摘 要

随着经济、科技、文化各方面的发展，使得人们对3D技术的需求也快速增长，对三维重建技术的深入研究已是必然趋势。对2D图像进行稀疏三维重建，其过程的核心是对捕获的真实世界场景图像进行逆转的过程。对三维重建技术的研究十分有利于生物医学、文物修复、3D技术、无人驾驶汽车、军事等各方面的快速发展，它可以推动经济、科技、文化的发展，也能使人们的生活变得更丰富多彩。

本文的稀疏三维重建的主要工作是从二维图像中恢复现实世界的三维结构。本文主要通过利用COLMAP软件对给定的一组存在共视关系的图片进行稀疏三维重建，其主要的方法就是首先对二维图像进行特征点的提取，使用的算法是SIFT（Scale Invariant Feature Transform）算法；然后对这些特征点进行匹配工作；最后就是依据得到的匹配关系进行稀疏三维重建，再对误差进行优化，得到三维重建的稀疏点云。

研究结果表明，使用一组具有共视关系的二维图像能实现对其三维模型进行稀疏重建，三维重建的稀疏点云是由每一张图片所生成的点云构成的。

关键词：三维重建；特征提取与匹配；相机模型；SFM(Structure From Motion)

Abstract

With the development of economy,science and technology,and culture,people’s demand for 3D technology is also growing rapidly,and in-depth research on 3D reconstruction technology has become an inevitable trend.The core of the sparse 3D reconstruction of 2D images is the process of reversing real world scene images.The research on 3D reconstruction technology is very conducive to the rapid development of biomedicine,cultural relic restoration,3D technology,driverless cars,military and other aspects,it can promote the development of economy,science and technology, and culture,and make people’s life more colorful.

The main work of the sparse three-dimensional reconstruction in this paper is to restore the three-dimensional structure of the real world from two-dimensional images. This paper mainly uses COLMAP software to perform sparse 3D reconstruction on given set of pictures with co-view relationship.The main method is to extract feature points from two-dimensional images firstly,using SIFT(Scale Invariant Feature Transform)algorithm.Then these feature points are matched;finally,sparse 3d reconstruction is carried out according to the obtained matching relationship,and then the error is optimized to obtain the sparse point cloud reconstructed in 3d.

The results show that the sparse reconstruction of the 3d model can be realized by using a group of 2d images with co-vision relationship,the sparse point cloud reconstructed in 3d is composed of the point cloud generated by each image.

Keywords:3D reconstruction;feature extraction and matching;camera modle;SFM(Structure From Motion)

目录

第1章 绪论 1

1.1 研究背景 1

1.2 研究意义 2

1.3 国内外研究现状 2

1.4 本文主要工作 3

第2章 基于图像的三维重建基础 5

2.1 相机模型 5

2.2 对极几何 7

2.3 本质矩阵和基础矩阵 8

第3章 图像特征点检测及匹配 10

3.1 特征点概述 10

3.2 Harris点特征检测 10

3.3 SIFT点特征检测 11

3.3.1 尺度空间 11

3.3.2 空间极值点检测 12

3.3.3 SIFT点特征描述子 13

3.4 图像特征点匹配 15

3.4.1 最近邻匹配算法 15

3.4.2 误匹配的剔除 15

第4章 基于SFM的稀疏重建 17

4.1 运动恢复结构 17

4.2 匹配特征三维点云生成 17

4.3 光束平差法优化 18

4.3.1 LM算法 21

4.4 回环检测 22

第5章 稀疏重建结果 23

5.1 COLMAP的简介 23

5.2 稀疏三维重建结果展示 23

5.2.1 实验平台、数据集 23

5.2.2 稀疏三维重建 23

第6章 总结与展望 27

6.1 总结 27

6.2 展望 27

参考文献 28

致谢 29

第1章 绪论

1.1 研究背景

SLAM(Simultaneous Localization and Mapping)是指搭载特定传感器的主体，在没有环境先验信息的情况下，在运动过程中建立环境的模型，同时估计自己的运动^[1]。人们对世界的认知主要是通过眼睛，当人们得到外部世界的相关信息后，就会自动的将这些信息输入人类的大脑进行分析处理，达到对观察到的环境进行认知。视觉SLAM需要使用相机对外界的信息进行捕捉。虽然相机可以捕捉到外界的图像信息，但是它不像人类那样拥有分析处理信息的能力。由于当下人们生活水平提高了，因此相机不再像以前那样价格昂贵，现在的相机成本比较低，价格也实惠经济，它的图像信息丰富，现在人们十分关注关于视觉SLAM的研究。计算机视觉技术起源与20世纪50年代，它是在图像处理的基础上发展起来的新兴领域。现在已经广泛的应用在监控、3D游戏、无人驾驶汽车、无人机、扫地机器人、生物医学诊断分析、工厂的自动检测环节、军事领域等各方面。计算机视觉的两个基本方向就是三维重建与物体识别，三维重建技术在名胜古迹的修复、探测月球、临床医学诊断、VR游戏、智能驾驶、智慧城市等方面得到应用，可见三维重建技术已经深入到人们生活的方方面面。

人们研究的基于2D图像的三维重建技术已经发展的越来越能满足人们的需求，相较于以前，其3D模型的获取的精度越来越高，它的获取过程也在往自动化的方向快速提升。这种技术在科学计算、3D电影、虚拟游戏、混合现实、医学图像三维重建等方面不断发展，人们对三维重建技术的需求也在快速增长。人们对三维重建技术的研究始终保持着饱满的热情，这也使得三维重建技术能在各个应用领域崭露头角。正是由于三维重建技术已经逐渐融入于人们的生活中，它具有十分广阔的应用前景。因此，研究人员们也在孜孜不倦的寻求更好的方法以便对现有的三维重建方法进行完善。