影像一致性优化的视图选取策略

在三维重建中,网格优化通常用于解决密集点云构建的三角网格含有较多噪声且缺少细节的问题。现有的变分优化方法利用完整的影像数据对初始网格进行影像一致性优化,但在一定程度上忽视了影像信息的冗余以及视图的质量对网格优化的影响。对此,本文提出主视图选取与从视图选取策略,以提升网格优化的效率与质量。首先综合影像梯度幅值与轮廓检测,构建马尔科夫随机场,为每个三角面选取主视图;其次根据相应的观测条件为每个主视图选取从视图;然后计算主、从视图间归一化加权的影像一致性;最后利用梯度下降法最小化表面能量函数,实现网格优化。试验在定性和定量上证实了本文方法的有效性,表明本文方法能恢复更多精细细节,且优化的时间更短、精度更高。     

融合纹理信息的实景三维模型简化算法

针对二次误差测度(QEM)网格简化算法难以保留局部细节特征的缺点,该文提出了一种融合纹理信息的网格简化算法.该算法通过高斯滤波和拉普拉斯运算对纹理贴图预处理来获取像素点的纹理高低值,并以此改变边折叠代价来优化简化效果,从而有效保留三维网格模型的细节特征,助于多层次细节特征等后续操作.该文依据倾斜摄影获取影像构网生成的三维网格数据为试验数据,采用该文算法进行试验,并与传统QEM算法比较.结果表明,该文算法简化效率及简化精度均高于QEM算法.     

多视密集匹配并行传播GPU-PatchMatch算法

针对多视密集匹配的效率较低的问题,提出了GPU-PatchMatch多视密集匹配算法。该算法使用GPU提高PatchMatch的计算效率;同时充分利用稀疏场景信息,对深度信息进行规则初始化;为提高传播效率,使用了金字塔红黑板并行传播深度信息。最后在DTU、Strecha和Vaihigen数据集上进行了试验,并与常用的多视密集匹配算法进行对比。试验结果表明,本文算法在重建效率上有较大提高,与CPU算法(PMVS、MVE、OpenMVS)相比有7倍以上提升,与GPU算法相比也有2.5倍以上提升,表明本文算法的有效性。     

带线约束的摄影测量网格变分精化算法

针对城市场景三维重建模型在有线特征的边缘区域过于平滑的问题,提出一种带线约束的摄影测量网格变分精化方法。算法以初始重建网格模型为基础,引入3个能量项,将网格精化问题转化成能量下降问题。首先结合所有的影像信息构建影像一致性约束项,然后对网格表面顶点附加正则化约束,最后引入三维线特征约束,将3个能量项加权相加后离散化到每个顶点,得到梯度变化值。采用梯度下降法,使顶点沿着梯度方向移动,当能量不再下降或迭代一定次数时,即得到了精化后的网格模型。试验结果表明,本文算法能较好地保持边缘特征,与现有的泊松重建算法相比,网格的质量更高,视觉效果更好。     

融合SFM先验信息的城市三维线段重建算法

针对城市场景中大量存在的边线结构特征,该文提出了一种融合SFM先验信息的城市三维线段重建算法.该文算法首先在影像金字塔中构建精简的二维线段集;然后将相机位姿及稀疏点等数据作为先验信息,引入极线约束、方向约束和深度约束构建匹配线对;最后根据匹配线对重建出三维线段集.实验结果表明,该文提出的三维线段重建算法,在保持场景完整性的同时,能够有效地减少线段误匹配和重建结果冗余,缩短重建时间,提高三维线段重建结果精度.     

多视立体网格的城市建筑物三维建模

针对城市建筑通常是由平面屋顶和垂直墙体连接而成的分段平面对象,该文提出了一个大规模城市建筑物的有效建模框架,在该框架中有两个主要步骤:分类和建模.首先采用基于征集的随机森林分类方法将大范围场景进行分割,然后采用假设和选择的建模策略对多种建筑物进行三维建模.该算法以多视点立体视觉系统生成的曲面网格为输入,输出具有不同细节层次的简化三维模型.实验表明,该方法能对多种外观的建筑物进行不同细节层次的建模,模型外观简洁规整,并能在一定程度上弥补原始数据中的噪声和遮挡问题.     

高分辨率遥感影像建筑物提取多路径RSU网络法

针对卷积神经网络在提取建筑物的过程中,存在建筑物边界不准确和建筑物内部空洞等问题,提出以RSU模块（residual U-block）为核心的MPRSU-Net （multi-path residual U-block network）。该模块利用编码器-解码器结构和残差连接,实现了局部特征和多尺度特征的融合。由于一个RSU模块提取的信息有限,MPRSU-Net进一步通过多路径结构并行了不同尺度的RSU模块,并在这些模块之间进行信息交换,提高了特征聚集效率。在分辨率为0.3 m的WHU和Inria建筑物数据集上进行试验,精度分别达95.65%和88.63%,IoU分别达91.17%和79.31%,验证了本文方法的有效性。此外,本文方法相较于U²Net,计算量明显降低,模型参数量减少68.63%,表明本文方法具有一定的应用价值。     

一种直线特征的近景影像绝对定向算法

针对近景影像存在遮挡、重复纹理,导致通视情况较差以及缺乏同名特征点的问题,该文在传统点摄影测量的基础上结合计算机视觉理论,提出了一种基于直线特征的近景影像绝对定向算法。对于近景影像直线特征易于识别且大量存在的优势,建立了空间直线关系,推导了直线特征约束的误差方程,实现了基于直线特征的绝对定向元素和影像位姿解算。通过虚拟和真实数据实验,验证了本文方法对近景影像绝对定向元素解算的可行性,降低了对控制点及同名点的要求,并通过点线联合平差进一步提高定向结果的精度和稳定性。     

摄影测量局部场景稳健合并的并行式运动恢复结构方法

针对并行式运动恢复结构(SfM)在局部场景合并时稳健性差的问题,提出一种摄影测量局部场景稳健合并的并行式SfM方法。对整个场景的影像关联图进行分块及扩展处理,得到相互重叠的子区块,并利用一种改进的增量式SfM方法生成局部场景重建结果。在局部场景合并时,首先利用局部场景的重叠关系构建子区块关联图,并以子区块三元组为单元,进行粗差剔除;然后,利用子区块三元组的代数性质,优化得到更符合几何一致性的子区块间的相对变换;最后,从上述结果中计算得到更准确的局部场景到统一坐标系下的尺度、旋转、平移变换。试验采用无人机影像,结果表明本文方法在局部场景合并时有更好的稳健性,而且SfM结果的精确度也要优于其他并行式方法和COLMAP,在摄影测量和实景三维重建中有较大的应用潜力。     

建筑物单体结构化重建的变尺度网格基元提取法EI北大核心CSCD

现有的区域生长算法提取平面基元不准确不规则，忽略了尺度较小的几何结构。本文提出了一种建筑物单体结构化重建的变尺度网格基元提取方法，采用多尺度区域生长算法从网格不同尺度大小的几何结构中提取出对应的平面基元，提升了平面基元提取的准确性和完整性。通过平面基元拓扑优化进一步改善平面基元的拓扑质量，提升多边形表面模型的重建精度；并采用面积优先级策略提高共面平面基元合并效率。试验结果表明，本文方法能够更准确地进行平面基元的提取，保留了建筑物较小尺度的几何结构，生成了更简洁紧凑、结构化的建筑物多边形表面模型。