一种基于高分辨序列图像的空间目标三维重构方法

    公开(公告)号:CN108734728A

    公开(公告)日:2018-11-02

    申请号:CN201810377855.4

    申请日:2018-04-25

    CPC classification number: G06T7/55 G06T3/4038 G06T2207/10016 G06T2207/10028

    Abstract: 本发明涉及一种基于高分辨序列图像的空间目标三维重构方法,利用SIFT特征描述子依次提取序列图像精确稳健点特征,并通过哈希级联对相邻图像进行快速精准匹配;联合对应相机内参数矩阵,利用运动恢复结构,获取图像序列间相对姿态,并得到空间目标稀疏点云模型;通过对序列图像进行匹配,扩散插值,迭代滤除,获得空间目标密集的三维点云模型;利用获取的密集点云模型进行表面重建,得到致密的空间目标网格模型;利用获取的精准致密网格模型进行纹理贴图,最终得到可视化的空间目标三维模型。本发明可实现快速、精准图像匹配,修复重建表面高光空洞,获取精细、可视化空间目标三维模型。

    一种基于图像序列轨迹跟踪的空间目标三维稀疏重构方法

    公开(公告)号:CN112102475B

    公开(公告)日:2023-03-07

    申请号:CN202010923785.5

    申请日:2020-09-04

    Inventor: 杨宁 张子腾 郭雷

    Abstract: 本发明涉及一种基于图像序列轨迹跟踪的空间目标三维稀疏重构方法,利用空间目标多视图进行多层哈希图像匹配,得到多视图匹配结果;利用多视图匹配结果,进行空间目标多视图轨迹跟踪;利用多视图匹配关系和多视图轨迹跟踪结果,基于逆向抽样一致性(AC‑RANSAC)的重构模型估计。建立的汉明距离哈希表可实现快速、精准图像匹配;经过特征跟踪后多视图有效关联数目得到明显提升立体匹配的稳定性和三角化重建特征点云准确性,增加特征点云重建数目;逆向方法解决了模型的偶然性问题,其统计标准是数据特定的,并且避免了凭经验设定内部/外部区分的阈值。

    一种基于图像序列轨迹跟踪的空间目标三维稀疏重构方法

    公开(公告)号:CN112102475A

    公开(公告)日:2020-12-18

    申请号:CN202010923785.5

    申请日:2020-09-04

    Inventor: 杨宁 张子腾 郭雷

    Abstract: 本发明涉及一种基于图像序列轨迹跟踪的空间目标三维稀疏重构方法,利用空间目标多视图进行多层哈希图像匹配,得到多视图匹配结果;利用多视图匹配结果,进行空间目标多视图轨迹跟踪;利用多视图匹配关系和多视图轨迹跟踪结果,基于逆向抽样一致性(AC‑RANSAC)的重构模型估计。建立的汉明距离哈希表可实现快速、精准图像匹配;经过特征跟踪后多视图有效关联数目得到明显提升立体匹配的稳定性和三角化重建特征点云准确性,增加特征点云重建数目;逆向方法解决了模型的偶然性问题,其统计标准是数据特定的,并且避免了凭经验设定内部/外部区分的阈值。

Patent Agency Ranking