当前位置:问答库>论文摘要

题目:基于图像集的建筑建模技术研究

关键词:从运动恢复结构,基于图像的建筑重建,重复性检测, 视差平移,图割算法

  摘要



随着数码相机和互联网的普及,通过拍摄或者在互联网上搜索,我们很容易获取大量同一建筑物不同角度的照片。这些照片里包含关于建筑几何和纹理的大量信息,但照片杂乱无序,相机没有经过标定,如何有效地利用这些信息构造建筑的三维模型,一直是计算机图形学和计算机视觉的研究热点。

本课题来源于国家自然科学基金项目“基于互联网照片集的室外静态场景建模技术研究与实现(61073078)”和国家自然科学基金项目“基于过程的城市建模技术研究(61202235)”。本文针对一类中国古代建筑,研究了基于图像集的建筑建模方法,主要研究成果如下:

(1)    研究和改进了一种基于扫描面的SfM(Structure from Motion)[1]点云分割算法。算法首先使用从运动恢复结构(SfM)算法从图像得到三维点云,预处理并计算法线,然后提取了地平面方向和建筑立面方向,之后基于扫描面将点云沿着地平面方向自上而下分割,再沿建筑立面方向从前到后分割,最后得到分割后建筑的组件点云。此方法能地在地平面法线方向上分割中国古代建筑点云,对于其他类似结构的建筑,也能得到正确的结果。

(2)    研究并实现了一种基于视差平移的图像重复区域分层算法。在中国古代建筑中,建筑前后层的自遮挡是一种常见的现象。算法使用点云分割的结果,分割自遮挡区域的图像前后层。与传统的图像分割方法相比,除了颜色信息外,还利用了建筑重复性假设和不同深度之间的物体存在视差平移的特点。算法首先在单张图像上检测前层的重复区间;然后利用SIFT-Flow[2]在两两重复区间之间逐像素估计视差平移量,粗分割出前后层;最后利用重复性投票和Graph-cut优化分割区域,得到更精确的前后层分割结果。结合多张图像的带来的三维信息,算法成功得到了此类区域的前后层分割结果。

(3)    研究实现了基于规则的模型重建方法。我们首先将组件分为两类分别建模单个组件,然后利用CGA过程建模[3],生成最终建筑。对平面组件,我们生成平面模型,并生成其纹理;对于一些几何复杂的组件,如屋瓦,我们只提取其包围盒,通过参数化的建模方法建立模型。