双约束条件下PMVS的改进算法

TP391.9; PMVS(patch-based multi-view stereo)算法以其良好的表现,在多视立体领域得到广泛应用.然而,算法存在重建模型细节丢失与重建点位置不够精确的问题,这种情况在输入图片较少,重建场景纹理不明显时尤为严重.针对这些不足,对去除候选误匹配点及对种子点置信度的排序进行了研究:引入USAC(Universal-RANSAC)去除候选误匹配点方法;提出双约束条件策略,筛选出候选空间点中置信度较高的点作为种子点.重建模型细节与原物体的契合度有了很大提高,纹理较少模型的重建点云数明显增加,漏洞也明显减少.通过在真实数据集上的实验,验证了改进算法具有更强的有效性和实...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 11; no. 11; pp. 1804 - 1815
Main Authors 杨文博, 孙博文
Format Journal Article
LanguageChinese
Published 哈尔滨理工大学 计算机科学与技术学院,哈尔滨,150080 2017
Subjects
PMVS算法
Universal-RANSAC
PMVS algorithm
多视立体重建
双约束条件
double constraints
multi-view stereo reconstruction
Online AccessGet full text

Cover

More Information
Summary:TP391.9; PMVS(patch-based multi-view stereo)算法以其良好的表现,在多视立体领域得到广泛应用.然而,算法存在重建模型细节丢失与重建点位置不够精确的问题,这种情况在输入图片较少,重建场景纹理不明显时尤为严重.针对这些不足,对去除候选误匹配点及对种子点置信度的排序进行了研究:引入USAC(Universal-RANSAC)去除候选误匹配点方法;提出双约束条件策略,筛选出候选空间点中置信度较高的点作为种子点.重建模型细节与原物体的契合度有了很大提高,纹理较少模型的重建点云数明显增加,漏洞也明显减少.通过在真实数据集上的实验,验证了改进算法具有更强的有效性和实用性.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1703097