论文部分内容阅读
真实感三维重建是计算机视觉和计算机图形学的重要课题。真实感三维重建指的是重建得到带有高精度纹理的模型。真实感三维重建依赖于三维几何重建,最终效果由几何重建和纹理贴图共同决定,而大多数研究将三维重建和纹理映射割裂开来,没有将其视作一个整体来进行研究。三维几何重建中少有基于纹理信息引导的摄像机姿态估计算法。另一方面,在三维重建过程中存在摄像机姿态误差累积的问题。基于上述真实感三维重建中的问题,本文提出了一种用纹理信息引导几何信息的摄像机姿态估计算法,基于深度学习提取点云片感兴趣点的几何特征描述子,采用点云片配准的方法对摄像机姿态进行回环优化。在此基础上基于图像模糊度选取关键帧以后,采用马尔科夫随机场(Markov Random Field,MRF)的方法对三维模型进行纹理贴图,完成真实感三维重建的整个过程。主要创新点和贡献总结如下:1.在三维几何重建的摄像机姿态估计部分,本文充分利用采集到的深度和彩色信息,提出一种基于RGB-D信息的稠密匹配算法,用纹理信息引导几何信息进行摄像机姿态的估计。实验证明本文算法在不同环境下提高了摄像机姿态的准确性。2.针对摄像机姿态误差累积问题,本文采用回环约束进行全局优化。本文提出基于深度学习配准点云片的回环检测算法。实验证明,本文提出的回环优化算法有效提高了摄像机姿态和三维模型的准确性,为更好的纹理贴图提供了基础。3.为重建模型进行纹理贴图的过程中,本文基于图像的模糊度检测筛选出关键帧,并采用马尔科夫随机场进行纹理片视角选择,提出了新的数据项和平滑项,在标签设置上,本文还增加了纹理图像标签的位移,很好地弥补了相邻三角面片纹理块之间的位移偏差。实验证明,本文提出的纹理贴图算法解决了大部分纹理不准确问题,提高了重建模型的质量。