利用照片重建技术生成坡面侵蚀沟三维模型

该文利用运动恢复结构（structure from motion，SFM）、多视图立体视觉（multi-view stereo，MVS）技术，提出了一种坡面侵蚀沟三维模型的快速重建方法。首先对普通相机拍摄的照片采用尺度不变特征变换（scale-invariant feature transform，SIFT）完成特征点的提取与描述，随机采样一致性算法（random sample and consensus，RANSAC）过滤掉最近邻匹配（nearest neighbor，NN）产生的误匹配点；然后通过SFM方法，迭代求解出相机矩阵和三维点坐标，用光束法平差（bundle adjustment，...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 31; no. 1; pp. 125 - 132
Main Author 李俊利 李斌兵 柳方明 李占斌
Format Journal Article
LanguageChinese
Published 武警工程大学研究生管理大队,西安,710086%武警工程大学信息工程系,西安,710086%西安理工大学水利水电学院,西安,710048 2015
Subjects
侵蚀
冲刷试验
机器视觉
激光
点云
照片重建
lasers
侵蚀
机器视觉
激光
点云
冲刷试验
照片重建
computer vision
erosion
point cloud
photo reconstruction
scouring experiment
Online AccessGet full text

Cover

More Information
Summary:该文利用运动恢复结构（structure from motion，SFM）、多视图立体视觉（multi-view stereo，MVS）技术，提出了一种坡面侵蚀沟三维模型的快速重建方法。首先对普通相机拍摄的照片采用尺度不变特征变换（scale-invariant feature transform，SIFT）完成特征点的提取与描述，随机采样一致性算法（random sample and consensus，RANSAC）过滤掉最近邻匹配（nearest neighbor，NN）产生的误匹配点；然后通过SFM方法，迭代求解出相机矩阵和三维点坐标，用光束法平差（bundle adjustment，BA）进行非线性优化，确保误差的均匀分布和模型的精确；再使用基于面片的多视图立体视觉算法（patch-based multi-view stereo，PMVS），在局部光度一致性和全局可见性约束下，以SFM生成的稀疏点云为种子面片开始扩散，完成点云稠密重建。将照片快速重建方法获取的点云与地面激光扫描仪（terrestrial laser scanner, TLS）获取的点云及实测数据进行比较，结果表明，照片重建方法生成的点云稠密且能够完整展示侵蚀沟的发育形态，与 TLS点云间的平均距离为0.0034 m，照片重建与三维激光扫描方法对侵蚀量的估算相对误差为8.054%，提取的特征线匹配率达89.592%。研究结果为侵蚀沟监测提供了参考依据。
Bibliography:Li Junli, Li Binbing, Liu Fangming, Li Zhanbin （1. Graduate Management Group, Engineering University of CAPF, Xi ＇an 710086, China; 2. Department of lnformation Engineering, Engineering University of CAPF, Xi ＇an 710086, China; 3. College of grater Resources and Hydro-electric Engineering, Xi ＇an University of Technology, Xi ＇an 710048, China）
11-2047/S
erosion;computer vision;lasers;photo reconstruction;point cloud;scouring experiment
Based on Structure from Motion（SFM） and Multi-View Stereo（MVS） techniques, this paper proposed a rapid 3d reconstruction method of slope eroded gully. Firstly, feature points were extracted and described by using the Scale-Invariant Feature Transform（SIFT）, and then Random Sample and Consensus（RANSAC） algorithm was applied to filter inaccurate matching points generated by Nearest Neighbor（NN） algorithm; Secondly, in the condition that there were no camera parameters and scenario-based three-dimensional information, SFM was used because it provided a solution to iterate and get cam
ISSN:1002-6819
DOI:10.3969/j.issn.1002-6819.2015.01.018