检索结果-南通市图书馆

基于MVSNet多视角立体深度学习的储罐在位体积测量方法研究

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国测试 2023年第1期49卷 26-30,49页

作者：刘桂雄肖天歌陈国宇黄坚华南理工大学机械与汽车工程学院广东广州510641 广州能源检测研究院广东广州511447 广州计量检测技术研究院广东广州510663

针对目前储罐在位体积测量需求大、移位测量困难的问题,该文提出一种基于MVSNet多视角立体深度学习的储罐在位体积测量方法。首先,提出面向在位储罐体积测量的MVSNet深度预测改进多视图立体视觉方法,结合基于增量式运动恢复结构的储罐... 详细信息

针对目前储罐在位体积测量需求大、移位测量困难的问题,该文提出一种基于MVSNet多视角立体深度学习的储罐在位体积测量方法。首先,提出面向在位储罐体积测量的MVSNet深度预测改进多视图立体视觉方法,结合基于增量式运动恢复结构的储罐显著特征稀疏重建与相机姿态计算技术、基于MVSNet深度学习深度预测技术,获得储罐体积测量关键结构的稠密三维点云;然后,提出基于立体几何拟合在位储罐体积测量方法,旋转储罐点云与地面配准,并基于法线信息双阈值约束点云拟合储罐圆形拓扑结构,实现储罐体积测量。在2种储罐上进行初步实验,结果表明:该文方法提取到的高质量储罐点云数量比经典COLMAP框架分别增加15.6%、13.2%,点云提取时间分别缩短34.7%、39.2%,满足储罐在位体积测量需求。

关键词：储罐体积测量深度学习多视图立体视觉 MVSNet

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

露天矿边坡影像三维重建技术

金属矿山 2015年第4期44卷 259-261页

作者：刘军王鹤李峰刘小阳防灾科技学院防灾工程系河北燕郊101601 防灾科技学院地震科学系河北燕郊101601

针对边坡稳定性评价研究的需要,提出了一种基于影像的露天矿边坡全自动三维重建方法。该方法利用普通数码相机获取露天矿边坡序列影像,基于运动恢复结构(Sf M)和多视图立体视觉(MVS)算法,生成了稠密三维点云;通过构建不规则三角网和纹... 详细信息

针对边坡稳定性评价研究的需要,提出了一种基于影像的露天矿边坡全自动三维重建方法。该方法利用普通数码相机获取露天矿边坡序列影像,基于运动恢复结构(Sf M)和多视图立体视觉(MVS)算法,生成了稠密三维点云;通过构建不规则三角网和纹理映射,制作了边坡数字表面模型。试验结果表明:重建模型可全面表达露天矿边坡整体形态和局部细节特征,为有效评价边坡稳定性提供了科学依据;该技术具有成本低、高效、全自动等特点,非常适合存在潜在隐患的露天矿边坡动态变形监测。

关键词：露天矿边坡运动恢复结构多视图立体视觉三维重建

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

迭代式快速高分辨率点云重建

迭代式快速高分辨率点云重建

作者：曹天池华中科技大学

学位级别：硕士

基于图像的三维重建是计算机视觉领域的一个重要研究方向,而多视图立体视觉作为其中最为高效鲁棒的方法,得到了非常广泛的研究。传统的多视图立体视觉通常可以重建出精度较高的模型,但是依赖于手工设计的特征描述子与代价函数,这难度较... 详细信息

基于图像的三维重建是计算机视觉领域的一个重要研究方向,而多视图立体视觉作为其中最为高效鲁棒的方法,得到了非常广泛的研究。传统的多视图立体视觉通常可以重建出精度较高的模型,但是依赖于手工设计的特征描述子与代价函数,这难度较大并且处理效率通常不高。最近,一些基于深度学习的多视图立体视觉方法也展现出可以与传统方法相比较的重建质量。但是由于模型的复杂性,目前这些方法生成较低分辨率深度图的同时占用大量的显存,并且处理速度可以进一步提升。针对上述提到的主要问题,设计了迭代式的深度图预测网络,以由粗到精的方式迭代地预测出高分辨率的深度图。预测过程采用基于三维代价体的管道,首先将特征图进行可微单应性变换以构建代价体,随后使用三维卷积对代价体进行正则化并进一步预测出深度图。迭代过程中使用所设计的深度图膨胀网络对粗糙深度图进行保留边缘细节的升采样以用于下一轮迭代。此外,设计了适用于迭代网络结构的多级多尺度特征提取在不损失空间信息的同时来提取不同分辨率的特征图。该迭代式的深度图预测网络在生成高分辨率深度图的同时,可以提升重建效率,即降低模型的显存占用与减少处理时间。最后,在为所有视角生成深度图之后,采用高效的过滤策略与融合策略生成统一的稠密点云作为重建结果,用于实验与评估。在大型公开多视图立体视觉数据集DTU上进行了训练与实验,并和其他传统或深度学习的多视图立体视觉方法进行对比,实验结果表明,所设计的方法相较于R-MVSNet,模型占用显存降低了60%,处理速度提升了5倍,较大地提升了重建效率。并且可以保持较好的重建质量,具有较好的视觉效果。

关键词：多视图立体视觉三维重建深度学习迭代式

基于深度神经网络的三维视图融合算法的设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度神经网络的三维视图融合算法的设计与实现

作者：李梦阳海南大学

学位级别：硕士

多视图立体视觉(Multi-view stereo,MVS)技术是一项通过多张相关联的二维图像经过神经网络处理图像所含有的相关信息从而生成三维图像模型的非常可靠且实用的技术。随着计算机算力的飞跃式增长从而引发深度学习领域相关技术的飞速发展,... 详细信息

多视图立体视觉(Multi-view stereo,MVS)技术是一项通过多张相关联的二维图像经过神经网络处理图像所含有的相关信息从而生成三维图像模型的非常可靠且实用的技术。随着计算机算力的飞跃式增长从而引发深度学习领域相关技术的飞速发展,对于三维视图融合技术的促进也是肉眼可见的。但是传统三维重建技术所带来的高昂的技术、人力成本以及对所需物体的视图采集方法的低效低质甚至危险所导致生成效果不如人意,所以通过对国内外各种三维视图融合技术与方法的大量深入研究之后,本文整合了相关技术并加以改进,设计了一套基于深度神经网络的三维视图融合算法对物体进行视图融合重建,具体的研究内容与创新点总结如下:1.对深度学习领域进行了深入的了解和研究,分析了卷积神经网络的构成原理,生成对抗网络的技术原理,传统三维重建的相关技术以及当下最新的基于深度学习的三维视图融合技术原理与应用,包括两者之间的优劣之处,总结出本文的主要研究方向。2.设计了一种基于改进的HTHGAN网络对低分辨率图像进行超分辨率增强技术。现实生活中对物体采集的图像像素往往要受到很多因素的影响和干扰,这会影响后续的三维视图融合模型对图像特征的提取和处理。本文提出了改进的HTHGAN视图超分辨率模型,在“低到高”网络层生成器中嵌入了密集连接残差模块来提高特征提取的密度,以达到提高分辨率,对图像序列逐个增强的目的。后续实验结果表明,本文设计的方法输出的超分辨率图像效果良好,达到了后期工作的标准。3.提出了基于多尺度特征提取模块的多视图立体视觉网络M-MVSNet。通过对各类多视图立体视觉网络进行深入分析研究后,发现提取图像特征的精细程度会直接影响到三维视图融合的准确度等问题,依据经典的多视图立体视觉网络MVSNet,提出了多尺度特征提取网络M-MVSNet,该网络引入了一种新的轻量级多尺度特征提取模块,用以提取稠密特征信息,避免图像内关键信息的丢失。本文提出的方法能够在维持图像原分辨率的情况下连接图像的多尺度特征信息,使得最终融合出的三维视图精确度和完整度更高。经过一系列实验对比,本文提出的方法对于三维视图融合的三维视图完整度和精度以及图像质量均高于原始方法,证明了本文提出的方法的优势。4.基于上述方法设计实现了简单实用的三维视图融合系统。首先简明概述了该系统的架构,随后根据本文的内容对功能模块进行了设计。在界面、系统接口、系统功能模块进行设计后,本文将本系统进行可视化的实现。该系统根据实际需求分析,经过多种系统测试方式后综合的评估系统。实验结果最终表明了该系统高效与实用,且该系统具有一定的可扩展性,实现了三维视图融合效果,使得本文提出的算法得到了实际应用。

关键词：多视图立体视觉深度神经网络特征提取三维重建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多尺度建筑物图像的三维重建研究

多尺度建筑物图像的三维重建研究

作者：李聪聪云南大学

学位级别：硕士

在计算机视觉领域,多视图三维重建一直是研究热点,它综合了计算机图形学、计算机视觉和模式识别等多个学科知识,已广泛应用于视觉导航、医学诊断、文物保护和虚拟现实等领域。针对多尺度图像集的三维重建效果远没有达到可以应用的地步,... 详细信息

在计算机视觉领域,多视图三维重建一直是研究热点,它综合了计算机图形学、计算机视觉和模式识别等多个学科知识,已广泛应用于视觉导航、医学诊断、文物保护和虚拟现实等领域。针对多尺度图像集的三维重建效果远没有达到可以应用的地步,以及现有三维重建算法对建筑物等大型场景的重建效果真实感不高和计算量大的问题,本文对现有三维重建算法的关键步骤进行了深入研究,并提出改进算法来对多尺度建筑物图像集进行三维重建重建。在算法基础上开发出一个三维重建软件系统。本系统由三个主要步骤组成:运动恢复结构(Struction From Motion,SFM)算法恢复相机参数和稀疏点云,多视图立体视觉(Multi-View Stereo,MVS)算法计算每个视图对应的深度图,以及表面重建(Surface Reconstruction)算法重建完整的3D模型。本文主要研究工作如下:(1)本文分别采用大疆无人机和智能手机采集图像,采用增量SFM算法恢复相机参数和场景的稀疏点云。利用SIFT算法对图像进行特征提取与匹配,并用GPU并行加速该步骤。在增量重建阶段,提出下一个最佳视图选择方案并改进现有光束平差法(Bundle Adjustment)等,实验证明本文的SFM方法具有较高的鲁棒性和准确性。(2)恢复出相机参数后,即可执行多视图立体视觉算法生成每个视图对应的深度图。本文提出一个两级视图选择算法:在图像层面,全局视图选择为每个参考视图标识一组用于立体视觉匹配的良好邻域图像;在像素层面,局部视图选择确定邻域图像的子集,以此产生稳定的立体视觉匹配。然后将深度图融合为一个全局一致的稠密点云,作为表面重建阶段的输入。因仅需要部分的邻近视图即可重建,因此很容易扩展到大型场景的重建中。实验证明本文方法能够产生高质量的深度图。(3)采用浮动尺度表面重建算法进行表面重建,本文提出将每个样本点的尺度值作为附加输入,避免了对不同分辨率的样本点作均值处理。根据相同尺度和冗余信息自动调整插值和拟合,并且在几何信息不足的区域不作插值操作,提升了算法的准确性。将生成的稠密点云作为表面重建阶段的输入,最后使用移动立方体算法从等值面提取出最终完整的三维模型。实验结果表明,与VisualSFM相比,本文方法重建的3D点更多,重投影误差更小;与PMVS算法相比,本文方法重建稠密点云的顶点数量更多;与泊松表面重建方法相比,本文采用的FSSR方法适用于多尺度的图像集,重建出的模型不仅准确性高,而且重建的模型细节表现更好。因此本文方法适用于多尺度图像集,对建筑物等大型场景重建效果较好。

关键词：三维重建运动恢复结构多视图立体视觉表面重建深度图

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多视角图片的三维重建算法实现

基于多视角图片的三维重建算法实现

作者：朱袁旭东南大学

学位级别：硕士

随着计算机视觉的发展和计算能力的提升,基于多视角图片的三维重建技术得到了快速发展,该技术成本低廉,容易获得场景的纹理信息,适用于大规模场景,三维重建在无人驾驶、古建筑数字化、数字城市、游戏与电影等行业都有着广泛的应用。从... 详细信息

随着计算机视觉的发展和计算能力的提升,基于多视角图片的三维重建技术得到了快速发展,该技术成本低廉,容易获得场景的纹理信息,适用于大规模场景,三维重建在无人驾驶、古建筑数字化、数字城市、游戏与电影等行业都有着广泛的应用。从多视角图片重建场景的三维模型包括图像特征提取与匹配、稀疏重建和稠密重建三个阶段。大场景下,图像特征提取与匹配耗时较多,在后续稀疏重建阶段,传统的增量式从运动恢复结构（Structure from Motion,SfM）算法依次计算图片的相机参数和场景结构,精度高,但计算耗时长;传统的全局式SfM算法根据所有相机的约束关系,计算所有的相机参数和场景结构,计算速度快,但鲁棒性较差、精度较低。本文针对传统的SfM存在的问题,设计了混合式SfM算法。主要工作包括:1、针对上述问题,在特征提取阶段,研究了SIFT（Scale-invariant feature transform）特征的CUDA（Compute Unified Device Architecture）实现,加快特征提取速度,在匹配阶段,研究了词汇树的数据结构,加快特征匹配速度。2、在稀疏重建阶段,设计了混合式SfM,将大规模图像集合分割成小的子集,先通过增量式SfM计算每个子集的相机参数,再通过全局式SfM计算所有的相机参数,最后计算场景的稀疏模型,该算法避免了增量式SfM耗时长和误差累积的问题,也避免了全局式SfM精度较低和鲁棒性较差的问题,兼顾了重建的精度和效率。3、在稠密重建阶段,利用深度图融合的多视图立体视觉（Multi-View Stereo,MVS）算法将稀疏模型稠密化,得到场景的稠密模型,使得三维模型的效果更加真实。在Tanks and Temple基准数据集上进行测试,结果表明SIFT的CUDA实现相对于CPU（Central Processing Unit）节约了70%以上的时间,词汇树的匹配策略相对于穷尽式节约了50%以上的时间,而且匹配结果与穷尽式几乎相同。混合式SfM相对于增量式SfM在点云数量相当的情况下,节约了40%以上的时间。混合式SfM相对于全局式SfM在点云数量约为其2倍的情况下,误差降低了2%左右。最后,通过深度图融合的MVS算法得到场景的稠密模型,更加准确地还原真实场景。通过采集实际场景进行测试,结果表明重建模型的轮廓清晰,符合研究工作要求。

关键词：三维重建混合式从运动恢复结构 CUDA 词汇树多视图立体视觉

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于WEB的三维点云重建研究与实现

基于WEB的三维点云重建研究与实现

作者：孔威云南大学

学位级别：硕士

在计算机视觉和计算机图形学中,三维重建是获取真实物体的形状和外观的常用方法,目前已经有不同方向的深入研究发展。三维重建的场景模型,比二维平面反映出更丰富直观的信息,广泛应用于数字化文化遗产保护、游戏电影场景、医疗图像、立... 详细信息

在计算机视觉和计算机图形学中,三维重建是获取真实物体的形状和外观的常用方法,目前已经有不同方向的深入研究发展。三维重建的场景模型,比二维平面反映出更丰富直观的信息,广泛应用于数字化文化遗产保护、游戏电影场景、医疗图像、立体漫游、虚拟现实等各行业。论文基于立体视觉重建方法,实现了从WEB端重建和展示物体点云模型。论文的主要研究内容包括相机标定与稀疏点云生成,多视图立体重构,WEB端自动化稠密点云重建,点云网格化这几个方面。论文主要工作分为以下几个部分:第一部分是相机标定与稀疏点云生成,论文使用一种从运动恢复结构的自标定方法。使用普通相机,对需要重建物体从多个视角拍摄多幅图片,通过成对图像间的特征点匹配计算相机的姿态,通过相机的EXIF信息求取相机内部参数,在此基础上进行三角定位还原特征点在三维空间中位置,建立稀疏点云。第二部分是多视图立体重建。论文使用基于面片的稠密点云重建方法,利用第一部分生成的相机参数及稀疏点云,通过特征点匹配、扩展及匹配过滤等步骤,生成模型的稠密点云。第三部分是实现了一个基于WEB端的自动化重建系统。在前两部分的基础上,实现了 WEB端自动化稠密点云重建及展示。只需要在该网站中上传物体不同视角的多幅图片,提交后便可自动重建所拍摄物体的稠密点云模型,重建完成后物体点云模型将在浏览器中展示。第四部分是点云的网格化研究。分别使用了滚球算法及泊松表面重建算法,对点云模型进行网格化,并对两种点云网格化算法生成的网格模型所用时间、网格完整性等指标进行了对比分析,探讨两种算法的适用场景。

关键词：三维重建相机标定运动恢复结构点云模型多视图立体视觉点云网格化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多视图的图像三维重建算法研究

基于多视图的图像三维重建算法研究

作者：潘飞扬河北工程大学

学位级别：硕士

多视图立体视觉(Multi-view stereo,MVS)是从已知相机参数的图像集合中恢复出物体的三维信息,是计算机视觉中最具挑战的任务之一。经过多年的发展,三维重建在医学、军事、工业等领域得到了广泛的应用。目前基于多视图的图像三维重建主... 详细信息

多视图立体视觉(Multi-view stereo,MVS)是从已知相机参数的图像集合中恢复出物体的三维信息,是计算机视觉中最具挑战的任务之一。经过多年的发展,三维重建在医学、军事、工业等领域得到了广泛的应用。目前基于多视图的图像三维重建主要研究方向是向着轻量化发展。早期研究都是通过3D卷积实现代价体构建,虽然结构简单但是需要消耗大量计算资源和时间,所以在不降低重建精度的情况下,如何减少计算资源的消耗成为研究的重点;同时模型泛化能力欠佳,如何提高模型的泛化能力,提高完整性也是研究的难点。针对上述问题,本文的主要研究内容如下:(1)为了降低计算消耗,本文提出了一种基于动态迭代代价体的多视图三维重建算法。本算法利用构建动态代价体的方式降低因采用复杂3D卷积而带来的计算消耗,通过对参考帧图像几何特征、深度特征和邻域帧图像映射特征进行融合来构建动态代价体。与其他工作相比,该动态代价体体量更小,因此可以将其输入到门控循环单元(Gate Recurrent Unit,GRU)中进行多轮迭代,优化深度图,提高重建精度;同时级联分层结构和多尺度特征提取,加快模型收敛速度。实验结果表明,采用动态代价体的方法可以在不影响精度的情况下,缩短计算时间,降低内存消耗。(2)为了提升模型的泛化能力,本文提出了一种基于数据增强的多视图区域匹配算法。在数据输入阶段,利用数据增强改变输入图像的亮度、对比度和色调,同时从图像中去除随机区域像素,模拟图像出现高亮和遮挡的情况,为后续网络模型训练时,提高模型鲁棒性奠定基础;在深度估计阶段,利用动态采样间隔的方法获取更多图像信息,同时利用邻域像素的特征信息,通过区域匹配算法构建代价体,从而完成深度值的最优估计,利用自适应传播和自适应评估模块代替传统的3D卷积,在减少内存消耗的同时,能够有效地提升重建的精度。通过对比实验,验证了该方法重建出的3D点云在DTU数据集上有更高的完整性,在Tanks&Temples数据集上进行泛化性能验证,表明该方法具有较强的泛化能力。

关键词：三维重建多视图立体视觉动态代价体数据增强

基于二维和三维空间的生菜表型参数提取方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于二维和三维空间的生菜表型参数提取方法研究

作者：陈柳枫华中农业大学

学位级别：硕士

生菜是世界上重要的经济蔬菜作物,品种繁多,营养价值高。在整个生菜育种和品种推广过程中,往往需要借助表型信息来筛选优质高产量的生菜品种。目前生菜的表型参数获取主要依赖人工目测和手动方式测量,存在人力成本高,效率低下等缺点。... 详细信息

生菜是世界上重要的经济蔬菜作物,品种繁多,营养价值高。在整个生菜育种和品种推广过程中,往往需要借助表型信息来筛选优质高产量的生菜品种。目前生菜的表型参数获取主要依赖人工目测和手动方式测量,存在人力成本高,效率低下等缺点。因此在育种栽培过程中,对于作物表型参数的无损、快速、低成本、自动测量技术有着迫切的需求。本文以生菜为研究对象,采用基于深度学习的图像语义分割方法实现图像分割,利用深度学习的多视图立体视觉重建生菜三维点云,并在此基础上完成生菜二维空间和三维空间的主要表型参数的无损自动化测量。主要研究内容及结论如下:(1)生菜图像分割算法研究及二维空间表型参数测量。首先对比了PSPNet、Deep Lab V3+、CGNet、OCRNet等语义分割网络在运行效率、收敛性能和分割精度等方面性能,实验结果表明,OCRNet分割算法在生菜图像语义分割任务中具有最好的性能,因此选择OCRNet用于生菜图像分割的网络。然后针对生菜数据集数据不平衡问题,OCRNet的损失函数使用Dice Loss,优化网络训练,其平均像素精度(MPA)达到98.92%,平均交并比(MIo U)达到97.97%。利用图像处理算法自动化提取作物的株高、面积等表型参数与人工测量值之间决定系数(R)均高于0.99,说明生菜表型参数提取的精度较高。最后在图像分割数据的基础上,自动化提取七个时间点200个生菜品种1600株生菜图像的37个植株表型特征,并利用提取的株高和投影面积来检测生菜的生长。(2)生菜三维重建算法研究及三维空间表型参数测量。首先为了提高网络特征表示能力,本研究提出将通道注意力SE(Squeeze-and-Excitation)模块融入到基于深度学习的多视图立体视觉Cas MVSNet网络。实验结果表明,在相同的软硬件条件下,本文改进的方法在DTU数据集上的三维重建性能优于Cas MVSNet,整体准确度指标(Overall)达到0.364,提升5%。在Tanks and Temples数据集上测试,平均f-score值较改进前提升了1.37%。与Visual SFM、Colmap、Agisoft Photoscan等传统多视图立体视觉算法以及Cas MVSNet算法重建的油菜、番茄果实、生菜等植株点云结果相比,本文改进的算法重建出的点云相对稠密、精细且噪声较少。然后针对三维重建算法获取的原始点云数据具有无序,冗余,数据量大等特点,本研究通过点云分割、点云下采样以及点云去噪等步骤对原始点云数据进行预处理,为表型测量提供良好数据基础。最后完成了三个时间点两株生菜的株高、投影面积、凸包体积和凹包体积的测量。为了验证本文算法在精度上的优势,使用本文改进的Cas MVSNet方法重建21株油菜点云,通过算法测量油菜点云的株高、叶片长度、叶片宽度等表型参数,与人工测量值相比,平均绝对百分比误差(MAPE)分别为0.04%、0.03%、0.03%,均方根误差(RMSE)分别为0.31cm、0.18cm、0.09cm,决定系数分别为0.98、0.97、0.97。油菜点云计算的株高、叶长、叶宽与人工测量的株高、叶长、叶宽的相关性均超过0.97,表明本文算法具有较高的准确性。综上所述,本研究利用深度学习图像处理技术对生菜二维和三维空间表型参数进行了测量,为生菜的表型组学以及遗传育种研究提供方法及数据支持。

关键词：生菜深度学习图像分割三维重建多视图立体视觉表型参数生长检测