三维重建系统下的特征点处理与位姿恢复优化算法

被引：3

作者：

徐建鹏

卜凡亮

机构：

[1] 中国人民公安大学信息技术与网络安全学院

来源：

计算机应用研究 | 2019年 / 36卷 / 10期

关键词：

三维重建; 特征点; 人工神经网络; 位姿恢复; 非线性优化;

D O I：

10.19734/j.issn.1001-3695.2018.05.0359

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于SIFT算法原理,构建了一个全新的算法框架。使用FCN(fully convolutional networks,全卷积神经网络)和BP(back propagation,反向传播)神经网络,综合考虑图像主目标的语义分割、图像灰度共生矩阵等方面的影响,实现了自适应的特征点检测范围、数量调整,并在特征点匹配阶段利用相机位姿偏移稳定性剔除误匹配,同时采用基于图优化的方法对位姿恢复结果进行非线性优化,得到了更加精确的相机位姿。最后与现有主流算法进行分析比对,实验结果验证了该算法的有效性,提高了特征点检测的场景自适应程度与特征点匹配、位姿恢复的精度,实现了更加高效的三维重建。

引用

页码：3196 / 3200

页数：5

共 14 条

[1] SIFT动态对比度阈值算法 [J].

徐建鹏 ;

卜凡亮 .

中国人民公安大学学报(自然科学版), 2017, 23 (04) :61-64

[2]

ORB:an efficient alternative to SIFT or SURF. RUBLEE E,RABAUD V,KONOLIGE K,et al. Proceedings of IEEE International Conference on Computer Vision . 2012

[3]

A fuzzy k-nearest neighbor algorithm. Keller J M,Gray M R,Gray M R,Givens J A,et al. IEEE Transactions on Systems Man and Cybernetics . 1985

[4] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

[5]

Speeded-Up Robust Features (SURF)[J] . Herbert Bay,Andreas Ess,Tinne Tuytelaars,Luc Van Gool. &nbspComputer Vision and Image Understanding . 2007 (3)

[6] 一种局部二值模式图像特征点匹配算法 [J].

王强 ;

李柏林 ;

罗建桥 ;

陈小艳 .

计算机应用研究, 2019, 36 (01) :268-272

[7]

Convolutional neural networkbased image representation for visual loop closure detection. Hou Y,Zhang H,Zhou S L. IEEE International Conference on Information and Automation . 2015

[8]

Semantic fusion:Dense3D semantic mapping with convolutional neural networks. Mc Cormac J,Handa A,Davison A,et al. IEEEConference on Robotics and Automation (ICRA) . 2017

[9]

g2o:A general frame-work for graph optimization. Kummerle R,Grisetti G,Strasdat H,et al. IEEE International Conferenceon Robotics and Automation . 2011

[10] 图像复杂度描述方法研究 [J].

高振宇 ;

杨晓梅 ;

龚剑明 ;

金海 .

中国图象图形学报 , 2010, (01) :129-135

← 1 2 →