基于多視圖的三維結構重建

目 錄
第1章 緒論\t1
1．1 引言\t1
1．2 基于圖像的三維重建的國內外研究現(xiàn)狀\t2
1．3 研究內容及主要貢獻\t6
1．4 本書的組織結構\t9
第2章 特征點描述與匹配\t11
2．1 基于ICA模型的特征點描述與匹配\t11
2．1．1 特征點提取\t11
2．1．2 用于特征描述的獨立成分分析模型\t14
2．1．3 計算ICA特征空間\t17
2．1．4 局部特征點描述\t18
2．1．5 性能評測\t19
2．2 實驗結果\t25
2．3 本章小結\t30
第3章 基于未標定圖像的三維點云重建\t31
3．1 相關知識\t31
3．1．1 幾何空間\t31
3．1．2 透視投影模型\t32
3．1．3 極線幾何\t34
3．2 基于全局優(yōu)化的基礎矩陣求解\t35
3．2．1 基礎矩陣參數(shù)化\t35
3．2．2 基礎矩陣全局優(yōu)化算法\t36
3．3 度量空間三維點云恢復算法\t40
3．3．1 射影空間多視圖投影矩陣求解\t41
3．3．2 度量空間投影矩陣求解\t44
3．3．3 分層三維結構恢復算法\t47
3．4 實驗結果\t49
3．5 本章小結\t58
第4章 點云數(shù)據(jù)的優(yōu)化算法\t59
4．1 基于隨機行走模型的點云優(yōu)化\t59
4．1．1 LM算法和SBA框架\t60
4．1．2 基于隨機行走模型的點云優(yōu)化算法\t61
4．1．3 實驗結果\t66
4．2 討論\t71
4．2．1 點云表面重建后存在的問題\t71
4．2．2 一些初步修整\t74
4．3 本章小結\t77
第5章 多視圖紋理映射算法\t78
5．1 多視圖紋理映射流程\t78
5．2 基于馬太效應法則的紋理分布優(yōu)化\t79
5．2．1 可見性判斷\t80
5．2．2 初始紋理分布\t80
5．2．3 基于馬太效應法則的紋理分布轉移概率模型\t81
5．2．4 紋理分塊重新配置算法\t84
5．3 紋理接縫融合\t85
5．4 二維流形紋理空間空洞修補\t88
5．5 實驗結果\t89
5．6 本章小結\t92
第6章 總結與展望\t93
6．1 本書主要工作總結\t93
6．2 未來工作展望\t94
參考文獻\t97