基于视频的三维重建研究
这是一篇华中科技大学的硕士毕业论文，里面对三维重建技术的讲解很详细，适合作为综述来看独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或集休已经发表或撰写过的研究成果。对木文的研究做出贡献的个人和集休,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关侏留、使用学位论文的规定,即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权华屮科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以釆用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密口,在年解密后适用本授权书本论文属于不保密口。(请在以上方框内打“√”)学位论文作者签名指导教师签名:日期:年月日日期:年月日万方数据华中科技大学硕士学位论文摘要基于视频的重建技术在计算杋视觉领域中扮演着非常重要的角色,而如何恢复场景的三维模型是目前研究的热点与难点问题。本文围绕基于视频的场景重建技术展开讨论,包括棊于单目视频的三维场景重建和于双目视频的视差图和场景流获取。由于单目包含的深度信息比较少,如何基于单目视频恢复相机的运动参数以及目标的深度信息是研究的重与难点。双目视频虽然包含了非常显著的深度信息,但是考虑到视频中场景的迕续性问题,如何使得恢复岀的深度图保持前后帧的连续性以及场景中运动日标的一致性,也是比较困难的问题。因此,针对上述所提到的问题进行了深入的研究,具体的研究工作如下第一,对三维重建研究进行了详细的介绍,介绍了对于特征点匹配的理解以及我们提出的基于特征引导偏向性高斯混合模型( Feature Guided Biased GaussianMixture model,FGBG);详细介绍立体视觉中立体匹配算法的原理、分类及评测标准,并在4个典型的数据集上对有代表性的局部、全局、半全局算法进行对比实验。此外,详细介绍运动恢复结构(SFM)的基本原理,并进行了实验分析。第二,提岀一种基于双目视频的视差图和场景流获取技术。基于双目视频,首先获得初始的视差图和2D特征点轨迹;在此基础上获得初始的3D稀疏运动轨迹,利用本文提出的 Object Motion Hypothesis(OMH)算法获得运动物体的致性假设采用 slanted-plane model以及参考图像与前后时间点图像对的约束关系,构建超像素和运动物体之间的能量模型,通过优化获得视差和场景流的估计结果。第三,提出一种棊于单目视频的动态场景重建系统。在获取特征点轨迹的基础上,基于运动信息获得特征点轨迹的聚类结果;提出一种基于超像素的多标记Graph-cut算法,得到每一个日标的精确边界;为每一个运动日标分配一个虚拟相机通过标准的SFM方法分别单独估计每个运动目标对应的虚拟相机的参数和稀疏三维点云,通过PMVS和泊松表面重建获得目标的稠密重建结果。关键词:三维重建、单∏视频、双目视频、视差、场景流万方数据华中科技大学硕士学位论文Abstract3D reconstruction based on video has play an important role in computer vision, andhow to recover 3D scene model has been paid much attention and is a difficult problemBased on the importance of 3D reconstruction, in this paper, the 3D reconstruction basedon video has been studied, including 3D scene reconstruction based on monocular videoand depth map and scene flow estimating based on binocular video. Since the monocularcontains much less depth information, how to recover the camera motion and depth maphas been a difficult problem. Besides, although binocular view contains significant depthinformation, it is difficult to keep the consistency of depth map and moving objectsTherefore, in view of the problems mentioned above the specific research works are asFirst. we introduce two directions of 3D reconstruction in computer vision: based onstereo vision method and based on structure from motion. The stereo matching method hasbcen introduced in detail, including algorithm principle, classification, and evaluationmethod. And, we compare the global, local and semi-global algorithm on four typicaldataset. In addition, we have made a detail introduction of structure from motion(SFM)and the experiment has been carried out to get 3D point cloudSecond, a method for depth map and scene flow estimation is proposed. First, inputbinocular video, initial disparity map is got by SGM, 2 point trajectories are got byoptical flow. Then the 3D tracks are got by disparity map and 2D point trajectories, get theobject motion hypothesis. Considering constraint between the reference image and theforward-backward images, the energy model based on super-pixel and object isconstructed using slanted plane model. Finally, the depth map and scene flow will be gotThird, a method for reconstructing monocular dynamic scene with multiple movingrigid objects captured by a single moving camera is proposed. First of all, feature pointsare matched through the video sequence via the optical flow method and the tracks "aregot based on these matches. Then the tracks are divided into several groups according totheir motion differences. An improved graph cuts based multi-label auto imagesegmentation method is used to acquire the accurate boundary of each moving object and万方数据华中科技大学硕士学位论文the static background. Then we assume a virtual camera for each moving object and thestatic background. The pose of these virtual cameras are estimated via the standardStructure from Motion(SFM) pipeline. Finally a dense point set and textured model isreturned for each virtual camera. We evaluate our approach on real-world video sequenceand demonstrate its robustness and effectivenessKey words: 3D reconstruction, monocular video, binocular video, disparity, scenefleOw万方数据华中科技大学硕士学位论文目录摘要Abstract绪论1研究的背景及意义2国内外研究现状1.3论文的主要工作及结构···································:··········.················4·2三维重建基本方法研究2.1引言.………8)2.,2线性摄像机模型(8)23基于特征点的图像匹配24运动恢复结构方法(12)2.5立体匹配与三维重建···.·.·······.·················:····.····················(15)26本章小结(22)基于双目视频的视差图与场景流估计3.1引言(23)3.2运动目标的提取(25)3.3双向约束场景流模型..31)34实验分析.333.5本章小结(444基于单目视频的三维重建研究(45)4.2目标分割(464.3三维场景估计(51)万方数据华中科技大学硕士学位论文4.4实验分析(52)4.5本章小结(55)5全文总结与展望5.1木文的主要页献与创新点(56)5.2工作展望…7)致谢S8)参考文献非D·非非··非。非(59)附录万方数据华中科技大学硕士学位论文绪论11研究的背景及意义视觉是人类的基本功能。通过视觉,人们能够感知外部世界中物体的大小,以及辨别物体之间的相对位置,并且了解它们之间的相互关系。人类把这种功能称为视觉功能。随着科学技术的不断创新,新兴的电子产品不断涌现,数码设备的成熟和计算机理论的涌现让人们越来越关注计算机视觉。人们开始利用摄像机采集视频或者图像,并将其转化为人类可理解的信号。即利用计算机实现模仿人类视觉的功能,计算机视觉也就随之六生。计算机视觉是个涵盖多种学科知识的新兴学科。其理论研究的最终目的是通过对采集到的视频或者图像进行处理,将二维图像或视频转化为三维信息,从而感知场景或物体的形状及运动。因此,计算机视觉吸引了越来越多的研究人员参与其中,包括图像处理与模式识别,应用数学,计算札科学与技术等等。三维场景重建作为计算札视觉中一个重要的研究方向,受到许多研究者的青睐。最近,获取三维场景信息的方式主要有以下三种:第一种,利川常见的建模软件3DMax、CAD等进行重建;第二种,利用深度扫描仪、红外或者激光测距仪器等设备进行三维重建;第三种,利用计算机视觉原理,基于视频或者图像获取场景的三位模型。在上述方法中,第一种是最为成熟的,但是第一种方法的操作步骤十分复杂,并且建模周期长。第二种方式能够获得物伓的髙精度几何模型,但是这些仪器价格昂贵,费时费力,并且对于重建大型场景非常局限。因此,第三种方式受到了普遍的关注,它可以重建复杂的室外大型场景,真实感强,价格低廉且方便携带。利用图像或者视频对场景进行重建,即从图像或视频中恢复场景或者物体的三维几何信息,构建三维模型,给人以视觉亨受。三维重建的用途十分广泛,它可以用于机器人导航,无人驾驶,医学图像分析,游戏等众多方向在众多的三维场景重建方法中,于视频的重建方法一直是一个研究热点。其中,从单目视觉的角度出发,基于单目视频的三维重建技术就是利用单个摄像札对万方数据华中科技大学硕士学位论文场景进行拍摄,研宄如何利用图像序列光流估计运动物体或场景的三维运动来重建三维模型。从双日视觉的角度出发,基于双∏视频的三维重建技术就是利用两个摄像机,从两个不同的角度对同一个场景进行拍摄,研究如何利用左右两个图像序列各自的运动信息,以及左右视图之间的视差信息,完成场景的三维重建。本文的基于视频的三维重建技术具有十分重要的研究价值。针对双目视频,提出了一种基于双目视频的视差图和场景流获取技术,目的是同时获得视差图和场景流信息、。针对单目视频,提出个完整的基于包含多个刚体运动目标的单目动态场景视频的重建系统。12国内外研究现状121基于单目视觉的三维重建研究现状近年来,3D静态场景的重建己经取得了显著性的突破。其中,大多数的研究都是遵循一个特定的步骤:首先从一组多视角的图像中提取特征点,然后对多视图中的特征点进行匹配,构建基础矩阵,恢复相机参数,从而得到玚景的三维结构凹。其中, Snavely N主要通过SFM( (structure from motion)从无序图像序列中恢复相机的位置以及获得场景的三维稀疏点云倒。除∫稀疏点云的重建之外,很多学者也集中研究场景的三维稠密重建四。其中, Seitz s m对多种立体匹配算法进行比较,并且是第一个提供已标定的多视图数据集。 Kolev K在前者的基础之上提出了一个全局能量模型,融合了轮廪信息和立体信息。值得一提的是,深度信息也是一种非常有前景的3D重建方法,主要思想是通过恢复图像的深度信息,融合多幅深度图逃行稠密重建η。此外,很多研究集屮于基于单个视频的稠密表面重建,主要包括基于场景流( scene flow)s, mesh- based稠密表面重建例, patch-base稠密表面重。但是,大多数捕获的视频中,动态场景视频比铰常见。而上述的研究只能用于处理静态场景,它们在应对多目标运动场景方面是十分有限的。最近, Tron r提出了一个包含动态运动目标的场景分割标准山,它是·个重要的3D运动估计和重建的预处埋过程视频重建主要有于两个视图12和基于多个视图314其中,HanM和万方数据
- 2020-12-11下载
- 积分：1
用systemVue解决雷达测试
用systemVue解决雷达测试方案中需要全面考虑到各种问题2010-9-10全数字式相控阵雷达H 8-Element Digital T/R ModuleH 8-Element Digital T/R ModuleFiber-optie 8-Element Digital T/R Module Hup/down linksA: Waveform andcontrol wordsKH DACUp/DownPower AmpB: Echo Data〔 m lines)ADCConverterRx protectorDigital T/R Module (Low-cost cell phonePower/ Coolingtechnolog Element Level.数字模块:包含微波电路,数字电路,时钟电路和光电路的复杂系统数字波束合成大容量高速数据传输技术高性能信号处理机:: Agilent Technologies日程安排●概述雷达信号的模拟雷达信号的分析模块级(T/R组件)测试接- Agilent Technologies2010-9-10雷达系统测试需要的激励信号基带Q波你号,∈○数字基带信号注入信号注入中频信号注入(距离和多勒放大器铝器中频放大放大二玉振LO这接收机替换信号处理饥信号类型测试应用技术要求正弦波信号替代系统本振等电路性能测试功率,频率精度,柞位噪声调制信号则试接收机或关键部件性能功率,频率精度,调制带宽,调制能力,调制精度大真信号则试接收机或关键处玨器性能号带宽,失真处理能力,信号幅度精度带信号则试模拟或数字基带电路性能模拟,数字信号输出能丿,数字接口形式,速率Agilent Technologies常用雷达信号类型及特点(1信号类型信号特点备注简单脉冲信号载波频率,重复周期和脉冲宽度固定或慢速变化雷达常用信号捷变信号脉冲重复间限脉冲间或脉冲组间)迅速变化,包用于动目标显示,脉冲多括参差,滑动和抖动笔形式。普勒等雷达频率捷变信号信号载波须率(脉冲内和脉冲间极脉沖组间)快速变用于雷达抗干扰术化率分集信号同时和接近问时发射的具有多个载波的信号用于雷达抗十扰技术极化变信弓射频徼波信号的极化方式(脉冲内,脉冲间和脉产组用户雷达抗干扰技术间)快速变化双脉冲信号在每个内有两个相邻的脉冲,脉冲隔为脉冲宽用于抗回答式干扰信号度的若干倍。双路信号具有一定相关性的两路信号同时发射。两路信号的用户反侦察秋抗干扰信号和载波频率可以相同也可个同。脉冲玉缩信号具备很大的时宽带宽积。包含线性调频,非线性频用于预警雷达和高分辨力信号,一相编码信号,多相编码信号和频率编鶴信号」雷达接- Agilent Technologies2010-9-10常用雷达信号类型及特点(2)信号类型信号特点备注脉冲编码信号|多为脉冲串形式,采用脉冲位置编码和脉冲幅度编码方用于航管,敌我识别和指令系统等。相参脉冲串信号在每个发射多个相邻的脉冲,包利均匀脉冲串信是一种大时宽信号,用于号,非均匀脉冲串信号和频率编码脉冲串信号等。搜索和跟踪雷达应用。连续波信号时间连续信号。包含单频连续波信号,多频连续波信号,用于日标测返,雷达高度调频连续波信号和二编码连续波信号。计和放撞雷达。分们频谱信号具有噪声类似柬声词制传性。时宽带宽积大。包含噪|用于目标识别和抗干扰等声突似噪声调频或调相信号超宽带冲激信号超宽带信号,无载波。用户目标识别,高分辨目标成像笭雷达:: Agilent Technologies脉冲压缩雷达信号问题:作用距离和标分辨率接- Agilent Technologies52010-9-10脉冲压缩雷达信号问题:作用距离和标分辨率R脉冲压缩雷达信号H(TransmitterSTALODETWeightingH*(w)_MANMatchedReduces sllFilterReceive△接- Agilent Technologies2010-9-10先进信号源仪表的合成信号功能E8257DPSG模拟信号源E8267DPSG矢量信号源频率范围覆盖至44GH67GH烦率覆盖/0.01Hz步进全部覆盖E8257功能及指标136cm-20dBm功率范围/08dB幅度精度唯一片微菠频段矢量调制信号源优良的相噪性能:-113dBc/H@?0 kHz offset20Gh;频率可实时合成微波段PSK,FSK,MSK,0AM信号AM,FM,FM,脉冲调制能力内部/外部Q存储器完成仟意波信号合成脉冲二:时间为:10ns.开关比:80dB160MHz/2GH洞制带宽选择步进/列表/斜坡扫描功能配合软什/分析仪表非实时合成复杂信号配合宽带仨意产生器实时合成复杂信号E品EEEg堂皇E8257D超大功率输出选件(521)Maximum output power(dBm)382570-J21 maximun uutput puweI10 to 250 MHz+7=27rp+28{-31typ-24 typ)186:020GH+24(-2e Marum wai ahle(messrS)Maximun leve ad powar sheaf ea" l12141620GHz的接- Agilent Technologies2010-9-10改善的E8257D信号源的相位噪声性能四04Hz)GHZGHz8010 GHz0⑩四1GHz-13-140-160170101001k10k100k1M10M100ML(f(dBc/Hz) vs f(Hz):: Agilent Technologies矢量信号合成系统输出接口件输出层信号数据存馅和调制。合成实际信号信号源输出信号的验证和定标宽带信号合路合成信号的验证和定标仪表下载的信号波形数据用户使用界面层用信号库文件根据测试要求对信号信号设置软件界面频率,时间标识等进行定义型号任务测试模式,:,,,控制仪表和数据下载软件数接口信号建立设汁层雷达信号模型建立息2雷达信号库建立通信信号模型建立通信信号厍建立用户采集信号库仿真信号的软件验证仿真信号实验信号采集数君雷达信亏库数字通信信号库验证工具B Agilent Technologies2010-9-10宽带信号模拟系统计算机及信号参数设置欤件LAN控制N241A多通道上丰宽带冮意波发生器宽带宽带微波微波微波微波矢量信号源矢量信号源矢量信号源矢量信号源矢量信号源信号信号信号信号合路系统曰盟系统输出宽带输出信号信号参数检测仪表:: Agilent Technologies高性能宽带任意波发生器一N8241A15Bt125G采样DAC电路Spurious Free Dynamic Range(SFDR每个仪表内置两个DAC杂波扣制性能高-65 dBcMarkerIMDb5443d8高相位噪声性能>-120dBc∥Hzat10kHzOffset at 1.25GHz低噪声>.150dBc/Hz225 MHZ275 MHZG Tones Spaced 2.5 MHz w/1.25GS/s clock接- Agilent Technologies2010-9-10宽带矢量调制信号合成会BA76 dBI RE Caded: unspecied beloy 20 MHa)平中产,叶提供宽带调制能力输出频率可选调制带宽为合成宽带基带信号软件合成雷达信号波形波形排序功能实现宽带捷变频信号建京软件欢系统系统误差诖行测试和校准系统基带时坤和本振参考与被测相参宽带矢量信号源仪表配置说明或矢量信号源频率范围为信号源输出须率范围调制情宽为:信号源外调制(标准配置宽带任意波发生器前面板频率范围为信号源输出颏※范围入调制带宽为:信号源宽带调制(选件)宽带任意波发生器率范围为信号源输出频率范调制带宽为后面板宽带输入波形计算矢量信号源宽带调制(选件宽带任意波发生器频率范围为信号源输出频率范围调制情宽为接- Agilent Technologies10
- 2021-05-06下载
- 积分：1
|
联系客服（QQ：3324461878）
