一、基于图像的几何三维重建方法（论文文献综述）
郭俊广[1]（2021）在《面向狭小空间的高精度三维视觉成像系统开发》文中提出三维重建技术在娱乐、AR/VR、工业检测、医疗诊断以及消费等领域都获得了成功的应用,目前对物体进行三维重建的技术手段众多,非接触式三维重建是其中一个很重要的分支。非接触式三维视觉重建基于数字图形和光学相关技术,在不接触待测目标的情况下就可对目标进行测量,测量过程简单,具有重建数据密度高、测量速度快、工作距离大和对待测目标无损伤性等特点,能够对物体进行动态和静态测量。其中大多数三维重建技术都是针对大视野、广空间的应用场景进行三维重建。近年来,随着医学的进步和工业制造技术的飞速发展,在医疗重建、目标识别和场景理解、工业检测和考古学等多个学科领域中,面向狭小空间的高精度三维重建需求越来越高。在医疗重建领域,具有狭小空间三维重建功能的内窥镜非常有用,它可以通过在人体内获取的二维图像生成体内三维场景景深图,帮助医生对病人进行精确诊断治疗;在工业检测领域,通过对机械内部狭小空间进行重建,可以帮助人们更加快速高效的检测出诸如开裂、破损等缺陷。然而由于小空间的限制以及三维重建算法的不足,面向狭小空间的三维重建无法进行高精度的三维重建。因此,在现有的三维重建技术框架下,本文搭建了两套结构光系统用于面向狭小空间的高精度三维成像系统开发。本文主要的研究内容如下:1)对目前三维重建算法进行研究,分析它们的优缺点和各自的应用范围,选择了基于立体视觉的双目内窥镜散斑系统和基于二值条纹编码结构光的单目结构光系统作为狭小空间三维视觉成像系统。2)对于双目内窥镜散斑三维重建系统,由于其基线窄和拍摄图片畸变大的特点,在传统张正友标定法的基础上提出了一种标定参数优化和极线校正优化的方法,同时为了提高立体匹配精度,在半全局立体匹配算法的基础上提出了一种改进的半全局立体匹配算法。3)对于单目结构光三维重建系统,针对小空间高精度三维重建的需求,开发了一套工作距离范围10～15cm,视野4cm×5cm的成像系统。在传统的结构光标定算法基础上,提出了一种多误差模型标定优化方法,提高了结构光系统标定的精度。此外,为了验证本文搭建系统的正确、有效性,分别对真实应用场景目标进行三维重建实验,实验结果表明,本文搭建的系统可以满足大部分小空间高精度三维重建的需求。
刘宇翔[2]（2021）在《基于气道内窥镜图像的气道三维场景稠密重建》文中研究表明在气道内窥镜检查中,医生观察患者的身体情况时只能获得二维图像,无法获得内窥镜视野在三维空间中的相对位置,不便于调整内窥镜的转角或因检查的时间过长导致患者的不适。另外,一般都是依靠医生的主观判断腺样体阻塞后鼻孔的程度,严重依赖操作医生的经验和判断,缺乏客观性。因此,本文对基于气道内窥镜图像的气道三维场景稠密重建进行了研究,提出了基于内窥镜图像的三维重建方法,重建当前内窥镜视野下的腺样体区域,本文主要内容如下:（1）针对目前现有的三维重建技术进行总结并分析优缺点,指出了基于内窥镜图像的三维重建技术的必要性。（2）研究了相机成像的几何模型以及立体视觉的数学原理,实现了基于立体视觉的三维重建算法。这个算法包括数据的获取及预处理、特征点匹配、基础矩阵的计算和三角深度法。具体地,在对视频图像数据预处理后通过SURF算子匹配特征点求得各帧图像之间的位姿（旋转矩阵、平移向量）,使用光束平差法对结果统一优化,得到稀疏的三维点云。（3）在（2）的算法基础上进行优化,以完成进一步的稠密重建。优化主要分为三个方面:一是基于相关方式建立匹配点对,计算两个图像块之间的归一化灰度互相关系数;二是对基础矩阵进行优化,基础矩阵是对两幅图像之间对极几何关系的描述,以此计算更精确的各帧图像之间的位姿（旋转矩阵、平移向量）,并利用优化后的基础矩阵通过极线约束缩小匹配的范围加快运算速度;三是定义以深度为变量的能量函数,通过设置误差项和平滑项对深度值进行优化,进一步提高重建的精度。本文采用的实验数据是南方医科大学深圳医院耳鼻喉科的三组气道内窥镜视频图像,重建的目标为腺样体区域。对实验结果分别从匹配结果和重建结果两方面进行分析,验证了基于立体视觉的三维重建算法在内窥镜图像中的可行性。
任非儿[3]（2021）在《单幅图像生成目标三维表面方法研究》文中研究指明近年来,随着计算机性能的不断提升,计算机视觉领域得到迅速发展,基于计算机视觉的三维重建成为一个重要的研究方向,在社会生产生活等领域的应用也越来越广泛,其中基于图像的三维重建方法由于操作简单且恢复效果较好,成为近年来的热点问题。从单幅图像恢复目标区域的三维形状,由于其本身存在的不适定性,是三维重建中具有挑战性的工作之一。本文对基于单幅图像的三维重建方法进行了研究,主要研究工作如下:（1）提出了一种改进的基于明暗恢复形状的重建算法,将三维形状的恢复分为表面细节和表面宏观几何形状两个方面。首先,在SFS的基础上设计了基于图像骨架的距离场偏置来加强表面细节;然后,针对SFS对于恢复宏观几何形状的不足,提出根据图像亮度统计分布自动选取控制点控制表面宏观形状变化,并联合粘性解框架进行多尺度的深度恢复。针对植物叶片,提出利用叶片中轴的距离场约束恢复叶子的宏观几何形状,对于表面宏观几何形状恢复的权重基于恢复的反射图与输入图像间的相似度设定,最终将表面细节添加到宏观几何形状上得到目标对象的三维形状。本文主要针对植物叶片图像进行三维重建,也在恐龙、硬币、茶叶包和纸张等其他对象上进行了重建,并展示了重建结果,验证了本文方法的有效性。（2）提出了一种判定宏观形状恢复效果的因子——“误差-信息熵之比”。当只有二维图像作为输入数据的时候,由于真实数据的缺失,无法定量比较恢复的深度效果,因此,以输入图像与计算所得的图像之间的误差来衡量恢复的精确度,以信息熵来描述恢复深度值的丰富度,二者之比来衡量恢复效果,一方面说明了恢复表面的精确度,另一方面也说明了宏观形状的起伏变化程度。本文主要研究了单幅图像目标三维表面的重建,通过对图像进行本征图像分解获取亮度本征图,再对亮度图做一系列的预处理操作,以SFS的线性化方法为初始深度,为最小化方法增加骨架距离场约束恢复出表面细节,然后利用亮度统计规律自动选取控制点,利用贝塞尔曲面恢复宏观几何形状,联合粘性解框架进行多尺度的深度恢复,最终合并多尺度的深度信息得到目标三维表面,并以“误差-信息熵之比”作为评价指标来衡量恢复效果,通过实验数据验证了本文方法在只有单幅图像的情况下可以恢复目标的三维形状,并取得较好的重建效果,一定程度上拓展了传统三维重建技术的应用领域。
李苏宁[4]（2021）在《基于微透镜阵列光场成像的不确定性分析及三维火焰重构》文中进行了进一步梳理光场成像作为一种可同步探测多维光热辐射信号的新兴成像技术,具备非侵入式、高时空分辨率、可视化等优势,近年来在高温火焰监测、三维流场测速等复杂场景测量方面发挥着重要作用。目前,光场相机是最为常用的光场成像测量传感器,该系统通过内置于图像传感器前的微透镜阵列实现光线四维空间-角度信息的采样与记录。高质量的光场成像数据是保障光场测量应用的基础,然而实际系统中难以避免的微透镜阵列误差将引起光场成像不确定性,导致目标测量精度和重建效率显着降低。此外,被测目标的重建策略也是影响系统测量性能的另一关键因素,特别是对于参与性介质温度重建,其精度和复杂度直接依赖于光场相机结构和重建方案的选取。因此,研究微透镜阵列误差作用的光场成像特性和降质机制,建立误差校准模型和光场失真补偿校正方法,开发快速高效的介质温度重建策略,对基于辐射光场成像的复杂目标测量技术发展具有重要的理论意义和实用价值。为此,本文围绕基于微透镜阵列光场成像的不确定性分析及三维火焰重构开展相关研究,建立微透镜阵列误差模型及其光场成像模型,提出光场成像不确定性评估方案,分析不同误差作用的光场成像不确定性及影响机制;提出基于特征点提取的光场局部校正方法和旋转误差估计校正法,对微透镜阵列误差所引起光场失真图像进行校正;在此基础上,评估并校正微透镜阵列误差作用的火焰表观辐射光场成像特性,发展基于光场重聚焦堆栈的火焰重建策略,实现气体火焰的三维结构和温度场的高分辨率快速重建。主要内容包括以下五个方面:介绍光场成像原理和非聚焦式光场相机的光路结构优势,建立非聚焦式光场成像系统模型,发展基于子孔径图像的超分辨率数字重聚焦算法;归纳总结光场成像系统微透镜阵列误差来源和特征,构建基本误差参数表征模型;提出适用于光场图像局部子图像质量评价指标,建立光场成像不确定性评价方案,从而形成误差作用光场成像过程模拟-光场数据后处理-光场图像失真量化评估的完整分析框架。利用微透镜阵列误差作用光场成像模型和不确定性评估方案,探究各基本误差参数的光场成像特性,包括光场图像的子图像失真特征、强度和结构失真分布规律等,分析各误差图像失真降质的作用机制。进一步讨论多种面形误差耦合情况下的光场失真分布特征。根据微透镜阵列误差的光场成像特性和降质机制,开展失真光场的补偿校正研究。针对不同误差引起的图像失真,提出基于特征点提取的光场局部校正方法及其亚像素级优化校正方法以及旋转误差估计与校正方法。通过光场校正仿真实验,确定三种校正方法对于不同误差的适用范围和校正精度,并在实景目标光场中验证方法的有效性和可行性。针对火焰光场测量中系统误差引起的成像不确定性,建立火焰辐射光场成像模型,分析误差作用下火焰表观辐射光场成像特性及各分层成像偏差沿程传递过程,讨论火焰辐射物性参数（衰减系数、散射反照率和散射相函数）对其成像不确定性的影响,并采用所提出的校正方法对不同辐射物性火焰的失真光场图像进行校正评估。对于非聚焦光场成像系统,提出基于光场重聚焦堆栈的火焰温度场重建方案,采用Richardson-Lucy迭代算法解算火焰重聚焦堆栈图像序列,并利用图像像素强度与辐射强度的对应关系重建出火焰的三维温度分布。通过对层流轴对称火焰的三维结构和温度场进行仿真重建研究,讨论合理迭代次数、重建图像数据可靠性,并验证重建方法的可行性。
周超伟[5]（2020）在《多方位角观测星载SAR三维信息提取技术研究》文中研究表明随着高分辨率星载合成孔径雷达（Synthetic Aperture Radar,SAR）系统的飞速发展和需求的不断牵引,近年来一种新的观测模式——多方位角立体观测模式应运而生,该成像新体制通过单星SAR天线波束指向控制、多次航过升降轨联合或多颗卫星组网从不同方位角对热点区域进行立体观测。该模式可获取热点区域内地物的多视角几何信息和散射信息,从而弥补了传统单视角SAR系统信息维度缺失和图像解译性差的缺陷。在获取更丰富目标特征的基础上,还具备三维重建的潜力,极大地提升了星载SAR系统的侦测性能。然而,该观测体制存在合成孔径弯曲量大、多方位角观测波束指向跨度大以及地物投影几何畸变和散射特性变化明显等问题,在系统总体设计和信号处理上面临着许多新的挑战。本文针对多方位角星载SAR系统总体设计和基于该体制的三维重建中面临的主要问题进行了研究,论文主要包括两大部分内容:第一部分（第二章和第三章）阐述了星载SAR多方位角观测的基本原理和总体设计方法;第二部分（第四章和第五章）研究了星载SAR多方位角观测三维重建技术。论文的主要内容及创新点概括如下:（1）多方位角观测星载SAR系统参数及组网构型设计根据数据获取几何的不同,本文将星载SAR多方位角观测分为同轨多方位角观测和异轨多方位角观测两种体制,前者指SAR卫星在一次过境时仅利用雷达波束指向控制实现多视角观测,后者指基于多航过或多星组网的多方位角观测。第三章针对两种多方位角观测体制的系统设计分别进行了以下研究:提出了一种基于最小化瞬时多普勒带宽的SAR卫星姿态参数设计方法。同轨多方位角观测受限于卫星与场景之间的相对位置关系,只能通过波束指向控制增加对场景的照射时长,对雷达波束约束不足将出现的瞬时多普勒带宽展宽现象,最终引起信号方位模糊。本文提出了一种基于最小化瞬时多普勒带宽的SAR卫星姿态参数设计方法,并以星体姿态机动实现波束指向控制为例进行了分析。该方法对各方位时刻的等多普勒面进行了一阶平面近似,通过优化波束俯仰切面的法向量方向实现瞬时多普勒带宽的最小化,避免了大转角时雷达波束绕中心视线方向旋转导致的瞬时多普勒带宽展宽问题,仿真实验验证了该方法的有效性。提出了异轨多方位角观测轨道设计和星座构型设计方案SAR异轨多方位角观测通过增加航过数或卫星数极大拓宽了方位角跨度,可实现同区域的360°全方位角观测。针对该体制,首先提出了一种单星多航过多方位角观测的轨道设计方法,该方法联合星下点轨迹交点构造全方位角观测单元,将全方位角观测单元和场景中心进行匹配,从而反推轨道开普勒根数。由于利用了卫星对星下点轨迹交点附近区域短时高频次重访的特性,所设计轨道可实现对场景的快速（十小时内）全方位角观测,并且同时具备对该区域每日全方位角重访能力。该设计方案的优势是在减小全方位角观测时间内场景地物变化的同时兼顾对该区域的长时间监测。在单星多航过多方位角观测的轨道设计基础上,进一步提出了一种多星组网多方位角观测星座构型设计方法,该方法利用共星下点轨迹星座实现各星全方位角观测单元重叠,并在设计时以最小化各星波束覆盖全方位观测单元的时间差为优化目标,从而约束出各星轨道根数。仿真实验表明,四星组网可将全方位角覆盖用时由单星的数小时缩减至分钟量级,极大地提升了时效性。（2）星载SAR同轨多方位角观测三维重建技术本文第四章研究了星载SAR同轨多方位角观测三维重建技术。首先分析了同轨多方位角观测三维分辨能力,推导了多方位角观测定位方程的解析解;然后,通过理论计算与仿真实验证明了基于波束形成或立体定位的三维重建方法都面临着三维重建精度低的问题。为避免上述问题,本文提出了一种联合多方位角调频率估计的星载SAR三维重建方法。该方法给出了多方位角数据多普勒调频率估计误差与高程误差的函数关系,然后通过Map Drift（MD）法迭代修正多普勒调频率,接着联合多方位角调频率估计值提高高程估计精度,最终根据高程估计结果和参考SAR图像提取目标三维几何信息,实现三维重建。该方法利用卫星轨道几何建立了多普勒调频率与高程误差的关系,避免了定位方程求解目标在不同方位向投影位置精度低的问题,同时发挥了观测方位角大的优势,仿真实验证明该方法高程反演精度可达米级。（3）星载SAR异轨多方位角观测三维重建技术第五章研究了星载SAR异轨多方位角观测三维重建技术。一方面,在异轨多方位角观测几何下,不同视角获取数据缺乏相干性,无法用相干处理方法进行三维几何信息提取。另一方面,随着视角差的进一步扩大,同一目标SAR图像序列间散射特性差异巨大,故基于图像相关的配准方法也不再适用。针对上述问题,提出了一种基于体素雕刻的三维重建方法,该方法首先给出了体素三维坐标在SAR图像中的投影函数,然后联合多方位角SAR图像进行目标内外体素判别,筛选出属于目标内的所有体素构建目标三维点云。该方法的优势在于避免了传统基于图像配准方法不再适用的问题,并且无需借助任何与目标相关的先验信息。仿真和Gotcha实测数据处理实验结果表明,该方法适用于各种类型目标,甚至几何形状复杂的目标依然能够获得良好的三维重建效果,证明了该方法的正确性和稳健性。
曹林[6]（2020）在《基于倾斜影像线特征的建筑物三维模型重建与优化方法研究》文中认为近年来,随着我国现代化建设的进程逐渐加快以及大数据时代的到来,以地理空间信息为核心的“数字城市”、“实景三维城市”等城市服务体系正在蓬勃发展,建筑物是城市地区的重要基础设施和组成部分,其三维模型的构建已经成为数字城市地理空间数据框架的关键要素之一,实景城市三维模型、数字建筑模型、独立建筑物模型构建等高层次的建模需求对三维建模技术提出了新的挑战,如何快速、自动、准确地构建城市地区尤其是各类形态复杂的建筑物三维模型是当前各领域研究的热点问题。一方面,传统的垂直航空摄影或是机载激光雷达扫描技术都难以获取建筑物立面信息,通常需要结合数字近景摄影测量进行补充才能构建建筑物立面模型,不仅效率较低且建模成本较高;同时,基于点云进行建筑物三维模型的构建时由于点云数据庞大,存在着构网复杂、建模效率低下、模型视觉效果不佳以及纹理缺失区域建模精度不高等问题。另一方面,现有建模方法大多以点云数据为基础构建三维模型而轻视了线特征的作用,在城市等包含大量几何规律及特性的场景中,由于三维线段模型在表现人造建筑物的几何结构方面效果更加突出,因此若将线特征应用于建筑物三维模型的构建和优化工作,可以提高模型构建的效率和精度,改善三维模型的视觉效果。因此,基于线特征的建筑物三维模型重建具有重要的理论研究价值和实用性。本文针对目前建筑物三维模型重建领域存在的问题,以倾斜影像中获取的建筑物线特征为基础,对建筑物三维模型重建技术路线中的线特征匹配、线特征三维重建、三维点云模型优化、建筑物模型快速重建等关键技术展开了研究。1.针对倾斜影像等变形大、遮挡严重的情况下线特征难以匹配以及只考虑局部特征时匹配稳健性不高的问题,提出了一种多重约束下的倾斜影像线特征多视匹配方法,为倾斜影像的线特征匹配以及线特征的多视图匹配提供了新的思路和借鉴。2.针对线特征三维重建时线段端点难以确定以及稳健性不高的情况,提出了一种基于选权迭代思想的线特征三维重建方法,解决了线特征三维重建中线段完整性与稳健性之间互相矛盾的问题。3.针对以点云为基础进行建筑物三维建模时计算量大、纹理缺失区域建模效果不佳等问题,以倾斜影像中获取的建筑物三维线特征为基础,提出了一种基于倾斜影像线特征的建筑物三维模型重建方法,为低复杂度建筑物的快速建模以及线特征在建筑物三维模型重建中的应用提供了新的解决方案。4.针对点云数据构建建筑物三维模型时存在的表面凹凸不平、边缘锯齿等模型真实感不佳的问题,提出了一种基于线特征辅助的三维模型平面和边缘优化方法,改善了建筑物三维模型的视觉效果,提高了模型精度,为物方三角网以及点云重建模型的优化提供了新的研究思路。
黄会敏[7]（2020）在《基于图像的三维重建及测量技术研究》文中研究说明基于图像的三维重建及测量是计算机视觉领域一个重要问题,是计算机分析、理解和操作三维目标的基础。然而,由于匹配歧义性和三角测量误差放大等问题,基于图像的三维重建存在大量噪声和较大误差,严重制约其在实际中的应用。因此,提供精确的三维重建算法具有重要的理论和实用研究价值。本文致力于提高基于图像重建及测量的精度,分别从单目视觉重建及测量、双目立体视觉重建及测量和点集配准三个方面展开了具体理论研究与实验研究,主要包括:1.提出了一种基于图像中心配准的GVC（General Voxel Coloring,广义体元素着色法）姿态无约束算法。GVC对视角变化大和弱纹理图像可以有效进行重建,然而,其对光轴方向要求严格。因为相机光轴的不可见,所以光轴的方向无法准确控制。为了去掉GVC对光轴方向的约束,本文通过对齐图像目标中心来对齐光轴方向,从而去掉光轴方向约束。此外,所提算法采用鲁棒的直线特征作为图像目标中心定位的基本特征并将其转化为具有唯一性的体对角线交点特征,图像目标中心和空间目标中心通过体对角线交点一一对应,从而保证了算法的鲁棒性和精确性。通过100-200米椭圆轨道重建实验,验证了提出的方法相比于现有方法对相机姿态缺失、视角变化大和弱纹理重建的有效性和精确性。2.提出了一种基于激光雷达矫正的双目立体视觉重建算法。单纯的双目立体视觉存在噪声多和深度测量随距离呈平方衰退的问题,并且测量精度的衰退是双目视觉的固有特性,无法从算法上进行解决。本文采用距离测量精确的激光雷达对双目立体视觉深度进行矫正,通过激光雷达测距的精确性保证双目视觉深度测量的精确性。对于双目立体视觉与激光雷达点集的配准问题,本文采用了极大似然估计,并利用EM（Expectation Maximization,期望最大化算法）进行求解。对于矫正重建模块,本文提出了两种重建算法:最邻近点插值重建和隐马尔可夫重建。通过3D激光扫描仪和4线激光雷达两种截然不同的激光探测器对双目立体视觉进行深度矫正实验,结果显示提出的方法均可有效抑制双目立体视觉重建噪声和提升重建精度。3.提出了一种基于高维表达的非刚性点集配准算法。点集配准是重建场景拼接中最重要一步,现有配准算法主要根据点集分布的全局和局部特征进行匹配,由于形变、噪声、旋转等畸变和点集的无序性,导致全局和局部特征具有歧义性,影响算法的配准效果。本文将相对距离加入点的坐标表示中,以相对距离在畸变中的稳定性保证算法的鲁棒性,同时利用高维坐标计算隶属概率,以高维坐标对非对应点距离的放大特性保证隶属概率的准确性。通过大量二维模拟点集、三维模拟点集和真实三维点集实验,结果表明提出的算法在形变、噪声和旋转等方面比现有其它算法能得到更稳定、更精确的配准结果。
周叶剑[8]（2020）在《基于ISAR序列成像的空间目标状态估计方法研究》文中研究指明空间目标状态估计旨在精确实时地获取目标在轨姿态、结构几何和非平稳状态下的运动参数,为目标动作意图分析、潜在故障威胁排查、航天态势发展预判提供有力信息支撑,是当前空间态势感知领域的核心技术。地基逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）具备全天时、全天候、主动式空间探测能力,通过窄带精密跟踪、宽带高分辨成像的工作模式为目标状态分析工作提供观测支持。研究基于ISAR成像的空间目标状态估计方法对我国空间态势感知技术体系建设发展、维护太空资产健康运行具有重要意义。现有公开的地基ISAR观测空间目标状态估计方法研究以对目标大致运动状态评估为主,目标状态参数估计依赖于观测数据与历史积累观测数据库的特征匹配,缺乏观测物理模型支撑,估计精度受限,推广至复杂运动目标、非合作目标等实际应用场景存在困难。立足于实际地基ISAR装备,亟需研究结合雷达成像机理、充分挖掘目标在轨状态与雷达观测数据内在联系、适用于复杂应用场景的空间目标状态估计技术。针对以上研究现状及应用需求,本文围绕空间目标在轨状态估计这一核心问题,面向国家自然科学基金面上项目“空间目标序列ISAR成像与信息提取技术研究”、国家“十三五”装备预研项目“XXX成像特征提取与识别技术”、国家高技术研究发展计划（863计划）项目“XXX成像与信息获取研究”等课题、项目的研究任务,结合现役地基空间观测ISAR体制特点,在雷达信号处理、ISAR图像解译、光电信息融合三个方面展开研究。全文研究循序渐进,依据问题复杂程度先后探讨空间目标处于稳定姿态以及非稳情况的在轨状态参数估计问题,具体研究内容可概括为以下四个部分:1.空间目标ISAR成像序列投影的目标姿态估计第一部分研究空间目标ISAR高分辨序列成像观测的几何特点,从空间目标ISAR成像投影特征反演的思考角度,提出了基于ISAR图像投影形态的目标姿态估计方法,建立了目标在姿态稳定情况下状态参数与其典型部件在ISAR图像内投影形态间的显式表达,通过分析单站ISAR观测图像序列内目标投影的连续变化,克服传统方法在长时间ISAR图像序列处理中面临的散射点特征关联困难问题,实现目标在轨姿态参数的准确估计。2.空间目标ISAR成像二次相位的目标姿态估计第二部分从空间目标ISAR成像散焦特征解译的思考角度出发,提出了基于ISAR图像二次相位的目标姿态估计方法,建立了观测图像内目标散射单元散焦的信号模型,推导了在姿态稳定情况下目标ISAR图像二次相位与其在轨姿态间的显式表达,通过解译被视为“负面信息”的图像二次相位,实现了小角域测量条件下的单帧ISAR图像目标姿态参数估计,为雷达成像、图像解译领域研究提供了一个新的视角。3.多站ISAR联合观测下的自旋空间目标瞬时状态估计第三部分在第一、第二部分针对姿稳空间目标姿态估计的研究基础上,深入研究自旋空间目标状态估计问题。该问题的核心在于如何解决目标在轨自旋引起的ISAR成像几何变化给目标状态估计带来的困难。本部分引入多站点ISAR联合观测补充了雷达观测角度资源,将高维目标状态参数估计问题分解为瞬时姿态和自旋运动参数的优化子问题。通过建立多站ISAR观测图像内目标距离、多普勒维度投影和空变二次相位特征与其在轨状态参数的显式表达,解决自旋状态下因观测成像平面变化造成的姿态估计与运动估计耦合难题,验证了多站ISAR联合观测在空间态势感知应用上的优势。4.光学-雷达联合观测下的空间目标状态估计与三维重建第四部分借鉴计算机视觉领域多视角图像场景重建技术,类比光学、雷达成像几何,探究了相同视角下光电图像特征融合的目标状态估计方法。首先,深入分析光学、雷达成像系统在同一视角下观测信息的互补联系,提出了基于单站光电融合的自旋目标状态估计方法,解决了针对空间自旋目标态势感知中因目标自身自旋运动带来的ISAR成像平面不定这一核心问题。而后,对比分析了光学与雷达多视角成像观测场景的相似性,提出了基于多视角ISAR图像序列的目标三维重建方法,建立了目标在多视角ISAR图像序列内轮廓与其在真实空间中三维结构间的联系,并将该方法拓展至光学-雷达联合观测模式,有效解决单站单圈次ISAR观测视角受限问题。光学-雷达联合观测体制突破了单传感器在空间目标观测中成像几何约束的局限性,为后续多传感器协同的空间目标态势感知网络建设提供了思路与技术支撑。
李沁雅[9]（2020）在《基于群智感知的三维重建中的数据质量与隐私研究》文中指出移动群智感知是通信传感技术的发展以及移动智能设备大量普及等大背景下衍生出的新型感知模式。它旨在利用集成多样化传感器的移动智能设备作为基本感知单元,形成以普通用户为核心的感知网络,并通过互联网间的相互协作,采集环境中的感知数据,共同完成感知任务。群智感知网络突破了传统传感网络的局限性,且具备经济灵活的部署条件、广泛的感知覆盖区域、多样化的感知数据类型、低廉的感知成本等优越性。受益于此,群智感知受到了工业界与学术界的广泛关注,成为处理复杂任务的一种有效可行的方式,并被应用到诸多领域,包括环境监测、室内定位、交通流量监控等。三维重建是计算机视觉、数字媒体、计算机图像学等领域的热点问题,它的主要目标是利用二维图像投影恢复物体的三维几何形状。准确的三维模型具有广泛的应用前景,比如医疗诊断、虚拟现实、城市规划等。随着计算机硬件水平的发展以及计算能力的提升,基于图像的三维重建逐渐成为当前的主流技术之一。大规模的、高质量的图像数据是重建完整三维模型的关键因素。群智感知系统的广泛运用启发我们借助群体智慧采集适用于三维重建的图像集。然而,参与者在执行感知任务时不可避免地会产生网络流量、设备电量、个人时间等资源消耗,同时可能面临着隐私泄露的威胁。这些原因都使得利己主义的参与者很难自愿加入到无利可图的感知任务中,而参与者的缺失会导致无法为三维重建提供足够的感知图像。此外,参与者的敬业程度、努力程度等方面的差距使得感知图像质量参差不齐。图像质量不高与数量不足必然会限制三维重建的性能表现。其次,系统的各项资源是有限的,而感知数据量是巨大的,上传并处理所有的图像数据需要耗费大量的资源,而其中低质量的、冗余的图像会造成系统资源的浪费,进而影响系统的性能。因此,针对上述现象,我们考虑通过金钱激励策略、隐私保护措施、最优图像选取等方法有针对性地解决基于群智感知系统的三维重建场景下的各类问题。本文主要研究基于群智感知的三维重建中的数据质量与隐私的问题。研究的主要问题包括:设计合理的酬劳策略弥补参与者在感知任务中的损耗,通过金钱激励方式鼓励参与者加入感知任务并采集高质量图像;设计必要的图像隐私保护策略来避免对参与者个人视觉隐私的泄露,同时尽可能地减少图像去隐私化对三维重建性能的影响;设计可行的最小数量图像选择算法实现重建目标覆盖,避免大量的、冗余的、低效用的图像对系统资源的浪费,以应对群智感知系统的资源约束。我们分析了上述研究问题所面临的各种挑战,针对具体的场景特点和实现目标,提出了相应的解决方法。本文具体的研究成果概括如下:·基于图像质量的酬劳分配策略的设计一方面感知参与者可能面临的资源消耗以及利己主义心理使得参与者的招募并不容易,因此需要制定酬劳策略弥补参与者的成本损失以激励他们加入感知任务。另一方面参与者个人能力的差距造成感知图像质量参差不齐,而三维重建对高质量图像有着较大需求,为了同时满足参与者的成本弥补与高质量图像需求这两者间的关系,我们提出基于图像质量的酬劳分配机制Img Pricing,根据多劳多得的思想,以金钱激励的方式引导参与者采集高质量的、对三维重建高贡献度的图像。我们通过度量单张图像对三维重建在三维点云数量与投影误差两方面的有效影响来确定其质量,并以此给参与者分配酬劳。·三维重建中的图像视觉隐私保护方案感知图像可能会携带用户的视觉隐私,分享和上传此类图像数据会使感知参与者面临潜在的个人隐私泄露风险。随着人们对个人隐私安全意识的增强,隐私泄露风险势必会降低参与者的参与积极性,从而影响感知图像的采集。我们提出采用预先训练好的深度卷积神经网络对众包图像中的人物隐私进行语义分析、分割并擦除。此外,考虑到去隐私化的图像与原始图像存在一定程度上的信息差距,这可能导致对后续三维重建性能的影响。因此,我们提出基于生成对抗网络思想的图像补全网络来修补分割图像的缺失区域,以恢复有利于三维重建的关键信息,减小对其重构模型性能的影响。·资源约束下的最小数量图像选择算法感知图像的体量是巨大的,上传并处理所有的感知图像需要耗费大量的资源,而群智感知系统中的通信、存储和处理资源是有限的,因此处理如此大量的数据集是不容易且不合理的。为了平衡有限的资源与大规模的图像数据间的矛盾,我们考虑通过图像的元数据（包括地理位置与几何信息）来度量图像效用。此外,考虑到元数据的获取方式可能造成数据的不准确性,我们提出图像的鲁棒效用的概念。同时,我们将感知任务建模成最小数量图像选择问题,提出基于图像边际效用的贪心策略算法选取适合的图像子集实现粗粒度和细粒度的目标覆盖,减少低效用图像对感知平台造成的不必要的资源消耗。综上所述,本论文分析了基于群智感知的三维重建场景下面临的诸多挑战,并针对图像质量、隐私保护、酬劳分配、资源约束等问题提出了相应的解决方案,并通过大量实验验证了所提出方案的可行性和有效性。
薛栋吉[10]（2020）在《基于航拍序列图像的三维重建技术研究》文中提出基于图像的三维重建是计算机视觉从二维走向三维的重要一步,是计算机视觉发展的必然趋势,其具有传感器价格低廉、非接触式、测量范围广、重建细节丰富等特点,成为了近年来三维重建研究的热点与难点。航拍作为室外大规模场景图像资料的重要获取手段,其对应的三维重建方法对于数字化城市与地形测绘等领域具有十分重大现实应用意义。在图像特征检测与匹配阶段,场景中重复的纹理将导致大量的误匹配,根据航拍序列图像中像素的移动特性,本文提出了基于运动一致性的匹配外点剔除策略。算法以匹配点对的连线斜率作为观测对象,参考正态分布中的3σ准则,从而构建斜率取值的置信区间,剔除区间外的误匹配点对。本文设计并采集了测试数据用于改进效果的验证,结果表明筛选后的匹配点对能够提供更加准确的位姿估计。在航拍图像为广场、草地等场景时,特征点数量较少且易受噪声影响。针对此类弱纹理的场景,本文在点特征的基础上提取线段特征作为补充。本文提出了针对线段的全局几何约束,以匹配线段的角度差异、中点连线斜率以及最短长度作为观测对象,采用RANSAC算法进行误匹配线段的剔除。实验表明,通过该约束,能够得到更准确、可靠的线段特征匹配关系。本文对现有算法进行了整合。从序列图片到网格模型的重建主要包含三大模块:稀疏点云重建、稠密点云重建与表面网格重建。本文稀疏点云重建采用增量式运动恢复结构的方法,稠密点云重建采用深度图融合的方法,表面网格重建采用基于隐函数的方法。本文对各模块进行了完整的算法描述并进行了相关实验与分析。通过对场景进行无人机航线规划与航拍图像采集,根据本文实现的三维重建系统,完成了对校内建筑的三维重建。
二、基于图像的几何三维重建方法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于图像的几何三维重建方法（论文提纲范文）
（1）面向狭小空间的高精度三维视觉成像系统开发（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 论文组织 |
| 第2章 三维重建技术概览 |
| 2.1 基于TOF技术的三维重建 |
| 2.2 基于双目立体视觉的三维重建 |
| 2.3 基于结构光技术的三维重建 |
| 2.4 基于深度学习的三维重建 |
| 2.5 本章小结 |
| 第3章 基于双目内窥镜的散斑三维重建方法研究与实现 |
| 3.1 相机成像模型 |
| 3.2 双目畸变模型 |
| 3.3 立体视觉标定 |
| 3.3.1 单目相机标定 |
| 3.3.2 双目系统标定 |
| 3.3.3 标定优化算法 |
| 3.4 极线校正优化算法 |
| 3.5 优化结果对比分析 |
| 3.6 双目立体匹配 |
| 3.6.1 立体匹配算法研究 |
| 3.6.2 改进的半全局匹配算法 |
| 3.7 实验结果与分析 |
| 3.7.1 对比实验 |
| 3.7.2 实际应用场景三维重建 |
| 3.8 本章小结 |
| 第4章 基于单目结构光系统的狭小空间三维重建算法研究与实现 |
| 4.1 单目结构光系统模型 |
| 4.2 结构光二值编码原理 |
| 4.3 单目结构光系统标定 |
| 4.3.1 相机和投影仪标定 |
| 4.3.2 多误差模型标定优化方法 |
| 4.4 实验结果分析 |
| 4.4.1 实验对比 |
| 4.4.2 实际应用场景重建结果 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）基于气道内窥镜图像的气道三维场景稠密重建（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与结构 |
| 第二章 三维重建方法简介 |
| 2.1 相机成像几何模型 |
| 2.1.1 坐标系变换 |
| 2.1.2 针孔相机模型 |
| 2.2 双目视觉 |
| 2.2.1 对极几何 |
| 2.2.2 基础矩阵 |
| 2.2.3 特征点匹配 |
| 2.2.4 光束法平差 |
| 2.3 非线性优化方法 |
| 2.3.1 非线性最小二乘法 |
| 2.3.2 Levenberg-Marquardt算法 |
| 第三章 三维重建模型及优化 |
| 3.1 数据的获取及预处理 |
| 3.2 特征点匹配 |
| 3.2.1 SURF特征点匹配 |
| 3.2.2 特征匹配与极线的优化 |
| 3.3 基础矩阵的计算及优化 |
| 3.4 三角深度法 |
| 3.5 泛函优化 |
| 3.5.1 建立泛函 |
| 3.5.2 非线性凸函数的求解 |
| 3.5.3 迭代步骤 |
| 第四章 重建结果评估 |
| 4.1 输入数据及预处理情况 |
| 4.2 匹配结果及分析 |
| 4.3 重建结果及分析 |
| 第五章 结论与展望 |
| 5.1 工作总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）单幅图像生成目标三维表面方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 三维重建研究现状 |
| 1.2.2 明暗恢复形状研究现状 |
| 1.2.3 植物叶片三维重建的研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关研究基础 |
| 2.1 相机成像模型 |
| 2.2 经典SFS算法 |
| 2.2.1 最小化方法 |
| 2.2.2 传播方法 |
| 2.2.3 局部方法 |
| 2.2.4 线性方法 |
| 2.2.5 其他方法 |
| 2.3 本章小结 |
| 第三章 单幅图像的三维重建算法 |
| 3.1 算法简介 |
| 3.2 图像预处理 |
| 3.2.1 提取重建目标区域 |
| 3.2.2 本征图像分解 |
| 3.2.3 多尺度图像增强算法 |
| 3.2.4 图像边缘检测 |
| 3.3 光源和反射率估计 |
| 3.3.1 光源估计 |
| 3.3.2 反射率估计 |
| 3.4 基于骨架距离场约束的表面细节重建 |
| 3.5 多尺度表面宏观形状重建算法 |
| 3.6 本章小结 |
| 第四章 实验结果与分析 |
| 4.1 评价指标 |
| 4.2 经典方法的实验与分析 |
| 4.3 表面细节恢复的结果展示与分析 |
| 4.4 表面形状恢复的结果展示与分析 |
| 4.4.1 植物叶片的三维重建结果展示与分析 |
| 4.4.2 其他物体的三维重建结果展示与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（4）基于微透镜阵列光场成像的不确定性分析及三维火焰重构（论文提纲范文）
| 摘要 |
| Abstract |
| 符号表(Nomenclature) |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 光场成像测量技术 |
| 1.2.2 光场成像系统误差及不确定性影响分析 |
| 1.2.3 失真光场校正方法 |
| 1.2.4 基于辐射光场成像的火焰温度场重建技术 |
| 1.2.5 研究现状总结 |
| 1.3 本文主要研究内容 |
| 第2章 光场成像系统微透镜阵列误差建模及评估 |
| 2.1 引言 |
| 2.2 光场成像基本原理 |
| 2.2.1 光场信息采集 |
| 2.2.2 光场信息处理 |
| 2.3 光场成像系统仿真模型 |
| 2.3.1 光场相机成像物理仿真模型 |
| 2.3.2 超分辨率数字重聚焦算法 |
| 2.3.3 光场成像系统仿真结果 |
| 2.4 微透镜阵列误差模型 |
| 2.4.1 基本误差参数 |
| 2.4.2 误差模型的数学描述 |
| 2.4.3 误差仿真成像结果与分析 |
| 2.5 光场成像不确定性评估 |
| 2.6 本章小结 |
| 第3章 微透镜阵列误差作用下的光场成像特性分析 |
| 3.1 引言 |
| 3.2 微透镜单元中心标定 |
| 3.3 面形误差作用下的光场成像特性 |
| 3.3.1 间距误差局部成像特性 |
| 3.3.2 曲率半径误差局部成像特性 |
| 3.3.3 偏心误差局部成像特性 |
| 3.3.4 组合误差局部成像特性 |
| 3.4 方位误差作用下的光场成像特性 |
| 3.4.1 耦合距离误差局部成像特性 |
| 3.4.2 平移误差局部成像特性 |
| 3.4.3 旋转误差局部成像特性 |
| 3.4.4 倾斜误差局部成像特性 |
| 3.5 本章小结 |
| 第4章 失真光场校正方法 |
| 4.1 引言 |
| 4.2 基于特征点提取的光场局部校正方法 |
| 4.2.1 校正原理 |
| 4.2.2 校正方法步骤 |
| 4.2.3 校正结果与分析 |
| 4.3 亚像素级优化校正方法 |
| 4.3.1 亚像素特征点定位和提取 |
| 4.3.2 子图像亚像素配准 |
| 4.3.3 校正结果与分析 |
| 4.4 旋转误差估计和校正方法 |
| 4.4.1 校正原理 |
| 4.4.2 旋转误差估计 |
| 4.4.3 光场图像旋转校正 |
| 4.4.4 校正结果与分析 |
| 4.5 本章小结 |
| 第5章 火焰辐射光场成像不确定性分析与校正 |
| 5.1 引言 |
| 5.2 火焰辐射光场成像模型 |
| 5.2.1 整体火焰模型 |
| 5.2.2 分层火焰模型 |
| 5.3 方位误差作用下的火焰光场成像不确定性 |
| 5.3.1 方位误差对纯吸收火焰光场成像影响 |
| 5.3.2 方位误差对吸收散射性火焰光场成像影响 |
| 5.4 面形误差作用下的火焰光场成像不确定性 |
| 5.4.1 面形误差对纯吸收火焰光场成像影响 |
| 5.4.2 面形误差对吸收散射性火焰光场成像影响 |
| 5.5 火焰失真光场校正结果与分析 |
| 5.6 本章小结 |
| 第6章 基于光场重聚焦堆栈的火焰三维重建方案 |
| 6.1 引言 |
| 6.2 火焰三维重建方法及流程 |
| 6.2.1 三维火焰图像序列重构方法 |
| 6.2.2 火焰三维温度场重建方法 |
| 6.2.3 火焰三维重建流程 |
| 6.3 火焰三维重建仿真实验 |
| 6.3.1 点扩散函数标定 |
| 6.3.2 光谱辐射强度标定 |
| 6.3.3 火焰图像采集与处理 |
| 6.3.4 重建结果与分析 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（5）多方位角观测星载SAR三维信息提取技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 星载SAR多方位角观测技术研究现状 |
| 1.2.1 高分辨率星载SAR系统发展概况 |
| 1.2.2 星载SAR多方位角观测信号处理技术研究现状 |
| 1.3 潜在的优势及面临的挑战 |
| 1.4 论文结构和安排 |
| 第二章 星载SAR多方位角观测三维重建基本原理 |
| 2.1 引言 |
| 2.2 星载SAR多方位角观测几何 |
| 2.3 SAR三维重建的基本概念 |
| 2.4 星载SAR多方位角观测三维重建原理 |
| 2.5 本章小结 |
| 第三章 多方位角观测星载SAR系统参数及组网构型设计 |
| 3.1 引言 |
| 3.2 星载SAR同轨多方位角观测波束指向控制方法 |
| 3.2.1 坐标系定义与卫星姿态描述 |
| 3.2.2 星载SAR同轨多方位角观测几何 |
| 3.2.3 波束空间状态与多普勒特性 |
| 3.2.4 基于最小化瞬时多普勒带宽的SAR卫星姿态参数设计方法 |
| 3.2.5 仿真实验与分析 |
| 3.2.6 小结 |
| 3.3 星载SAR异轨多方位角观测轨道参数及星座构型设计 |
| 3.3.1 单星多航过多方位角观测轨道设计 |
| 3.3.2 多星组网多方位角观测星座构型设计 |
| 3.4 本章小结 |
| 第四章 星载SAR同轨多方位角观测三维重建技术 |
| 4.1 引言 |
| 4.2 基于后向投影的三维成像 |
| 4.2.1 卫星轨道三维孔径与分辨特性 |
| 4.2.2 点目标与人造目标后向投影仿真实验 |
| 4.3 多方位角定位精度分析 |
| 4.3.1 多方位角定位方程组与解析解 |
| 4.3.2 系统误差对多方位角定位的影响 |
| 4.4 联合多方位角调频率估计的星载SAR三维重建方法 |
| 4.4.1 目标高程与方位向偏移量的关系 |
| 4.4.2 算法流程 |
| 4.5 仿真实验 |
| 4.6 本章小结 |
| 第五章 星载SAR异轨多方位角观测三维重建技术 |
| 5.1 引言 |
| 5.2 多方位角投影几何 |
| 5.3 斜距误差传递函数及校正方法 |
| 5.4 基于体素区域雕刻的三维重建方法 |
| 5.4.1 体素区域雕刻原理 |
| 5.4.2 处理流程 |
| 5.5 体素雕刻法的三维重建特性与特殊情况下的改进策略 |
| 5.5.1 三维重建模糊区 |
| 5.5.2 特殊情况下的改进策略 |
| 5.6 仿真实验与实测数据处理 |
| 5.6.1 SAR多方位角投影近似精度评估实验 |
| 5.6.2 三维重建仿真验证实验 |
| 5.6.3 三维重建实测数据处理实验 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）基于倾斜影像线特征的建筑物三维模型重建与优化方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于图像的三维建模研究现状 |
| 1.2.2 三维模型优化研究现状 |
| 1.2.3 线特征匹配研究现状 |
| 1.3 论文研究内容与结构安排 |
| 1.3.1 论文的研究内容 |
| 1.3.2 章节安排 |
| 第二章 多重约束下的倾斜影像线特征多视匹配方法 |
| 2.1 基本概念与算法基础 |
| 2.1.1 匹配测度 |
| 2.1.2 匹配约束 |
| 2.1.3 匹配策略 |
| 2.1.4 基本矩阵 |
| 2.2 多重约束下倾斜影像线特征多视匹配思路与流程 |
| 2.3 多重约束下倾斜影像线特征多视匹配算法 |
| 2.3.1 初始匹配候选集的获取 |
| 2.3.2 改进的多重约束下误匹配线段的剔除 |
| 2.3.3 基于线段重叠区域的最优参考影像与参考线段的选取 |
| 2.3.4 多视影像联立下线特征匹配全局解的获取 |
| 2.4 实验验证与分析 |
| 2.4.1 匹配正确率对比实验 |
| 2.4.2 匹配率对比实验 |
| 2.4.3 匹配精度对比实验 |
| 2.4.4 实验分析 |
| 2.5 本章小结 |
| 第三章 基于线特征的建筑物三维模型快速重建方法 |
| 3.1 基本概念与算法基础 |
| 3.1.1 三维重建 |
| 3.1.2 平面相交法 |
| 3.1.3 三视图几何 |
| 3.1.4 建筑物三维模型重建数据源 |
| 3.1.5 建筑物三维模型重建方法 |
| 3.2 基于线特征的建筑物三维模型快速重建思路与流程 |
| 3.3 基于线特征的建筑物三维模型快速重建算法 |
| 3.3.1 基于选权迭代思想的三维线段择优重建 |
| 3.3.2 基于分层聚类思想的线特征近似仿射平面剖分 |
| 3.3.3 特征点引导的基于拓扑顺序的平面构建方法 |
| 3.3.4 特征角点引导的平面边界构造与补充 |
| 3.3.5 基于稳健三维线段与特征角点的模型验证与精纠正 |
| 3.4 实验验证与分析 |
| 3.4.1 三维线段重建精度验证 |
| 3.4.2 模型视觉效果验证 |
| 3.4.3 建模效率对比 |
| 3.4.4 模型精度验证 |
| 3.4.5 模型表面可靠性验证 |
| 3.4.6 实验分析 |
| 3.5 本章小结 |
| 第四章 基于线特征辅助的建筑物三维点云模型优化方法 |
| 4.1 基本概念与算法基础 |
| 4.1.1 点云数据获取 |
| 4.1.2 点云滤波 |
| 4.1.3 构建物方三角网 |
| 4.1.4 三角网格优化 |
| 4.2 基于线特征辅助的建筑物三维点云模型优化思路与流程 |
| 4.3 基于线特征辅助的建筑物三维点云模型优化算法 |
| 4.3.1 数据处理 |
| 4.3.2 基于三角面片的模型平面拟合与优化 |
| 4.3.3 基于三维线特征辅助的模型边缘优化 |
| 4.3.4 实验验证与分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.1.1 论文工作 |
| 5.1.2 创新点 |
| 5.2 未来展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（7）基于图像的三维重建及测量技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩写列表 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 课题的研究背景 |
| 1.3 基于图像三维重建与测量的研究现状 |
| 1.3.1 基于单目视觉的三维重建及测量 |
| 1.3.2 基于双目立体视觉的三维重建及测量 |
| 1.3.3 基于激光雷达矫正的双目立体视觉重建及测量 |
| 1.3.4 非刚性点集配准 |
| 1.4 基于图像三维重建与测量的发展趋势 |
| 1.5 论文的研究内容及安排 |
| 第2章 基于单目视觉的三维重建及测量 |
| 2.1 引言 |
| 2.2 广义体元素着色法 |
| 2.3 光轴偏移对GVC的影响 |
| 2.4 基于图像配准的GVC算法 |
| 2.4.1 基于特征点提取的图像配准 |
| 2.4.2 基于直线特征的图像配准方法 |
| 2.5 实验结果与分析 |
| 2.5.1 实验平台搭建 |
| 2.5.2 椭圆轨道下的图像采集 |
| 2.5.3 实验结果与分析 |
| 2.6 本章小结 |
| 第3章 基于激光雷达矫正的双目立体视觉重建及测量 |
| 3.1 引言 |
| 3.2 基于双目立体视觉的三维重建及测量 |
| 3.2.1 摄像机成像模型 |
| 3.2.2 双目相机的标定 |
| 3.2.3 基于双目立体视觉的三维重建及测量 |
| 3.3 基于极大似然估计的刚性点集配准 |
| 3.3.1 点集配准的建模 |
| 3.3.2 EM算法求解 |
| 3.4 基于激光雷达矫正的双目视觉重建及测量 |
| 3.4.1 最邻近插值重建及测量 |
| 3.4.2 隐马尔可夫插值重建及测量 |
| 3.5 实验结果与分析 |
| 3.5.1 基于3D激光扫描仪矫正的双目立体视觉重建及测量 |
| 3.5.2 基于4线激光雷达矫正的双目立体视觉重建及测量 |
| 3.6 本章小结 |
| 第4章 基于高维表示的非刚性点集配准 |
| 4.1 引言 |
| 4.2 问题建模 |
| 4.3 高维表示 |
| 4.4 基于局部特征的隶属概率计算 |
| 4.4.1 二维特征描述子 |
| 4.4.2 三维特征描述子 |
| 4.5 非刚性变换估计 |
| 4.6 实验结果与分析 |
| 4.6.1 二维模拟点集 |
| 4.6.2 三维模拟点集 |
| 4.6.3 三维采集点集 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 论文创新点 |
| 5.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（8）基于ISAR序列成像的空间目标状态估计方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及选题意义 |
| 1.2 研究现状 |
| 1.2.1 国内外地基空间观测ISAR系统发展 |
| 1.2.2 空间目标ISAR成像与状态估计技术进展 |
| 1.3 拟研究的关键问题 |
| 1.4 本文内容安排 |
| 第二章 空间目标ISAR图像投影提取与姿态估计 |
| 2.1 引言 |
| 2.2 高分辨ISAR成像基础 |
| 2.2.1 ISAR成像基本原理 |
| 2.2.2 ISAR成像转台模型 |
| 2.3 空间目标ISAR观测序列的成像时间段划分 |
| 2.3.1 雷达观测视角序列获取 |
| 2.3.2 空间目标ISAR成像时间段的优化准则 |
| 2.4 目标ISAR图像投影形态与姿态估计原理 |
| 2.4.1 空间目标ISAR成像等效投影模型 |
| 2.4.2 传统因式分解方法原理 |
| 2.4.3 目标投影形态与姿态估计 |
| 2.5 基于ISAR投影形态的空间目标姿态估计方法 |
| 2.5.1 算法流程 |
| 2.5.2 ISAR图像序列获取与目标边界提取 |
| 2.5.3 ISAR图像内矩形部件提取与形状匹配 |
| 2.5.4 空间目标在轨姿态参数估计 |
| 2.5.5 ISAR图像序列重建与部件尺寸估计 |
| 2.6 基于序列投影形态的目标姿态估计实验 |
| 2.6.1 不同特征提取对比实验 |
| 2.6.2 散射点提取误差对因式分解法性能影响分析 |
| 2.6.3 基于投影形态的目标姿态估计 |
| 2.6.4 实验误差分析 |
| 2.7 本章小结 |
| 第三章 空间目标ISAR图像二次相位提取与姿态估计 |
| 3.1 引言 |
| 3.2 空间目标ISAR图像二次相位与姿态估计 |
| 3.2.1 空间目标ISAR图像内的二次相位 |
| 3.2.2 传统成像算法中的相位补偿 |
| 3.2.3 基于ISAR图像二次相位的目标姿态估计 |
| 3.3 图像对比度最大化的二次相位系数求解方法 |
| 3.4 基于图像二次相位的目标姿态估计实验 |
| 3.4.1 散射点阵列验证实验 |
| 3.4.2 典型空间目标姿态估计 |
| 3.5 多站观测条件下的拓展实验与分析 |
| 3.6 本章小结 |
| 第四章 多站ISAR联合观测下的自旋空间目标状态估计 |
| 4.1 引言 |
| 4.2 多站ISAR观测下自旋目标投影形态分析 |
| 4.3 基于多站ISAR图像投影形态的自旋目标状态估计方法 |
| 4.3.1 算法流程 |
| 4.3.2 ISAR图像时间同步 |
| 4.3.3 图像特征提取 |
| 4.3.4 目标瞬时状态求解 |
| 4.3.5 估计优化验证 |
| 4.4 自旋目标多站ISAR投影形态反演瞬时状态实验 |
| 4.4.1 空间目标瞬时状态参数估计 |
| 4.4.2 估计误差分析 |
| 4.4.3 不同自旋模式下的目标动态估计 |
| 4.5 多站ISAR观测下自旋目标相位特征分析 |
| 4.6 基于多站ISAR图像二次相位的自旋目标动态估计方法 |
| 4.7 自旋目标多站ISAR图像二次相位反演瞬时状态实验 |
| 4.7.1 散射点阵列验证实验 |
| 4.7.2 典型空间目标瞬时状态参数估计 |
| 4.7.3 对比实验 |
| 4.8 本章小结 |
| 第五章 光学-雷达联合观测下的空间目标状态估计 |
| 5.1 引言 |
| 5.2 ISAR与光学成像几何对比分析 |
| 5.3 单站光学-雷达联合观测下的目标投影形态分析 |
| 5.4 基于光电信息融合的自旋空间目标状态估计方法 |
| 5.4.1 算法流程 |
| 5.4.2 图像预处理 |
| 5.4.3 投影特征提取 |
| 5.4.4 瞬时姿态估计 |
| 5.4.5 自旋参数估计 |
| 5.5 光电信息融合的自旋目标状态估计实验 |
| 5.5.1 空间目标瞬时状态参数估计 |
| 5.5.2 误差分析 |
| 5.5.3 长时间序列内的目标动态估计 |
| 5.5.4 对比实验 |
| 5.6 基于单站多视角ISAR图像序列的空间目标三维重建方法 |
| 5.6.1 光学多视图目标三维重建 |
| 5.6.2 ISAR多视图空间目标三维重建 |
| 5.6.3 ISAR轮廓特征提取 |
| 5.6.4 目标可视三维表面重建 |
| 5.7 光电信息融合的目标三维结构重建实验 |
| 5.7.1 大视角ISAR观测下的空间目标三维重建 |
| 5.7.2 ISAR观测视角受限条件下的空间目标三维重建 |
| 5.7.3 基于单站光电信息融合的空间目标三维重建 |
| 5.7.4 对比实验 |
| 5.8 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）基于群智感知的三维重建中的数据质量与隐私研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究问题与挑战 |
| 1.3 研究内容与贡献 |
| 1.4 论文结构安排 |
| 第二章 相关研究工作 |
| 2.1 三维重建 |
| 2.2 感知数据质量 |
| 2.2.1 数据优采 |
| 2.2.2 数据优选 |
| 2.3 感知数据隐私 |
| 2.4 群智感知应用 |
| 2.5 本章小结 |
| 第三章 图像质量量化与酬劳分配 |
| 3.1 引言 |
| 3.2 系统模型架构 |
| 3.3 酬劳分配机制设计 |
| 3.3.1 图像冗余性 |
| 3.3.2 图像质量量化 |
| 3.3.3 酬劳分配策略 |
| 3.4 实验与性能评估 |
| 3.4.1 具备的性质 |
| 3.4.2 实验设置 |
| 3.4.3 酬劳分配机制的性能评估 |
| 3.4.4 三维重建的效果 |
| 3.5 本章小结 |
| 第四章 群智感知系统中的图像隐私保护 |
| 4.1 引言 |
| 4.2 系统模型构建 |
| 4.2.1 系统概况 |
| 4.2.2 攻击模型 |
| 4.3 设计思路与细节 |
| 4.3.1 图像分割 |
| 4.3.2 图像修补 |
| 4.3.3 三维重建 |
| 4.4 实验与性能评估 |
| 4.4.1 实验设置 |
| 4.4.2 隐私保护方面的表现 |
| 4.4.3 图像补全方面的表现 |
| 4.4.4 三维重建方面的表现 |
| 4.5 本章小结 |
| 第五章 资源限制下的众包图像选择 |
| 5.1 引言 |
| 5.2 问题建模与定义 |
| 5.2.1 问题建模 |
| 5.2.2 基本定义 |
| 5.3 图像效用度量 |
| 5.3.1 粗粒度覆盖 |
| 5.3.2 细粒度覆盖 |
| 5.4 最小数量选择问题 |
| 5.4.1 粗粒度覆盖算法 |
| 5.4.2 细粒度覆盖算法 |
| 5.5 实验与性能评估 |
| 5.5.1 仿真设置 |
| 5.5.2 算法性能分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间已发表或录用的论文 |
| 攻读博士学位期间参与的项目 |
| 简历 |
（10）基于航拍序列图像的三维重建技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 运动恢复结构 |
| 1.2.2 基于深度学习的结构重建 |
| 1.3 论文研究内容与组织结构 |
| 2 成像与多视角几何基础 |
| 2.1 相机模型 |
| 2.1.1 相关坐标系与针孔相机模型 |
| 2.1.2 相机畸变模型 |
| 2.2 多视角几何 |
| 2.2.1 对极几何 |
| 2.2.2 本质矩阵与基础矩阵 |
| 2.2.3 单应矩阵 |
| 2.3 运动恢复结构基础 |
| 2.3.1 三角测量 |
| 2.3.2 PnP算法 |
| 2.3.3 光束法平差 |
| 2.4 本章小结 |
| 3 特征类型与提取 |
| 3.1 点特征 |
| 3.2 运动一致性约束 |
| 3.2.1 算法介绍 |
| 3.2.2 测试数据介绍 |
| 3.2.3 实验与分析 |
| 3.3 线段特征 |
| 3.3.1 检测与匹配 |
| 3.3.2 线特征约束 |
| 3.3.3 实验结果 |
| 3.4 本章小结 |
| 4 基于图像的三维重建 |
| 4.1 增量式运动恢复结构 |
| 4.1.1 基本框架 |
| 4.1.2 图像连接图 |
| 4.1.3 初始化 |
| 4.1.4 调整优化 |
| 4.1.5 后续视角选择 |
| 4.1.6 部分图片集重建结果 |
| 4.1.7 完整图片集重建结果 |
| 4.2 稠密点云重建 |
| 4.2.1 基本假设与约束 |
| 4.2.2 基本框架 |
| 4.2.3 视角选择 |
| 4.2.4 深度值非线性优化 |
| 4.2.5 实验结果 |
| 4.3 表面重建 |
| 4.3.1 基于隐函数的表面重建方法 |
| 4.3.2 实验结果 |
| 4.4 本章小结 |
| 5 航拍重建实例 |
| 5.1 数据采集 |
| 5.1.1 无人机平台介绍 |
| 5.1.2 航线规划 |
| 5.2 软硬件开发环境 |
| 5.3 实验结果 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、基于图像的几何三维重建方法（论文参考文献）
- [1]面向狭小空间的高精度三维视觉成像系统开发[D]. 郭俊广. 中国科学院大学(中国科学院深圳先进技术研究院), 2021
- [2]基于气道内窥镜图像的气道三维场景稠密重建[D]. 刘宇翔. 中国科学院大学(中国科学院深圳先进技术研究院), 2021(08)
- [3]单幅图像生成目标三维表面方法研究[D]. 任非儿. 西北农林科技大学, 2021
- [4]基于微透镜阵列光场成像的不确定性分析及三维火焰重构[D]. 李苏宁. 哈尔滨工业大学, 2021
- [5]多方位角观测星载SAR三维信息提取技术研究[D]. 周超伟. 西安电子科技大学, 2020(02)
- [6]基于倾斜影像线特征的建筑物三维模型重建与优化方法研究[D]. 曹林. 战略支援部队信息工程大学, 2020(03)
- [7]基于图像的三维重建及测量技术研究[D]. 黄会敏. 中国科学院大学(中国科学院西安光学精密机械研究所), 2020(06)
- [8]基于ISAR序列成像的空间目标状态估计方法研究[D]. 周叶剑. 西安电子科技大学, 2020
- [9]基于群智感知的三维重建中的数据质量与隐私研究[D]. 李沁雅. 上海交通大学, 2020(01)
- [10]基于航拍序列图像的三维重建技术研究[D]. 薛栋吉. 南京理工大学, 2020(01)