如下問題:提取圖像特征時，若圖像存在較大的徑向畸變和仿射變換，檢測不到大量穩(wěn)定的特征點(diǎn);利用捆集調(diào)整優(yōu)化三維重建最終結(jié)果時，優(yōu)化精度不夠高;圖像特征提取、特征匹配以及捆集

2、調(diào)整過程都存在算法時間復(fù)雜度過大和耗時量巨大的問題。針對上述問題，本文提出了具有圖像徑向畸變和仿射變換不變性的SIFT圖像特征提取并行算法、圖像特征匹配并行算法以及改進(jìn)的捆集調(diào)整并行算法。
　　首先，分析了徑向畸變圖像攝像機(jī)模型，并把該模型引入到SIFT算法中的高斯函數(shù)和校正特征描述中的梯度，得到了具有圖像徑向畸變不變性的SIFT特征提取算法。闡述了仿射變換模型，在利用本文提出的圖像特征提取算法提出圖像特征前，模擬相機(jī)光軸變化，對

3、圖像進(jìn)行預(yù)處理消除圖像仿射變換。研究了在GPU上實(shí)現(xiàn)圖像預(yù)處理和特征提取算法的并行化。
　　其次，分析了特征匹配算法的架構(gòu):先對圖像特征進(jìn)行匹配，然后剔除誤匹配的特征點(diǎn)對。在對圖像進(jìn)行特征匹配時，先在GPU上并行構(gòu)建kd-tree，然后利用優(yōu)先級搜素方法在GPU并行搜素圖像所有特征點(diǎn)的最近鄰和次近鄰點(diǎn)。在剔除圖像誤匹配特征點(diǎn)對時，分析了基本矩陣模型的RANSAC算法，并把其改進(jìn)為適合并行化處理的算法流程，并在GPU并行實(shí)現(xiàn)它。