数据驱动的多视图三维重建
| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第22-57页 |
| 1.1 研究背景 | 第22-24页 |
| 1.2 问题的提出 | 第24-26页 |
| 1.3 国内外研究现状 | 第26-53页 |
| 1.3.1 数据采集方式 | 第26-27页 |
| 1.3.2 数据驱动方法 | 第27-28页 |
| 1.3.3 运动推断结构 | 第28-36页 |
| 1.3.4 特征跟踪 | 第36-43页 |
| 1.3.5 摄像机绝对姿态估计 | 第43-47页 |
| 1.3.6 集束调整 | 第47-53页 |
| 1.4 研究目的与贡献 | 第53-54页 |
| 1.4.1 目的 | 第53页 |
| 1.4.2 贡献 | 第53-54页 |
| 1.5 论文组织结构 | 第54-56页 |
| 1.6 课题来源 | 第56-57页 |
| 第二章 多视图特征跟踪 | 第57-79页 |
| 2.1 方法概述 | 第57-58页 |
| 2.2 特征检测与描述 | 第58-62页 |
| 2.2.1 特征点检测 | 第58-60页 |
| 2.2.2 描述子计算 | 第60-62页 |
| 2.2.3 描述子匹配 | 第62页 |
| 2.3 多视图特征匹配 | 第62-66页 |
| 2.3.1 特征聚类 | 第63页 |
| 2.3.2 创建特征跟踪链 | 第63-65页 |
| 2.3.3 去除外点 | 第65-66页 |
| 2.4 实验结果与分析 | 第66-76页 |
| 2.4.1 验证局部特征的性能 | 第66-69页 |
| 2.4.2 验证特征跟踪算法的性能 | 第69-73页 |
| 2.4.3 三维重建结果对比 | 第73-76页 |
| 2.5 关于特征跟踪的讨论 | 第76-78页 |
| 2.5.1 影响特征跟踪效率的因素 | 第77页 |
| 2.5.2 影响特征跟踪精度的因素 | 第77-78页 |
| 2.6 本章小结 | 第78-79页 |
| 第三章 快速鲁棒的摄像机绝对姿态估计 | 第79-98页 |
| 3.1 方法概述 | 第79-80页 |
| 3.2 建立投影方程 | 第80-82页 |
| 3.3 姿态求解 | 第82-86页 |
| 3.3.1 直接求解 | 第82-83页 |
| 3.3.2 姿态优化 | 第83-86页 |
| 3.4 实验结果与分析 | 第86-95页 |
| 3.4.1 在合成数据集上测试 | 第86-89页 |
| 3.4.2 在真实图像数据集上测试 | 第89-91页 |
| 3.4.3 在增强现实系统中测试 | 第91-93页 |
| 3.4.4 在三维重建系统中测试 | 第93-95页 |
| 3.5 关于摄像姿态估计的讨论 | 第95-96页 |
| 3.5.1 影响姿态估计精度的因素 | 第95-96页 |
| 3.5.2 影响姿态估计效率的因素 | 第96页 |
| 3.6 本章小结 | 第96-98页 |
| 第四章 大规模场景的点云模型优化 | 第98-124页 |
| 4.1 方法概述 | 第98-100页 |
| 4.2 建立集束方程 | 第100-102页 |
| 4.2.1 选取损失函数 | 第100-101页 |
| 4.2.2 选取优化算法 | 第101-102页 |
| 4.3 求解集束方程 | 第102-108页 |
| 4.3.1 展开目标函数 | 第102-103页 |
| 4.3.2 场景的稀疏分解 | 第103-105页 |
| 4.3.3 正态方程求解 | 第105-106页 |
| 4.3.4 稀疏压缩 | 第106-108页 |
| 4.4 并行化算法 | 第108-111页 |
| 4.4.1 并行化对象 | 第109页 |
| 4.4.2 并行化方案 | 第109-111页 |
| 4.5 实验结果与分析 | 第111-121页 |
| 4.5.1 验证损失函数的鲁棒性 | 第112-113页 |
| 4.5.2 在合成数据集上测试 | 第113-114页 |
| 4.5.3 在BAL数据集上测试 | 第114-119页 |
| 4.5.4 在三维重建系统中测试 | 第119-121页 |
| 4.6 关于点云模型优化的讨论 | 第121-122页 |
| 4.6.1 影响优化效率的因素 | 第121-122页 |
| 4.6.2 影响优化精度的因素 | 第122页 |
| 4.7 本章小结 | 第122-124页 |
| 第五章 多视图三维重建系统 | 第124-161页 |
| 5.1 系统概述 | 第124-126页 |
| 5.1.1 系统流程 | 第125-126页 |
| 5.1.2 用户界面 | 第126页 |
| 5.2 运动推断结构 | 第126-135页 |
| 5.2.1 摄像机标定 | 第128-129页 |
| 5.2.2 选取初始帧 | 第129-132页 |
| 5.2.3 消除歧义点云 | 第132-135页 |
| 5.3 多视图立体 | 第135-139页 |
| 5.3.1 选取初始化试图 | 第136-137页 |
| 5.3.2 点云的稠密化 | 第137-139页 |
| 5.4 表面重建 | 第139-145页 |
| 5.4.1 生成Mesh | 第140-143页 |
| 5.4.2 生成纹理 | 第143-145页 |
| 5.5 AutoX3D系统的实现 | 第145-147页 |
| 5.5.1 数据管理模块 | 第146页 |
| 5.5.2 AutoEngine引擎设计 | 第146-147页 |
| 5.5.3 显示模块 | 第147页 |
| 5.6 实验结果与分析 | 第147-158页 |
| 5.6.1 重建特定目标 | 第147-149页 |
| 5.6.2 重建动态场景 | 第149-153页 |
| 5.6.3 重建室外场景 | 第153-158页 |
| 5.7 关于三维重建的讨论 | 第158-160页 |
| 5.7.1 影响三维重建效率的因素 | 第158页 |
| 5.7.2 影响三维重建精度的因素 | 第158-159页 |
| 5.7.3 局限性 | 第159-160页 |
| 5.8 本章小结 | 第160-161页 |
| 第六章 总结与展望 | 第161-164页 |
| 6.1 总结 | 第161-162页 |
| 6.2 展望 | 第162-164页 |
| 参考文献 | 第164-189页 |
| 攻读博士学位期间的学术活动及成果情况 | 第189-190页 |
