采用运动恢复结构(structure from motion,SFM)算法进行三维人脸建模一直以来受到研究者的关注,但其对错误的匹配点比较敏感,因此,文章提出了一种融合Gabor特征的SFM算法三维人脸建模方法。该方法利用Gabor滤波器提取纹理特征,判别轮廓...采用运动恢复结构(structure from motion,SFM)算法进行三维人脸建模一直以来受到研究者的关注,但其对错误的匹配点比较敏感,因此,文章提出了一种融合Gabor特征的SFM算法三维人脸建模方法。该方法利用Gabor滤波器提取纹理特征,判别轮廓特征点匹配的准确性;针对图像数增多,传统因子分解法不易修正旋转矩阵的问题,利用旋转矩阵的性质求得修正矩阵,避开方程组的求解;提出引入迭代最近点算法将稀疏三维特征点与三维模型进行配准,缩小空间距离,并结合薄板样条函数插值生成特定的三维人脸模型,为增强真实感,进行纹理映射。实验结果表明,该方法有效提高了匹配点的准确性,能够重建出具有较强真实感的三维人脸。展开更多
高精度、高分辨率的地形地貌数据是活动构造定量研究的基础。摄影测量方法的出现和快速发展为获取高精度地形地貌数据提供了一种经济有效的技术手段。相比于传统的测量方法,摄影测量方法可在大范围内同时进行,不受地面通视条件的限制,...高精度、高分辨率的地形地貌数据是活动构造定量研究的基础。摄影测量方法的出现和快速发展为获取高精度地形地貌数据提供了一种经济有效的技术手段。相比于传统的测量方法,摄影测量方法可在大范围内同时进行,不受地面通视条件的限制,且测量成本相对较低。尤其近年来,随着计算机视觉理论及高效的自动特征匹配算法的发展,一种名为"Structure from Motion"(SfM)的三维重建技术被引入摄影测量方法中,极大地提高了摄影测量的自动化程度。文中介绍了摄影测量方法的基本原理及发展历程,并综述了摄影测量方法在活动构造研究中的应用,最后通过SfM摄影测量方法在活动构造研究中的1个具体应用实例,展示了摄影测量方法在活动构造定量研究中的巨大应用潜力。展开更多
随着获取高分辨率数字地形数据技术的成熟化,越来越多地被应用到地球科学研究中。一种低成本且操作简单的获取高分辨率地形数据的新技术——SfM(Structure from Motion)的出现,将使得活动构造研究中高分辨率数据的使用更加广泛。文中首...随着获取高分辨率数字地形数据技术的成熟化,越来越多地被应用到地球科学研究中。一种低成本且操作简单的获取高分辨率地形数据的新技术——SfM(Structure from Motion)的出现,将使得活动构造研究中高分辨率数据的使用更加广泛。文中首先介绍了SfM技术的工作原理和操作流程,选取祁连山北缘洪水坝河东岸进行数据采集,生成DEM数据的点云平均密度为220.667点/m^2,像素分辨率达6.73cm,覆盖面积达0.286km^2。其次,详细对比了SfM数据与差分GPS数据之间的精度。结果表明,SfM数据经过高程误差垂向校正和倾斜校正以后,与DGPS数据之间的高程差值基本上集中在约20cm左右,倾斜校正将高程差降低了约50%。90%置信区间内2种数据之间的高程差为10~15cm,局部误差在30cm左右,但所占比例不足10%,若采用更加精确的校正方法,可能误差还会更低。基于SfM数据提取的断层陡坎高度沿断裂走向分布显示,洪水坝河东岸最新一次构造活动垂直位移量在1m左右。因此,具有较高垂直精度的SfM数据,在植被稀少地区能够替代DGPS进行高精度地形测量。2种数据之间仍然存在的高程误差可能与生成DEM的方式以及SfM数据精度有关,SfM数据精度还受控于地面控制点数量、相机分辨率、照片密度、拍摄高度等条件,同时也与地表形态等内在因素有关。展开更多
将基于因子分解的运动估计结构(structure from motion,SFM)算法延伸至室外环境障碍物检测,提出了一种基于单相机的障碍物检测方法.通过图像序列特征点的匹配和跟踪,运用基于因子分解的运动估计结构算法得到场景的投影重建;通过满足绝...将基于因子分解的运动估计结构(structure from motion,SFM)算法延伸至室外环境障碍物检测,提出了一种基于单相机的障碍物检测方法.通过图像序列特征点的匹配和跟踪,运用基于因子分解的运动估计结构算法得到场景的投影重建;通过满足绝对二次曲面(dual absolute quadric,DAQ)约束的自标定升级至欧式重建,同时得到相机的运动;通过将图像分割为等面积的区域,每个独立的区域通过从欧氏重建得到的深度信息来区分是障碍物还是背景.室外真实场景的实验结果表明,该方法能够在室外环境下获得比较好的障碍物检测效果.展开更多
相机全局位置估计作为运动恢复结构算法(Structure from motion,SfM)中的核心内容一直以来都是计算机视觉领域的研究热点.现有相机全局位置估计方法大多对外点敏感,在处理大规模、无序图像集时表现的尤为明显.增量式SfM中的迭代优化步...相机全局位置估计作为运动恢复结构算法(Structure from motion,SfM)中的核心内容一直以来都是计算机视觉领域的研究热点.现有相机全局位置估计方法大多对外点敏感,在处理大规模、无序图像集时表现的尤为明显.增量式SfM中的迭代优化步骤可以剔除大部分的误匹配从而降低外点对估计结果的影响,而全局式SfM中没有有效地剔除误匹配的策略,估计结果受外点影响较大.针对这种情况,本文提出一种改进的相机全局位置估计方法:首先,结合极线约束提出一种新的对误匹配鲁棒的相对平移方向估计算法,减少相对平移方向估计结果中存在的外点;然后,引入平行刚体理论提出一种新的预处理方法将相机全局位置估计转化为一个适定性问题;最后,在此基础上构造了一个对外点鲁棒的凸优化线性估计模型,对模型解算获取相机位置估计全局最优解,本文方法可以很好地融合到当下的全局式SfM流程中,与现有典型方法的对照实验结果表明:在处理大规模、无序图像时,本文方法能显著提高相机全局位置估计的鲁棒性,并保证估计过程的高效性和估计结果的普遍精度.展开更多
文摘采用运动恢复结构(structure from motion,SFM)算法进行三维人脸建模一直以来受到研究者的关注,但其对错误的匹配点比较敏感,因此,文章提出了一种融合Gabor特征的SFM算法三维人脸建模方法。该方法利用Gabor滤波器提取纹理特征,判别轮廓特征点匹配的准确性;针对图像数增多,传统因子分解法不易修正旋转矩阵的问题,利用旋转矩阵的性质求得修正矩阵,避开方程组的求解;提出引入迭代最近点算法将稀疏三维特征点与三维模型进行配准,缩小空间距离,并结合薄板样条函数插值生成特定的三维人脸模型,为增强真实感,进行纹理映射。实验结果表明,该方法有效提高了匹配点的准确性,能够重建出具有较强真实感的三维人脸。
文摘高精度、高分辨率的地形地貌数据是活动构造定量研究的基础。摄影测量方法的出现和快速发展为获取高精度地形地貌数据提供了一种经济有效的技术手段。相比于传统的测量方法,摄影测量方法可在大范围内同时进行,不受地面通视条件的限制,且测量成本相对较低。尤其近年来,随着计算机视觉理论及高效的自动特征匹配算法的发展,一种名为"Structure from Motion"(SfM)的三维重建技术被引入摄影测量方法中,极大地提高了摄影测量的自动化程度。文中介绍了摄影测量方法的基本原理及发展历程,并综述了摄影测量方法在活动构造研究中的应用,最后通过SfM摄影测量方法在活动构造研究中的1个具体应用实例,展示了摄影测量方法在活动构造定量研究中的巨大应用潜力。
文摘随着获取高分辨率数字地形数据技术的成熟化,越来越多地被应用到地球科学研究中。一种低成本且操作简单的获取高分辨率地形数据的新技术——SfM(Structure from Motion)的出现,将使得活动构造研究中高分辨率数据的使用更加广泛。文中首先介绍了SfM技术的工作原理和操作流程,选取祁连山北缘洪水坝河东岸进行数据采集,生成DEM数据的点云平均密度为220.667点/m^2,像素分辨率达6.73cm,覆盖面积达0.286km^2。其次,详细对比了SfM数据与差分GPS数据之间的精度。结果表明,SfM数据经过高程误差垂向校正和倾斜校正以后,与DGPS数据之间的高程差值基本上集中在约20cm左右,倾斜校正将高程差降低了约50%。90%置信区间内2种数据之间的高程差为10~15cm,局部误差在30cm左右,但所占比例不足10%,若采用更加精确的校正方法,可能误差还会更低。基于SfM数据提取的断层陡坎高度沿断裂走向分布显示,洪水坝河东岸最新一次构造活动垂直位移量在1m左右。因此,具有较高垂直精度的SfM数据,在植被稀少地区能够替代DGPS进行高精度地形测量。2种数据之间仍然存在的高程误差可能与生成DEM的方式以及SfM数据精度有关,SfM数据精度还受控于地面控制点数量、相机分辨率、照片密度、拍摄高度等条件,同时也与地表形态等内在因素有关。
文摘将基于因子分解的运动估计结构(structure from motion,SFM)算法延伸至室外环境障碍物检测,提出了一种基于单相机的障碍物检测方法.通过图像序列特征点的匹配和跟踪,运用基于因子分解的运动估计结构算法得到场景的投影重建;通过满足绝对二次曲面(dual absolute quadric,DAQ)约束的自标定升级至欧式重建,同时得到相机的运动;通过将图像分割为等面积的区域,每个独立的区域通过从欧氏重建得到的深度信息来区分是障碍物还是背景.室外真实场景的实验结果表明,该方法能够在室外环境下获得比较好的障碍物检测效果.
文摘相机全局位置估计作为运动恢复结构算法(Structure from motion,SfM)中的核心内容一直以来都是计算机视觉领域的研究热点.现有相机全局位置估计方法大多对外点敏感,在处理大规模、无序图像集时表现的尤为明显.增量式SfM中的迭代优化步骤可以剔除大部分的误匹配从而降低外点对估计结果的影响,而全局式SfM中没有有效地剔除误匹配的策略,估计结果受外点影响较大.针对这种情况,本文提出一种改进的相机全局位置估计方法:首先,结合极线约束提出一种新的对误匹配鲁棒的相对平移方向估计算法,减少相对平移方向估计结果中存在的外点;然后,引入平行刚体理论提出一种新的预处理方法将相机全局位置估计转化为一个适定性问题;最后,在此基础上构造了一个对外点鲁棒的凸优化线性估计模型,对模型解算获取相机位置估计全局最优解,本文方法可以很好地融合到当下的全局式SfM流程中,与现有典型方法的对照实验结果表明:在处理大规模、无序图像时,本文方法能显著提高相机全局位置估计的鲁棒性,并保证估计过程的高效性和估计结果的普遍精度.
