基于多視圖的三維結(jié)構(gòu)重建

目 錄
第1章 緒論\t1
1．1 引言\t1
1．2 基于圖像的三維重建的國內(nèi)外研究現(xiàn)狀\t2
1．3 研究內(nèi)容及主要貢獻(xiàn)\t6
1．4 本書的組織結(jié)構(gòu)\t9
第2章 特征點(diǎn)描述與匹配\t11
2．1 基于ICA模型的特征點(diǎn)描述與匹配\t11
2．1．1 特征點(diǎn)提取\t11
2．1．2 用于特征描述的獨(dú)立成分分析模型\t14
2．1．3 計(jì)算ICA特征空間\t17
2．1．4 局部特征點(diǎn)描述\t18
2．1．5 性能評測\t19
2．2 實(shí)驗(yàn)結(jié)果\t25
2．3 本章小結(jié)\t30
第3章 基于未標(biāo)定圖像的三維點(diǎn)云重建\t31
3．1 相關(guān)知識\t31
3．1．1 幾何空間\t31
3．1．2 透視投影模型\t32
3．1．3 極線幾何\t34
3．2 基于全局優(yōu)化的基礎(chǔ)矩陣求解\t35
3．2．1 基礎(chǔ)矩陣參數(shù)化\t35
3．2．2 基礎(chǔ)矩陣全局優(yōu)化算法\t36
3．3 度量空間三維點(diǎn)云恢復(fù)算法\t40
3．3．1 射影空間多視圖投影矩陣求解\t41
3．3．2 度量空間投影矩陣求解\t44
3．3．3 分層三維結(jié)構(gòu)恢復(fù)算法\t47
3．4 實(shí)驗(yàn)結(jié)果\t49
3．5 本章小結(jié)\t58
第4章 點(diǎn)云數(shù)據(jù)的優(yōu)化算法\t59
4．1 基于隨機(jī)行走模型的點(diǎn)云優(yōu)化\t59
4．1．1 LM算法和SBA框架\t60
4．1．2 基于隨機(jī)行走模型的點(diǎn)云優(yōu)化算法\t61
4．1．3 實(shí)驗(yàn)結(jié)果\t66
4．2 討論\t71
4．2．1 點(diǎn)云表面重建后存在的問題\t71
4．2．2 一些初步修整\t74
4．3 本章小結(jié)\t77
第5章 多視圖紋理映射算法\t78
5．1 多視圖紋理映射流程\t78
5．2 基于馬太效應(yīng)法則的紋理分布優(yōu)化\t79
5．2．1 可見性判斷\t80
5．2．2 初始紋理分布\t80
5．2．3 基于馬太效應(yīng)法則的紋理分布轉(zhuǎn)移概率模型\t81
5．2．4 紋理分塊重新配置算法\t84
5．3 紋理接縫融合\t85
5．4 二維流形紋理空間空洞修補(bǔ)\t88
5．5 實(shí)驗(yàn)結(jié)果\t89
5．6 本章小結(jié)\t92
第6章 總結(jié)與展望\t93
6．1 本書主要工作總結(jié)\t93
6．2 未來工作展望\t94
參考文獻(xiàn)\t97