导读:本文包含了立体重建论文开题报告文献综述及选题提纲参考文献，主要关键词:AUV,回收对接,双目叁维重建,图像预处理
立体重建论文文献综述
戴文文,曾庆军,赵强,朱志宇,刘维亭[1]（2019）在《AUV自主回收对接前景视场叁维重建立体匹配研究》一文中研究指出在自主水下机器人(AUV)回收对接过程中对前景视场进行叁维重建能够为实时路径规划和导航定位提供关键信息,提高对接成功率。针对AUV在水下作业时前景视场环境弱纹理多的特点,提出了一种改进的基于树结构的前景视场立体匹配方法,提高了计算精度及速度。首先针对水下成像环境暗、对比度低的问题,采用基于Lab颜色模型的方法对水下图片进行处理,然后采用基于树结构的算法实现双目图像的立体匹配。该立体匹配算法针对水下图片弱纹理区域较多的问题,利用cencus变换区分弱纹理区域,计算匹配代价;针对区域匹配算法精度不高以及全局匹配算法实时性较差的问题,利用最小生成树算法实现代价聚合,同时配合亚像素精化实现视差优化。最后运用Matlab以及Visual Studio 2013对图像预处理以及立体匹配算法进行仿真,验证算法的有效性。此外,介绍了自主研发的"探海I型" AUV自主回收对接实验系统。(本文来源于《鳌山论坛“2019年水下无人系统技术高峰论坛”——水下无人系统智能技术会议论文集》期刊2019-09-22）
谢素贞[2]（2019）在《不同遮盖时间对单眼远视性弱视患儿双眼立体视重建及患眼视力情况的影响》一文中研究指出目的探讨不同遮盖时间对单眼远视性弱视患儿双眼立体视重建及患眼视力情况的影响。方法回顾性分析2017年1月至2018年1月我院收治的105例单眼远视性弱视患儿的临床资料,患儿均采用配镜加健眼遮盖联合弱视训练进行治疗,连续随访12个月;根据遮盖时间的不同分为A组(2 h/d)、 B组(6 h/d)和C组(12 h/d)各35例。比较叁组患儿双眼立体视重建情况及患眼视力情况。结果治疗12个月后, B组、 C组的双眼立体视重建和患眼视力提高总有效率均高于A组(P <0.05),但B组与C组的双眼立体视重建和患眼视力提高总有效率比较均无统计学差异(P>0.05)。结论对单眼远视性弱视患儿采取中长时间的遮盖治疗,能有效提高双眼立体视重建效果和患眼视力。(本文来源于《临床医学工程》期刊2019年09期）
梁海香[3]（2019）在《双目立体视觉的波浪表面重建》一文中研究指出针对水面波浪的叁维重建问题,提出了结合计算机视觉和光学方面技术的叁维重建算法。主要采用双目立体视觉的方法测量浪高,通过采用立体视觉方法计算得出叁维坐标,采用最小二乘法将叁维坐标拟合为叁维曲面;再将平静水面和波浪水面的叁维坐标进行对比,生成波浪等高线图。实验结果表明,此算法的叁维重建效果较好,并且波浪高度的计算效果与实际波浪高度误差较小。(本文来源于《无线电工程》期刊2019年08期）
岳志强[4]（2019）在《基于CNN的双目立体视觉叁维实时重建算法研究》一文中研究指出机器视觉是生物医学工程领域广泛关注的热点问题。模拟人类双目感知原理的双目立体视觉技术已成为机器视觉的重要研究分支。双目立体视觉在医用手术机器人、无人驾驶等领域具有重要的应用价值。双目立体视觉中传统的稠密立体匹配算法在计算过程中产生海量数据,速度慢,难以应用于实时叁维重建;稀疏立体匹配算法计算速度快,但匹配效果差,对噪声敏感。为在一定程度克服上述问题,本研究将卷积神经网络技术引入立体匹配算法对精度与速度进行提升,实现低成本叁维实时重建。首先,使用张正友棋盘标定法对双目相机进行标定。可同时采集两张图像的USB接口双目相机是本研究的硬件基础,但制造过程所形成的光学畸变会严重影响匹配结果。为此,分析了相机成像数学模型和常见的相机标定算法,采用基于MATLAB工具箱的张氏标定法标定了本研究所使用的双目相机,经过特征点提取及迭代计算得到双目相机内参数和外参数,为后续研究做好基础。然后,针对传统匹配算法精度低且耗时的问题,设计了基于卷积神经网络的匹配代价算法。良好的软件平台可加速算法的设计和验证过程。因此,配置了win7系统的vs2013开发环境下的OpenCV3.3.0机器视觉开发库,搭建了Ubuntu16.04系统下的卷积神经网络框架Caffe。利用KITTI数据集中具有真实视差的图像对,构建大量小块图像对正负样本数据集,设计了孪生卷积神经网络结构并设定了各层参数,训练网络模型计算图像对匹配代价。最后,采用半全局匹配算法进行代价聚合、Winner-Take-All策略寻找最优对应点,使用左右一致性检查算法解决因物体遮挡造成匹配点缺失的问题,并通过平滑滤波对视差图进一步优化,获得最终视差图。高精度视差图结合叁角测量原理,获取人颅骨模型及大脑解剖模型的3D点云数据并进行叁维重建。实验结果证明了基于孪生卷积神经网络模型的立体匹配算法对提升匹配精度和速度的有效性和可行性,初步实现实时的双目立体视觉叁维重建。(本文来源于《沈阳工业大学》期刊2019-06-04）
王刚[5]（2019）在《基于多视角立体视觉的叁维重建研究》一文中研究指出叁维重建在计算机视觉领域中一直是一个热门的研究方向,其在自动驾驶、增强现实、医疗和文物恢复等方面都有重要的作用。单纯使用RGB图像进行叁维重建相对于使用LIDAR或者RGB-D相机进行叁维重建的成本低很多,因此本文提出了一种基于运动恢复结构和多目立体视觉相结合进行叁维重建的框架,仅使用场景的多视角图像即可完成对场景的稠密重建。运动恢复结构(SfM:Structure from Motion)通过输入无序的多视角图像,利用多视几何的相关理论计算相机的位置和姿态参数。特征点匹配一直是SfM算法中的瓶颈,因此本文提出一种基于图匹配的SfM框架,通过减少大量不必要的匹配来提高算法效率,采用的方法为借助Fisher向量计算图像的相似度来对图像进行聚类,利用最大生成树并扩展来构造充分而不冗余的匹配图,最后借助聚类图的最大生成树完成聚类间的融合,从而得到相机的全局位姿参数。多目立体视觉的任务是对场景进行稠密重建。本文提出了两种多目立体视觉框架,第一种是使用具有位置和朝向信息的自适应尺度表面切片来密集覆盖场景表面的多目立体视觉算法,利用SfM的输出进行初始化后,对稀疏表面切片进行扩展和派生来完成稠密重建的任务;第二种是利用一个基于深度学习的多目深度估计网络来恢复多视角图像对应的深度图,映射成点云后进行融合就可以得到场景的稠密点云。通过本文给出的SfM算法可以计算每个相机的参数并得到稀疏点云结构,并以此作为多目立体视觉算法的输入来完成对场景的密集重建任务。实验表明,本文提出的SfM算法在精度和速度上相对优于其他方法,而且两种多目立体视觉算法在完整性上分别取得了传统方法和基于深度学习方法中的最好结果。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
黄舒兰[6]（2019）在《ToF与立体视觉技术相结合的叁维重建方法研究》一文中研究指出近年来,计算机视觉飞速发展,叁维(Three-dimensional,3D)技术也在我们的生活中扮演着越发重要的角色。目前,几种主流的3D技术方案主要有双目立体视觉(Binocular Stereo Vision,BSV)、结构光(Structured Light,SL)和飞行时间(Time-of-Flifgt,ToF)技术。但单一的技术或单一的匹配算法都具有其自身的局限性,因此,本文拟将BSV和ToF技术的优势结合起来,即本文中所述的ToF-Stereo技术方法,利用ToF的快速响应特性得到初始深度图,在此基础上指导BSV进行快速、稠密匹配,以得到高精度、高分辨率的叁维深度信息。双目立体匹配基于Census变换之后计算汉明距离和待匹配窗口中心像素的灰度绝对差(Absolute Difference,AD)为匹配的代价,再进行半全局匹配(Semi-Global Match,SGM或SGBM),从16个方向上进行代价聚合,来近似二维搜索。在基于飞行时间法而得的深度图转化求取初始视差之后,结合匹配精度较高的特征匹配算法求取稀疏视差值,以此作为种子点来对初始视差图进行修正,得到更准确的先验视差,然后再对半全局匹配过程进行约束和指导,得到最后的视差图。从本文结果来看,融合后的视差图比仅用双目匹配算法得到的视差图更加完好,在纹理特征不丰富的区域也可以得到较好的视差,致密度提升一到两倍左右。而相对初始视差图来说,在光线飞行时间短到无法测量的区域,依然可以获得深度信息,致密度提升五六倍,此外,还可以改善ToF技术中存在的多径反射问题。点云拟合实验结果表明,相比于单一的ToF技术或BSV技术,ToF-Stereo方法速度更快、精度更高、点云更致密。(本文来源于《中国科学院大学(中国科学院深圳先进技术研究院)》期刊2019-06-01）
黄林超[7]（2019）在《基于双目立体视觉的叁维重建技术研究》一文中研究指出随着计算机视觉技术和图像处理技术的不断的发展与进步,叁维重建技术在自动驾驶、视频安防以及工业检测等众多领域得到了广泛的应用。双目立体视觉作为叁维重建技术的一种实现方法,有着原理简单、效果优良以及成本较低等优点,受到广泛的关注。双目立体视觉的原理主要是通过左右两台摄像机去模仿人类的双目视觉系统,在不同观测位置下对目标场景的进行成像,根据左右图像中匹配点的位置偏差以及叁角测量原理计算目标场景的叁维信息。本文致力于研究基于双目立体视觉的叁维重建技术中存在的一些问题,具有一定的研究意义及明确的应用场景。本文主要针对双目立体视觉的关键步骤,包括立体标定、立体匹配以及叁维信息获取等展开研究,对基于双目立体视觉的叁维重建技术进行完善改进。本文首先通过理论分析搭建了双目立体视觉的硬件实验平台,然后对摄像机标定过程中的棋盘角点提取方法进行了改进,求解摄像机的内外参数,最后根据获取到的左右摄像机图像,利用改进的立体匹配算法对视差图像进行求解,从而根据叁角测量原理计算目标场景的叁维信息。本文主要工作如下:(1)分析了双目视觉的原理和模型,根据实际情况选用合适双目结构模型,并根据研究目标的形状大小以及拍摄距离和拍摄范围对摄像机、光学镜头和光源进行硬件选型,搭建双目立体视觉硬件实验平台。(2)对摄像机标定理论进行分析,采用棋盘标定板进行摄像机标定,根据原有棋盘角点检测方法的不足,提出了一种基于圆形边缘的棋盘角点检测方法,提高了棋盘角点检测的有效性,减少标定过程中的工作量。(3)在对立体匹配算法的研究上,重点研究了自适应支持权重算法,提出了稀疏自适应代价聚合的立体匹配算法。本文算法改进了匹配代价计算函数,并根据改进的自适应支持窗口进行初始代价聚合,进而对每个像素的视差范围进行了筛选形成视差子集,并根据粗略的视差对自适应支持窗口中的自适应支持权重进行了改进,从而提高了立体匹配的精度。(4)设计了基于双目立体视觉的叁维重建的整个实验流程框架,使用本文的改进立体匹配算法对目标场景的进行了视差图像的求解,并且根据叁角测量原理对目标场景图像的叁维信息进行提取,从而实现了对目标场景的叁维重建。(本文来源于《华南理工大学》期刊2019-04-18）
崔中原[8]（2019）在《基于立体视觉的叁维形貌重建与测量系统》一文中研究指出随着人们对物体叁维数据的测量需求从人工测量延伸到自动化测量,立体视觉技术逐渐发展起来。对于一般物体尤其当物体表面纹理信息不足时,匹配难度变大甚至误匹配,影响了物体的重建效果。对弱纹理对象进行准确快速的叁维重建与测量,对机器人导航、逆向工程、地形测绘、虚拟现实等领域有着重要的意义。本文首先研究了摄像机的成像模型、畸变模型和相机坐标系转换关系,分析了不同视觉模型的优劣及适用场景,并设计了基于结构光的双目测量方案;分析了相机标定原理,并研究了标定板规格对标定精度的影响;对比分析了现今主流的细化算法的优缺点;基于极限约束和顺序一致性约束设计了多线结构光和网格结构光的立体匹配算法,并通过发动机叶片的叁维重建试验进行了验证,误差在3%以内;另外研究了基于梯度的数字图像相关原理,并基于NewtonRaphon迭代对采样点的位移进行解算,最后通过对邻域子集的位移场进行多项式拟合来计算拉格朗日应变分量,最后将叁维数字图像相关方法与红外成像技术相结合,实现了脉冲感应激励检测中变形场和温度场的同时测量;在系统开发方面,研究了双相机的高速同步采集方法,并设计开发了一套基于立体视觉的叁维测量系统,系统集双目采集、图像处理、叁维计算、深度追踪于一体,通过应用于线缆检修机器人目标视觉空间定位,控制精度为±1 mm。本文所做的工作对于一般物体表面的快速叁维重建及空间定位测量具有积极的意义。(本文来源于《南京航空航天大学》期刊2019-03-01）
孟燕华[9]（2019）在《基于双目立体视觉叁维人脸重建及识别方法的研究》一文中研究指出当今社会科学技术的不断更新,人工智能领域中双目机器视觉又一次成为人们重点研究的方向。机器视觉技术的优点是成本低、非接触、实现方式方便等,故其广泛应用于道路检测与导航、产品的缺陷检测、医疗设备、目标物的定位和跟踪等领域。物体识别是人工智能领域中一项基础研究,生物识别的一个重要分支就是人脸识别。在视频监控、身份认证、人机交互和安全反恐等领域应用非常广泛。由于光照、表情、人脸姿态等的变化会对人脸识别产生不利的影响。叁维数据对光照和姿态具有鲁棒性,对提高人脸识别在实际场景中的识别精度具有重要意义,因此创建逼真的叁维人脸模型就显得非常重要。基于上述背景,本文采用双目机器视觉系统对叁维人脸进行重建和识别。从双目摄像机拍摄的人脸图像出发,对左右摄像机得到的两张人脸图像进行叁维重建并对重建出的叁维人脸进行识别。双目立体视觉仿生人眼对空间的物体进行检测和定位,依据两幅不同视点的图像以及空间场景下物体上的点形成的相似叁角形来计算物体上点的空间位置坐标。叁维重建最重要的部分是采用立体匹配来获取视差,并根据叁角形相似原理得出目标的深度,即目标到人眼的距离。本文的立体匹配方法以SURF匹配算法和SIFT匹配算法为基础,提出基于此算法的新的立体匹配算法,通过获取左右相机采集到图像的匹配点的横坐标的差值,依据坐标转换理论计算匹配点在空间中的位置坐标,由改进的立体匹配算法得到的叁维点云进行叁维人脸建模。基于双目立体视觉的叁维人脸重建和识别,包含摄像机的标定、图像的预处理、立体匹配和叁维重建及识别等四个部分。本文利用双目立体视觉设备搭建实验平台,利用两台摄像机来获取人脸图像对,摄像机的内部参数和相对位置采用张正友的棋盘标定法进行标定,对标定矫正后的图像预处理,采用本文提出的新的立体匹配算法对人脸图像获取视差图,最终获取人脸的叁维坐标信息,从而验证了该方法在识别方面的可行性。(本文来源于《哈尔滨理工大学》期刊2019-03-01）
王中任,郭晓康,赵刚[10]（2019）在《两组双目立体深度图像信息融合与叁维重建方法》一文中研究指出获取工件目标的叁维表面与深度信息是实现工业立体视觉应用的关键。提出一种将两组双目视觉系统结合的方法,对随机摆放的工件多方位采集图像并获得目标工件的叁维表面点云。其中,两组双目视觉系统会根据NCC(Normalized Cross Correlation)匹配算法产生工作场景的两组视差图像,去噪分割之后对其立体深度信息进行提取,其过程中采用一种新颖的转换方法,视差图像中每个坐标位置的像素点的x、y、z方向的立体深度信息分别被转化为X、Y、Z图像中对应位置上像素的灰度值。采样两组立体深度数据,共同储存到标定完成的参考相机坐标系中达到信息融合的目的。最后,对随机摆放的工业工件进行了的叁维重构实验,对于相互重迭、高度、姿势都不同的零件能较好的恢复出清晰的轮廓点云,在重迭区域也能产生较为明显的层次性。(本文来源于《激光与红外》期刊2019年02期）
立体重建论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的探讨不同遮盖时间对单眼远视性弱视患儿双眼立体视重建及患眼视力情况的影响。方法回顾性分析2017年1月至2018年1月我院收治的105例单眼远视性弱视患儿的临床资料,患儿均采用配镜加健眼遮盖联合弱视训练进行治疗,连续随访12个月;根据遮盖时间的不同分为A组(2 h/d)、 B组(6 h/d)和C组(12 h/d)各35例。比较叁组患儿双眼立体视重建情况及患眼视力情况。结果治疗12个月后, B组、 C组的双眼立体视重建和患眼视力提高总有效率均高于A组(P <0.05),但B组与C组的双眼立体视重建和患眼视力提高总有效率比较均无统计学差异(P>0.05)。结论对单眼远视性弱视患儿采取中长时间的遮盖治疗,能有效提高双眼立体视重建效果和患眼视力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
立体重建论文参考文献
[1].戴文文,曾庆军,赵强,朱志宇,刘维亭.AUV自主回收对接前景视场叁维重建立体匹配研究[C].鳌山论坛“2019年水下无人系统技术高峰论坛”——水下无人系统智能技术会议论文集.2019
[2].谢素贞.不同遮盖时间对单眼远视性弱视患儿双眼立体视重建及患眼视力情况的影响[J].临床医学工程.2019
[3].梁海香.双目立体视觉的波浪表面重建[J].无线电工程.2019
[4].岳志强.基于CNN的双目立体视觉叁维实时重建算法研究[D].沈阳工业大学.2019
[5].王刚.基于多视角立体视觉的叁维重建研究[D].哈尔滨工业大学.2019
[6].黄舒兰.ToF与立体视觉技术相结合的叁维重建方法研究[D].中国科学院大学(中国科学院深圳先进技术研究院).2019
[7].黄林超.基于双目立体视觉的叁维重建技术研究[D].华南理工大学.2019
[8].崔中原.基于立体视觉的叁维形貌重建与测量系统[D].南京航空航天大学.2019
[9].孟燕华.基于双目立体视觉叁维人脸重建及识别方法的研究[D].哈尔滨理工大学.2019
[10].王中任,郭晓康,赵刚.两组双目立体深度图像信息融合与叁维重建方法[J].激光与红外.2019