Восстановление модели трехмерного объекта по видеопотоку

Список иллюстраций 3
Введение 4
1. Обзор литературы 6
1.1. Основные подходы к восстановлению трехмерного облака точек по
фотоснимкам 6
1.2. Photo tourism: exploring photo collections in 3D 6
1.3. 3D Reconstruction from Multiple Images 7
1.4. Towards internet-scale multi-view stereo 8
2. Структура из движения 9
2.1. Поиск ключевых точек 9
2.2. Фильтрация 9
2.3. Восстановление трехмерных координат и положение камеры ... 10
3. Теоретическое обоснование 13
3.1. Старое поколение 14
3.1.1. Независящая от геометрии фильтрация 14
3.1.2. Фильтрация по эпиполярному ограничению 14
3.2. Новое поколение ключевых точек 15
3.3. Фильтрация соответствий 15
4. Эксперимент 17
Заключение 22
Список литературы 24
А. Листинги исходного кода
Купить

Компьютерное зрение применяется повсеместно, а восстановление трех-мерной поверхности все чаще встречается в развлекательной индустрии, 3D фильмы, очки дополнительной и шлемы виртуальной реальности, моделирование реальных объектов для мира игр и кино. В компьютерном зрении актуальной является задача точного восстановления формы поверхности трехмерных объектов по набору двумерных снимков с разных ракурсов. Имеется разнообразные подходы и методы для реконструкции. Использование инфракрасной камеры или стерео-снимков позволяет быстро восстанавливать трехмерные объекты, но данные подходы имеют свои ограничения, например, в виде дополнительно или специального оборудования. В данной выпускной квалификационной работе рассматривается проблема восстановления трехмерной поверхности объекта без специального оборудования, то есть с помощью обыкновенной CMOS- камеры, которая имеется в любом мобильном устройстве. Несмотря на разнообразие подходов к решению данной проблемы, не существует универсального метода, сочетающего в себе необходимую точность восстановления топологии объектов с минимальными вычислительными затратами при сохранении быстродействия. Перенос вычислительной нагрузки в облако увеличивает производительность, однако требует постоянного быстрого подключения к интернету. Вдали от мегаполисов это условие невыполнимо ввиду отсутствия станций ретрансляции или нахождения вне зоны покрытия спутников. Тем самым, восстановление поверхности при минимальных затратах вычислительной мощности устройства является актуальной задачей.
Целью данной работы является разработка алгоритма и программная реализация восстановления формы поверхности неподвижных трехмерных объектов по серии фотоснимков с минимальными вычислительными затратами.
Для этого необходимо решить следующие задачи:
1. Анализ существующих алгоритмов восстановления трехмерной поверхности с использованием одной видео-камеры;
2. Определение двумерных точек ключевых признаков объекта по максимальному перепаду локального контраста изображения и с помощью оператора Лапласа для определения возможных границ объекта;
3. Расчет матрицы трехмерного смещения ключевых признаков объекта для соседних кадров, снятых с разных ракурсов;
4. Реконструкция положения виртуальной камеры для серии соседних кадров;
5. Попарное совмещение двумерных точек признаков объекта на двух соседних кадрах в единую трехмерную точку;
6. Коррекция расходимости точек признаков в пределах допустимого пространственного интервала;
7. Фильтрация шумов в облаке точек и триангуляция поверхности с текстурированием на основе информации о цвете точек двумерных признаков.
В данной работе рассматривается алгоритм, основанный на движении камеры вокруг сцены при неподвижности самого объекта или же ландшафта. Предложено улучшение алгоритма, способствующее увеличению точности и сокращению времени обработки для набора связанных между собой изображений или видео ряда. Модернизация алгоритма основывается на предположении, что ключевые точки (признаки объекта) от кадра к кадру имеют небольшое смещение и поиск соответствующей ключевой точки необходимо вести в небольшой окрестности предыдущей точки. Используя метод фазовой кросс-корреляции, можно вычислить в какую сторону было сдвинуто изображение, а так как смещение на видео в основном небольшое, то пространственная область поиска ключевой точки сужается, и точки сопоставляются в единую трехмерную структуру.

Купить