基于多视图的三维结构重建
作者： 段春梅 著
出版时间： 2017年版
内容简介
本书基于多视图未定标图像的局部特征以及多视图之间的约束关系，以构建复杂完整的三维模型为目标，对三维重建的整个流程进行了深入研究。全书共6章，主要内容包括图像局部特征描述方法，从二维图像空间重构三维空间的点云和相机运动参数估计的算法，三维点云优化算法，基于多视图图像、针对复杂三维模型的自动纹理映射算法等。本书可供高等学校计算机专业对三维重建感兴趣的本科生和研究生学习、参考，也可供相关领域的工程技术人员学习、参考。
目 录
第1章 绪论\t1
1．1 引言\t1
1．2 基于图像的三维重建的国内外研究现状\t2
1．3 研究内容及主要贡献\t6
1．4 本书的组织结构\t9
第2章 特征点描述与匹配\t11
2．1 基于ICA模型的特征点描述与匹配\t11
2．1．1 特征点提取\t11
2．1．2 用于特征描述的独立成分分析模型\t14
2．1．3 计算ICA特征空间\t17
2．1．4 局部特征点描述\t18
2．1．5 性能评测\t19
2．2 实验结果\t25
2．3 本章小结\t30
第3章 基于未标定图像的三维点云重建\t31
3．1 相关知识\t31
3．1．1 几何空间\t31
3．1．2 透视投影模型\t32
3．1．3 极线几何\t34
3．2 基于全局优化的基础矩阵求解\t35
3．2．1 基础矩阵参数化\t35
3．2．2 基础矩阵全局优化算法\t36
3．3 度量空间三维点云恢复算法\t40
3．3．1 射影空间多视图投影矩阵求解\t41
3．3．2 度量空间投影矩阵求解\t44
3．3．3 分层三维结构恢复算法\t47
3．4 实验结果\t49
3．5 本章小结\t58
第4章 点云数据的优化算法\t59
4．1 基于随机行走模型的点云优化\t59
4．1．1 LM算法和SBA框架\t60
4．1．2 基于随机行走模型的点云优化算法\t61
4．1．3 实验结果\t66
4．2 讨论\t71
4．2．1 点云表面重建后存在的问题\t71
4．2．2 一些初步修整\t74
4．3 本章小结\t77
第5章 多视图纹理映射算法\t78
5．1 多视图纹理映射流程\t78
5．2 基于马太效应法则的纹理分布优化\t79
5．2．1 可见性判断\t80
5．2．2 初始纹理分布\t80
5．2．3 基于马太效应法则的纹理分布转移概率模型\t81
5．2．4 纹理分块重新配置算法\t84
5．3 纹理接缝融合\t85
5．4 二维流形纹理空间空洞修补\t88
5．5 实验结果\t89
5．6 本章小结\t92
第6章 总结与展望\t93
6．1 本书主要工作总结\t93
6．2 未来工作展望\t94
参考文献\t97
