计算机视觉三维测量与建模

图书标准信息

• 作者 李明磊
• 出版社 电子工业出版社
• 出版时间 2022-12
• 版次 1
• ISBN 9787121446719
• 定价 69.00元
• 装帧 其他
• 开本 16开
• 页数 256页
• 字数 410千字

【内容简介】

基于计算机视觉的三维空间数据获取和处理技术正处在一个蓬勃发展的时期，相关的三维测量与建模的研究成果被广泛地应用于各个行业领域中。与数字图像处理技术相比，计算机视觉三维测量与建模技术更关注观测场景的空间几何结构信息和传感器载体的位置姿态信息。它利用射影几何、线性代数和数值优化等理论，从二维影像数据中恢复重建出三维空间结构信息和传感器的位置姿态数据，使观测者能够获得目标对象的三维物理尺寸数据以及摄像机等传感器的位置姿态关系。此外，三维点云的数据形式近年来受到越来越多的关注，许多应用问题的解决方法都从二维影像处理过渡到三维点云处理。本书介绍摄像机成像的基本数学模型，分析摄像机的标定原理、影像的特征提取与匹配算法、由运动恢复结构的理论和流程，以及由立体视觉重建稠密三维点云的方法。此外，本书进一步延伸到图形学几何建模的相关知识，介绍三维点云的空间滤波理论和表面网格化的建模方法。书中包含著者多年的学习和实践积累，可以为读者提供计算机视觉相关的三维数据获取与处理的理论和技术参考。本书既可以作为高等院校计算机视觉、摄影测量与遥感和电子信息工程等相关专业的研究生或高年级本科生的参考教材，又可以作为针对三维数据处理进行研究的学者和科研人员的参考书，同时可供工业从业者和决策者参考阅读。

【作者简介】

李明磊，博士，南京航空航天大学副教授。研究领域涉及计算机视觉、摄影测量与遥感、计算机图形学，主要研究内容包括：基于图像的三维重建、激光雷达LiDAR三维点云处理、深度学习、工业测量和数字城市建模等。主持国家自然科学基金2项和省级自然科学基金1项，主持航天科工、航天科技、中航工业、中船重工等十余项产学研项目。获省部级以上科技奖励3项。

【目录】

目   录

第1章  绪   论1

1.1  数字影像2

1.1.1  数字影像概念2

1.1.2  常见的影像类型3

1.1.3  空间域和频率域处理4

1.2  射影几何学基础5

1.2.1  射影几何意义5

1.2.2  射影变换5

1.2.3  二维射影空间6

1.2.4  三维射影空间8

1.2.5  二维仿射变换9

1.2.6  几何元素的分层表达10

1.3  欧氏空间坐标转换11

1.3.1  二维坐标转换11

1.3.2  三维坐标转换12

1.4  成像模型与成像系统中的坐标系14

1.4.1  成像模型中的几何元素14

1.4.2  成像系统中的坐标系15

1.4.3  透视投影成像模型16

1.5  常见的三维成像方式19

1.5.1  人工输入方法20

1.5.2  主动式扫描方法20

1.5.3  被动式扫描方法23

1.6  三维计算机视觉的应用24

1.6.1  三维计算机视觉测量的应用领域24

1.6.2  三维计算机视觉测量系统的常见技术指标参数25

1.6.3  三维计算机视觉与摄影测量的关系26

1.6.4  三维计算机视觉测量面临的问题26

1.7  小结27

参考文献27

第2章  摄像机的几何标定30

2.1  摄像机标定参数30

2.1.1  内参数30

2.1.2  外参数32

2.1.3  标定方法分类32

2.2  摄像机内参数标定33

2.2.1  直接线性变换法33

2.2.2  Tsai1987标定方法36

2.2.3  Zhang1999标定方法37

2.3  静态场景多视角下摄像机系统的自标定39

2.3.1  基础矩阵39

2.3.2  度量自标定41

2.3.3  基于灭点的自标定方法44

2.4  摄像机系统的半自动标定45

2.4.1  标定装置46

2.4.2  自动提取角点46

2.4.3  人工靶标标志47

2.5  摄像机与激光雷达的联合标定49

2.5.1  多源融合的意义49

2.5.2  时空配准50

2.5.3  摄像机与激光雷达的联合标定50

2.6  应用举例52

2.6.1  标定工具箱52

2.6.2  多源传感器联合标定53

2.7  小结54

参考文献55

第3章  影像特征提取表达58

3.1  影像特征的基本概念58

3.1.1  特征表达形式58

3.1.2  像素特征的基本要求59

3.1.3  邻域范围59

3.2  边缘和线特征提取60

3.2.1  梯度算子61

3.2.2  Canny边缘检测64

3.2.3  Snake边缘提取65

3.2.4  霍夫变换检测直线66

3.3  点特征提取67

3.3.1  Harris角点67

3.3.2  FAST角点69

3.3.3  SIFT特征提取70

3.3.4  SURF特征提取74

3.3.5  ORB特征检测77

3.3.6  AKAZE特征检测78

3.3.7  Lucas-Kanade光流算法79

3.3.8  卷积神经网络特征提取81

3.4  纹理特征表达82

3.4.1  纹理的概念82

3.4.2  纹理特征类型83

3.4.3  纹理特征应用举例85

3.5  应用举例86

3.5.1  目标跟踪86

3.5.2  全景拼接86

3.6  小结87

参考文献88

第4章  由运动恢复结构90

4.1  对极几何90

4.1.1  极线与极点90

4.1.2  基础矩阵92

4.1.3  本质矩阵93

4.2  影像的单应变换94

4.2.1  投影矩阵和影像单应矩阵之间的关系94

4.2.2  基础矩阵和影像单应矩阵之间的关系95

4.3  求解二视图的基础矩阵96

4.3.1  八点算法96

4.3.2  七点算法98

4.3.3  鲁棒算法98

4.3.4  退化情况100

4.3.5  三视图和四视图几何计算100

4.4  摄像机位置姿态和场景结构恢复101

4.4.1  初始化影像位置姿态和场景结构101

4.4.2  由本质矩阵提取摄像机矩阵102

4.4.3  更新结构和位置姿态104

4.4.4  PnP问题105

4.5  光束法平差105

4.5.1  光束法平差模型105

4.5.2  最小二乘原理107

4.5.3  高斯?牛顿算法107

4.5.4  列文伯格?马奎特算法108

4.5.5  光束法平差的LM算法模型109

4.5.6  稀疏光束法平差109

4.6  应用举例111

4.7  小结113

参考文献113

第5章  双目立体视觉116

5.1  标准形式的双目系统116

5.2  匹配基础117

5.2.1  立体影像极线校正117

5.2.2  匹配预处理119

5.2.3  视差图原理120

5.3  传统立体匹配算法121

5.3.1  局部窗口匹配算法121

5.3.2  匹配代价度量122

5.3.3  代价聚合与视差计算123

5.3.4  视差图后处理124

5.3.5  动态规划法125

5.3.6  半全局优化匹配算法127

5.4  图割优化匹配算法128

5.4.1  匹配问题中的马尔可夫模型129

5.4.2  图割求解算法129

5.4.3  超像素分割132

5.4.4  高阶马尔可夫模型匹配算法134

5.4.5  实验比较135

5.5  结构光三维扫描136

5.5.1  结构光三维扫描基本原理136

5.5.2  二进制编码和灰度编码139

5.5.3  相移法编码139

5.5.4  混合方式：相移法+灰度码投影141

5.5.5  其他编码模式142

5.5.6  编码模式的比较144

5.6  立体视觉标定144

5.6.1  摄像机标定145

5.6.2  投影仪标定145

5.6.3  系统参数对精度的影响146

5.7  应用举例147

5.8  小结149

参考文献150

第6章  点云滤波与分割152

6.1  采样点云特性152

6.1.1  点云质量问题152

6.1.2  点云数据组织和查询153

6.2  点云滤波增强155

6.2.1  点云的法向量估计155

6.2.2  点云去噪一般方法158

6.2.3  基于统计学的异常值检测160

6.2.4  局部优化投影采样160

6.2.5  密度加权局部优化投影采样162

6.3  点云超体素分割164

6.3.1  超体素164

6.3.2  简单迭代分割方法165

6.3.3  体素云连接性分割166

6.3.4  评价指标168

6.4  目标级别分割169

6.4.1  目标分割引言169

6.4.2  基于底层特征的分割169

6.4.3  基于模型拟合的分割170

6.4.4  基于深度学习的分割173

6.5  小结178

参考文献179

第7章  点云特征提取和三维配准183

7.1  点云特征提取183

7.1.1  点的法向量和曲率特征184

7.1.2  点特征直方图184

7.1.3  快速点特征直方图186

7.1.4  三维Harris特征187

7.1.5  面向深度学习网络的特征188

7.2  点云精配准188

7.2.1  迭代最邻近点算法188

7.2.2  迭代最邻近点算法拓展190

7.2.3  正态分布变换算法192

7.2.4  正态分布变换算法拓展196

7.3  点云粗配准198

7.3.1  简单搜索198

7.3.2  四点一致集4PCS搜索198

7.3.3  4PCS拓展200

7.3.4  基于深度学习的粗配准201

7.4  异源三维数据的配准融合204

7.4.1  RGBD深度图的配准融合204

7.4.2  普适的有色点云配准方案204

7.5  应用举例205

7.5.1  两组点云配准205

7.5.2  多组数据配准的误差累计206

7.5.3  柔性目标的配准207

7.6  小结208

参考文献208

第8章  三维表面建模与网格模型滤波211

8.1  三维表面网格模型212

8.1.1  网格数据存储212

8.1.2  建模算法的分类215

8.1.3  可视化渲染216

8.1.4  海量数据的压缩218

8.2  显式建模方法219

8.2.1  数据的凸包219

8.2.2  狄洛尼三角剖分220

8.2.3  阿尔法形状模型224

8.3  隐式建模方法224

8.3.1  隐函数基本思想225

8.3.2  径向基函数重建226

8.3.3  移动最小二乘重建228

8.3.4  泊松表面重建230

8.3.5  基于行进立方体提取网格232

8.4  模型网格滤波去噪234

8.4.1  网格的双边滤波234

8.4.2  法向量引导滤波236

8.5  应用举例238

8.5.1  三维建模238

8.5.2  网格滤波处理239

8.6  小结241

参考文献242