基于单目视觉的三维稀疏点云重建技术是计算机视觉和图像处理在工程中的一项重要应用,它为从图像序列或视频中重建三维场景提供了有效的解决方案。因此,对三维稀疏点云重建中的若干问题进行研究有着重要的实际意义。本文以从图像序列中重建稀疏点云为目标,围绕相机标定、特征提取与匹配、三角化、光束平差法等重建过程中的关键问题进行讨论和研究,主要工作内容如下:(1)实现相机的非线性标定。根据相机非线性模型进行单目相机标定,首先将非线性模型转换成线性和非线性两部分参数方程组,对线性部分的参数方程组直接线性变换后的系数矩阵进行奇异值分解,求得线性部分参数的最佳估计,再对非线性参数的方程组应用非线性优化算法拟合非线性参数,从而实现相机的非线性标定。(2)实现特征点的检测与匹配。采用具有尺度不变性、仿射不变性的SIFT算法实现特征点提取,并根据比例测试法完成初始匹配。再应用RANSAC归一化八点法,计算基础矩阵的最佳估计。(3)通过语义分割改进平面场景下的RANSAC归一化八点法。针对常规八点法存在的八点共面恶化情形,引入Mask R-CNN网络对待匹配的图像进行语义分割,根据语义分割信息剔除RANSAC算法过程中的恶化采样子集,提高八点法在平面场景应用中的鲁棒性。(4)实现光束平差法,完成三维稀疏点云重建流程。以重投影误差为损失函数,采用光束平差法对增进式的三维稀疏点云重建过程中的参数进行优化。通过实现三角化、相机位置注册和投影矩阵求解、重投影误差的光束平差优化等步骤,完成三维稀疏点云增进式的重建流程。