文件名称:基于多视图几何约束的图像特征点匹配-docker+jenkins+harbor+gitlab
文件大小:4.46MB
文件格式:PDF
更新时间:2024-06-28 09:24:49
摄像 测量学
7.1 基于多视图几何约束的图像特征点匹配 基于序列图像对目标结构进行三维重建,需要在各帧图像上提取目标表面大量的特 征点,并且匹配图像间的同名特征点。可靠、高效、高精度地进行序列图像间特征点的 匹配,是完成目标结构三维重建的前提条件。 对于不同图像之间的特征点匹配,根据是否利用图像间的几何约束条件可以分为两 类。第一类是依据目标的亮度、色彩、几何形状等成像特征进行图像特征点匹配,第五 章中介绍的相关匹配、 小二乘匹配、SIFT 等属于这类匹配方法。第二类是在目标成像 特征的基础上,利用待匹配图像之间的相对几何关系(多视图几何约束),通过视差有限 性条件、极线约束条件、单应约束条件等进行特征点匹配。视差有限性条件是指对于同 一场景的序列图像,相邻近的图像由于成像方位差别小、重叠度高,同名点在图像中的 位置差别较小,可以在较小范围内搜索匹配点。这里对此不作详细介绍。单应反映了平 面场景不同成像的像点之间的对应关系,主要用于平面场景和近似平面场景成像的特征 点匹配 [1] 。根据单应条件,平面场景的特征点在一幅图像中的像点可以一一对应到另一幅 图像中的像点,这样,特征点匹配只在对应像点位置附近进行搜索匹配,可以大大提高 匹配效率。8.3 节将对平面诱导单应作简单介绍。本节着重介绍基于极线约束条件进行特 征点匹配的基本原理和方法,以及能够有效地剔除匹配野值的 RANSAC 算法。 在基于序列图像重建目标三维结构过程中,上述两类特征点匹配方法通常应用在序