导读:本文包含了单目图像序列论文开题报告文献综述及选题提纲参考文献，主要关键词:叁维重建,运动恢复结构,特征提取与匹配,基础矩阵估计
单目图像序列论文文献综述
蒋华强[1]（2019）在《单目图像序列叁维重建研究》一文中研究指出视觉是人类感知外部世界的主要途径。计算机视觉的目的是使计算机具有人类视觉的功能,能够感知和理解图像,恢复叁维场景的描述,进而完成在特定环境下的特定任务。叁维重建一直是计算机视觉领域最热门的研究方向之一,它是研究如何通过二维信息来获取物体在空间中叁维信息的技术,建立适合计算机表示和处理的数学模型。因此,物体叁维重建是计算机图形学、计算机辅助几何设计、计算机动画、计算机视觉、医学图像处理、科学计算和虚拟现实、数字媒体创作等领域的核心技术。叁维重建的方法有很多种,现在使用最广泛的就是基于多幅图像的运动恢复结构方法。该方法模拟人眼的视觉模型,使用简洁直观,并且具有良好的扩展性。本文就目标的叁维重建开展了如下工作:论述了叁维重建国内外研究现状,介绍了基于图像序列匹配叁维重建的相关理论基础,包括坐标系、摄像机模型、相机标定、对极几何、基础矩阵估计、相机姿态估计、叁角化重建等。提出了一种基于匹配距离的基础矩阵估计方法,该方法结合对极距离和余差对基础矩阵的估计进行优化。由于相机畸变的存在,去除边缘部分畸变相对较大的数据后,使用提出的方法估计基础矩阵,并在匹配距离最小时取得最优基础矩阵。实验表明该方法在实现鲁棒的基础矩阵估计的同时,在平均余差和平均对极距离方面具有优势。针对现有运动恢复结构算法重建模型存在点云稀疏等问题,采用一种改进的重建方法。首先通过对比上下文直方图生成匹配数据并估算图像基础矩阵,分解基础矩阵得到平移和旋转矩阵,并根据相机内参计算投影矩阵,然后利用KLT匹配算法更新匹配数据,最后叁角化生成叁维点云。该算法匹配精度高,估计基础矩阵的鲁棒性好,通过位移实现特征点匹配,弥补了图像低频区域匹配数据不足的缺陷。实验结果表明:与现有算法相比,该算法生成的点云更致密;在真实环境下,该算法可用于物体叁维重建。(本文来源于《西南科技大学》期刊2019-05-01）
张洪鑫,王明珠,仇浩然,姜金刚[2]（2018）在《基于单目图像序列的铸件叁维重建方法》一文中研究指出为了实现基于机器视觉的铸件毛刺自动检测与识别,提出了一种基于单目视觉的铸件叁维重建方法。利用单目相机对目标进行无标定多角度旋转拍摄,获得一组单目图像序列;运用"两步匹配法"优化相邻图像特征点的匹配,剔除大量误匹配点,提高特征点匹配效率。对叁维重建的点阵进行泊松表面重建,细化了铸件叁维表面的细节。实验结果表明,该方法装置简单,无需对相机与目标的相对位置进行预先标定,能有效地恢复铸件叁维表面的细节特征。该方法适用于机械加工环境下零件的叁维表面重建。(本文来源于《中国机械工程》期刊2018年23期）
杨爱林[3]（2016）在《基于单目图像序列的场景稠密叁维重建技术研究》一文中研究指出基于图像序列的场景叁维重建技术是计算机视觉领域中的一个重要研究课题。它用目标的二维图像序列和摄像机内外参数来恢复物体的叁维信息。与传统的利用激光叁维扫描或建模软件得到叁维模型的方法相比,基于图像序列的叁维重建方法具有重建约束限制条件少、自动化程度高、成本低、适宜对大尺度场景进行重建的优点。因此,该方法在逆向工程、机器人定位与导航、虚拟现实、增强现实、增强虚拟环境以及军事等领域具有广阔的应用前景。然而长期实践表明,基于图像序列的叁维重建方法面临着诸多难题,如摄像机外参标定技术的算法复杂且准确度不高,无法对摄像机位姿提供精确的估计,不准确的特征匹配导致得不到精确的叁维信息。图像特征点检测与匹配算法,面对非合作环境,难以在弱纹理或纹理重复区域检测和匹配可靠的特征点对,致使点云和曲面层次上的重构都出现较大的失真,重建目标表面出现空洞现象严重,这成为突出的技术性障碍。此外,在图像特征匹配过程中的特征点匹配对数与运算速度也很难兼顾。本文针对上述问题展开了研究,主要贡献有:(1)设计了一种基于运动法的摄像机位姿跟踪算法,采用SIFT算法进行图像特征点的检测与匹配,运用基于RANSAC框架的五点算法估计两视图下摄像机的相对位姿,采用基于RANSAC框架的透视N点法进行多视图位姿跟踪,有效提高了位姿估计精度。(2)提出了一种基于光流反馈的稠密叁维重建方法,能够实现对场景准确、快速的叁维立体化建模。采用TV-L1光流算法建立更加稳健的同名像点匹配关系,对得到的稠密匹配点进行采样,进而构建稀疏点云和初始网格。从运动视觉分析的角度寻求多视重构的求解方法,将重建模型反馈至重建过程,用各视图像的偏差驱动模型变形。将粗糙的、不准确的原始网格曲面经过致密的非刚性变形,调整为精确的曲面。(3)在统一设备架构下,利用图形处理器(GPU)对重建算法中的光流匹配、合成图像、网格调整等部分进行并行加速,显着提高了重构算法的实时性。本文针对叁维重建中的外参求解精度、特征匹配准确度、叁维重建的稠密性、重建算法的实时性等问题,提出了有效的解决方案。室内真实场景下的重建结果证明了所提算法的可行性和准确性。(本文来源于《北京工业大学》期刊2016-06-01）
贺洋[4]（2015）在《单目图像序列中行人检测及跟踪技术》一文中研究指出行人检测及跟踪是智能交通系统中的关键技术。由于单目图像具有便于获取的优点,因此在单目图像中检测并跟踪行人更具实际价值。一个成功的行人检测及跟踪系统依赖于检测过程中视觉特征的有效性和可靠的跟踪方法。首先,检测的难点来源于行人的表观模式变化较大,且应用场景背景较为复杂。其次,由于在跟踪中普遍存在遮挡和定位不准确的现象,从而容易发生漂移现象并导致跟踪的失败。针对上述问题,本文旨在设计一种有效的不考虑深度信息的特征用于检测,以及一种可靠的模板更新策略以缓解漂移问题给跟踪造成的困难。通道特征(Channel Feature)是行人检测中一种十分有效并快速的特征,这种底层特征并不包含语义信息。一个可能的提升方法是将通道特征和中层或高层特征相结合。近期,深度学习从大量无标签样本中通过非监督学习的方式得到特征。深度学习的应用使得计算机视觉中很多应用得到了显着的性能提升。得益于深度学习,本文提出深度通道特征的行人检测方法。对通道特征中的每个通道,本方法通过稀疏滤波方法学得一组滤波器,因此得到很多高层通道特征。结合深度通道特征和底层通道特征(即LUV通道,梯度强度通道,梯度直方图通道),本方法较基准方法取得了显着的提升。通过在公开数据集上的实验表明了该深度通道特征的有效性。在跟踪过程中,本文提出一种交替式模板更新策略来缓解漂移问题对跟踪造成的影响。该策略的目标是开发一种鲁棒的模型更新策略。在本文方法中,表观模型中有若干模块,交替式模板更新每次只更新一个模块,而其他模块保持不变。该策略使得我们的跟踪算法既可以一直更新,又可以保持之前的历史信息。当遮挡或不精准的跟踪结果出现时,它们只影响一个模块,而不会破坏其他模块,因此,本文方法可以利用其他模块实现跟踪。对每一个模块,本方法利用深度通道特征训练了一个在线贝叶斯分类器进行表观建模。为了将这些模块融合起来,本文提出了一个基于表观相似度和运动信息的评价准则。通过实验验证了本文跟踪算法和模板更新策略的有效性。(本文来源于《北京理工大学》期刊2015-01-01）
张聪炫[5]（2013）在《基于单目图像序列光流的叁维重建关键技术研究》一文中研究指出单目图像序列光流不仅包含了物体或场景的运动参数,还携带了丰富的叁维结构信息,因此由单目图像序列光流重建运动物体或场景的叁维运动与结构是计算机视觉研究领域的一个热点问题,研究成果被广泛应用于机器人视觉、航空航天、军事、医学研究等领域。本论文主要针对基于单目图像序列光流的叁维运动估计与结构重建理论与技术进行研究,以提高计算效率、改善重建算法鲁棒性、拓宽重建算法适用范围等为研究目标。从改进变分光流计算模型、降低邻域误差影响、改善亮度突变情况下像素点漂移现象、减少特征直线光流重建模型的约束条件、建立点线光流对应关系等方面入手,提出基于单目图像序列光流的叁维重建新思路与新方法。主要研究工作与成果如下:1).从变分光流计算基本理论出发,通过添加局部约束和图像梯度守恒改进变分光流能量函数的数据项,设计基于图像梯度的各向异性扩散平滑项改变运动物体或场景边缘区域的光流扩散方式;针对光流计算的时效性问题,采用细胞神经网络对变分光流估计模型进行优化,提出基于自适应细胞神经网络的各向异性扩散光流算法。实验表明该模型能够较好地应对图像中包含的噪声,具有计算精度高、时间消耗少等优点。2).为了减小局部邻域内光流估计误差对叁维重建结果的影响,预防“边缘扩张”现象的产生,根据图像像素点光流与叁维运动的对应关系构造基于稠密像素点光流的叁维运动估计与结构重建线性模型,并通过范数定理对该模型的鲁棒性进行了分析证明。实验证明,该模型能够减少边缘区域光流扩散对重建结果的影响,保留物体或场景的边缘信息。3).为避免光流计算对重建结果带来的误差影响,通过光流计算亮度守恒假设和像素点光流与叁维运动的对应关系推导出基于图像亮度的叁维运动守恒假设,构造基于变分光流的叁维运动估计与结构重建模型,为了应对图像序列中包含的大位移运动,在运动估计过程中采用图像金字塔分层的方法。针对纯旋转运动物体的叁维重建问题,利用叁维点的空间位移代替其运动轨迹,提出了纯旋转运动情况下的叁维运动估计与结构重建模型。实验表明该模型能够较好地应对图像序列中光照变化和大位移运动等情况,部分解决了运动遮挡情况下重建算法的鲁棒性问题。4).对基于直线光流的叁维重建技术进行研究,阐述了直线光流的概念及计算方法,根据直线的表示方式和3D直线与2D直线的对应关系构建了基于直线光流的叁维运动估计线性模型,由叁维运动估计结果能够重建直线特征的叁维结构。实验证明,该模型最少只需两条直线光流就可以分步计算出运动物体或场景的叁维旋转和平移参数。5).针对复杂场景下直线特征的跟踪、匹配问题,首先推导点、线光流基本约束方程,然后确定直线光流与直线上点光流的对应关系,提出基于点光流的图像序列运动直线筛选、跟踪和匹配方法;根据运动直线跟踪结果计算直线光流,由直线光流估计运动物体或场景的叁维运动参数,并重建其表面稠密结构和稀疏直线特征,建立基于点、线光流的叁维重建模型。实验表明该方法能够准确筛选出图像序列中的运动直线,并对连续两帧图像中的运动直线进行跟踪、匹配;重建结果既能够描述物体或场景的表面细节信息,又保留了其表面直线拓扑结构。(本文来源于《南京航空航天大学》期刊2013-12-01）
朱小平[6]（2013）在《基于单目图像序列的车辆叁维信息提取》一文中研究指出车辆叁维信息的提取作为视频检测技术的重要部分，对解决交通视频参数检测中车辆的遮挡、粘连、阴影等问题具有十分重要的作用和意义。本文研究的主要内容是基于单目图像序列的车辆特征角点的叁维坐标提取。本文叁维坐标提取分为四个步骤：从摄像机标定，车辆运动速度和特征角点投影速度的求取，到叁维坐标提取。论文主要工作有以下几点：1.摄像机标定。通过透视投影变换法完成基于单目摄像机的标定，构建出一维和二维映射表，实现图像坐标到世界坐标的转换；通过车道线的位置变化特征对摄像机偏移情况进行检测；通过实际交通视频图像的验证，该标定方法可以较好实现映射表的创建。2.车辆运动速度和特征角点投影速度估计。采用比率法寻找车尾特征点，以此查找映射表获得车辆行驶的初始距离，作为基准点，通过枚举一系列速度估计车辆的运动速度；通过基于特征的方法实现目标车辆特征角点的匹配跟踪，查找映射表获得特征角点对应的投影速度。3.车辆特征角点叁维坐标提取。通过推导出车辆上特征角点的投影速度与其所在空间位置高度的比例关系，获得特征角点的高度；再推导出特征角点的高度与其空间位置的叁角关系，完成特征角点的二维坐标估计；最后分别对这两个关系进行了实时场景的验证和室内环境模拟验证，均得到不错的效果。(本文来源于《长安大学》期刊2013-05-29）
潘丰俏[7]（2011）在《单目图像序列的运动分割和3D表达方法》一文中研究指出目前,叁维运动目标的检测和重建是计算机视觉一个重要研究课题,它的应用领域包括机器视觉、自动导航等领域等。本文将研究如何在一个统一的框架下实现单目图像序列的3D运动目标的分割,运动信息的估计和深度估计。本文针对3D表达和运动分割,提出了一种新的基于单目图像序列的运动分割和稠密3D表达模型。利用Dominant Motion Segmentation方法,结合活动轮廓、变分法和3D运动模型,实现了一种时空域的处理模型,该模型利用了现代数学方法将3D运动分割和稠密3D表达问题作为一个整体来研究,转化为统一的优化分割和估算问题。首先本文基于最大后验模型、运动和深度约束模型、观察模型和先验模型,提出了一个包含有运动信息、深度信息和分割曲面的能量函数。然后,本文通过变分法和梯度下降法来最小化该能量函数,通过数值偏微分方程的方法来实现深度信息和运动的估计,通过基于水平集的活动轮廓模型的方法来演化分割曲面。然后,本文通过深度图对应的彩色图和灰度图对深度信息进行修正,得到更为准确的深度信息。实验结果表明该算法能同步实现单目图像序列的运动分割和稠密3D表达,能处理摄像系统和目标同时运动的情况和多运动区域的情况。最后,对本文的运动分割和3D表达进行了总结,并且提出了未来的研究方向。(本文来源于《浙江大学》期刊2011-03-01）
赵文胜,尹升爱[8]（2010）在《基于单目视频图像序列的叁维表面重建研究》一文中研究指出随着计算机技术以及叁维数字成像软硬件技术的飞速发展,叁维表面重建技术越来越受到人们的关注,应用也越来越广泛。研究人员已经开发出了诸如激光条纹和其他编码的光投影系统。可是这些系统有在表面反射系数很低的区域或镜面反射系数很大的区域无法收集到满意数据,对于远距离物体不够精确且难以校准,对环境要求较高等不足。所以,立足于使用常用设备,即普通光学摄像机或照相机,在通常条件和相对简单背景环境下,利用微型计算机快速准确完成叁维表面重建具有非常大的研究和应用意义。(本文来源于《计算机与现代化》期刊2010年02期）
杨建伟[9]（2008）在《基于单目图像序列的直线光流场重建刚体运动和结构》一文中研究指出本文主要研究基于直线光流场从单目图像序列中重建带直线特征的刚体的叁维运动和结构的计算理论和方法。本文提出了一种适合于中心投影模型的直线表示法,该方法以聚类的方式将空间直线用四个参数表示。根据此表示法,将二维直线的两个参数对时间的导数定义成直线光流场。在透视投影模型下,推导出在3D空间中运动的刚体的旋转运动参数与其投影图像上二维直线的光流场之间的关系,并用直线光流方程组表达了这种关系。利用单目图像序列中连续叁帧图像中的两条直线的直线光流,通过解这个线性方程组重建带直线特征的叁维刚体的旋转运动参数、平移运动参数和空间直线结构。该模型具有所需直线数目少、求解算法多、容易实现的特点。根据已建立的直线光流场与刚体的运动参数直线的关系,建立了基于扩展卡尔曼滤波器的直线跟踪模型,能在长序列图像中实时稳定地跟踪图像中的直线。基于直线光流方程,本文建立了自适应线性神经网络的刚体运动和结构的计算方法。该方法将直线光流数据转化为网络的输入和输出,经过对网络的训练后,网络的权值和偏差能近似作为待求刚体旋转参数。根据求出的刚体旋转运动参数,进一步求出刚体的平移运动参数和空间直线坐标,从而实现了叁维重建。本文提出了基于直线光流场的重建刚体运动和结构的遗传算法。该算法将运动参数作为遗传算法的个体,将光流场方程作为适应度函数进行遗传进化,将最后的优良个体作为待求运动参数值。在线性神经网络和遗传算法中,只要能够稳定获取和跟踪至少两条图像直线就可以重建刚体的旋转运动、平移运动和相对深度信息。多个仿真图像和真实图像实验表明算法是可行的,具有较好的鲁棒性能和精度。(本文来源于《南昌航空大学》期刊2008-06-01）
代凯乾[10]（2006）在《单目图像序列的目标跟踪算法研究》一文中研究指出由于现实环境的复杂性,如光照变化、背景局部变化、阴影和目标之间的相互遮挡等,使得目标跟踪是一个很有挑战性的课题。本文以室内环境下的运动人体为对象,重点研究了运动目标跟踪算法,主要讨论和研究了人体跟踪中的阴影和遮挡问题。在人体检测阶段,为了能处理环境中的光照变化和背景微小变动,本文对背景建立自适应高斯模型,用背景去除的方法得到前景运动区域。针对阴影这一问题,本文从色彩和光照不变性的角度,详细讨论了阴影的特性,并据此提出了一个可用于阴影去除的算法,提高了阴影去除率。实验表明,通过本文的自适应背景模型和阴影去除法,能有效、准确地提取出前景运动目标。在人体跟踪阶段,本文分别采用不同的跟踪算法来处理遮挡和非遮挡情况。在人体间没有发生遮挡时,通过对目标建立卡尔曼滤波模型来预测估计下一帧中目标质心可能出现的位置,通过跟踪人体质心的方法来完成整个人体的跟踪,跟踪速度快。为了处理人体间的遮挡情况,从人体颜色分布的角度,提出了一种用于处理人体相互遮挡的算法,使用混合高斯模型来表示人体的颜色分布。先采用EM算法对相应参数进行估计,得到人体混合高斯模型,一旦检测到发生遮挡情况,就用所建立的人体混合高斯模型来划分人群中的每个像素点,最后结合了空间信息来进一步抑制错误划分,提高了分割准确率。实验表明,本文提出的跟踪算法能有效地完成室内环境下的运动人体跟踪,较好地处理人体相互遮挡的情况,提高了处理速度和跟踪精度。(本文来源于《国防科学技术大学》期刊2006-11-01）
单目图像序列论文开题报告
（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：
为了实现基于机器视觉的铸件毛刺自动检测与识别,提出了一种基于单目视觉的铸件叁维重建方法。利用单目相机对目标进行无标定多角度旋转拍摄,获得一组单目图像序列;运用"两步匹配法"优化相邻图像特征点的匹配,剔除大量误匹配点,提高特征点匹配效率。对叁维重建的点阵进行泊松表面重建,细化了铸件叁维表面的细节。实验结果表明,该方法装置简单,无需对相机与目标的相对位置进行预先标定,能有效地恢复铸件叁维表面的细节特征。该方法适用于机械加工环境下零件的叁维表面重建。
（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。
单目图像序列论文参考文献
[1].蒋华强.单目图像序列叁维重建研究[D].西南科技大学.2019
[2].张洪鑫,王明珠,仇浩然,姜金刚.基于单目图像序列的铸件叁维重建方法[J].中国机械工程.2018
[3].杨爱林.基于单目图像序列的场景稠密叁维重建技术研究[D].北京工业大学.2016
[4].贺洋.单目图像序列中行人检测及跟踪技术[D].北京理工大学.2015
[5].张聪炫.基于单目图像序列光流的叁维重建关键技术研究[D].南京航空航天大学.2013
[6].朱小平.基于单目图像序列的车辆叁维信息提取[D].长安大学.2013
[7].潘丰俏.单目图像序列的运动分割和3D表达方法[D].浙江大学.2011
[8].赵文胜,尹升爱.基于单目视频图像序列的叁维表面重建研究[J].计算机与现代化.2010
[9].杨建伟.基于单目图像序列的直线光流场重建刚体运动和结构[D].南昌航空大学.2008
[10].代凯乾.单目图像序列的目标跟踪算法研究[D].国防科学技术大学.2006