免费论文摘要：鉴于GPU的多视图三维重修本领接洽与实行

鉴于图像的三维重修是计划机视觉中的要害接洽实质，它以图片序列和相机参数为输出，经过计划天生三维点云并重修为三角网格模子，在巩固实际、电影和电视动画、活化石养护、目的辨别等范围有普遍的运用。暂时合流的多视图三维重修算法重要有深度图融洽法和外表贴片蔓延法。深度图融洽法将双目立体配合获得的多幅深度图举行点云融洽，融洽进程中须要处置洪量噪点，并且立体配合的截止易受普照等成分的感化；外表贴片蔓延法经过多目立体配合普及算法的鲁棒性，但算法搀杂、计划量大。正文提出一种鉴于特性配合和循序渐进蔓延的重修本领，并运用GPU对算法举行并行加快，统筹了重修的精度和功效。舆论的重要处事囊括： 1．安排了一个鉴于特性配合和循序渐进蔓延的三维重修本领。经过Harris和DoG算子对图像举行特性索取，经过极线牵制找到各别图像中的配合特性点；每对配合特性点产生一个三维点，运用贴片对那些三维点举行优化后产生一个稠密点云；经过两次各别粒度的蔓延算法使稠密点云渐渐形成稀疏点云，历次蔓延后对点云举行噪点过滤；经过外表重修算法将点云变化为三角网格模子。 2．安排了鉴于GPU的并行特性索取本领和并行非线性优化本领。重修算法中重要耗费时间的局部囊括特性索取、特性配合、点云蔓延，运用GPU对特性点索取举行并行加快，安排并实行了GPU_Harris和GPU_DoG；特性配合和点云蔓延中都包括的洪量非线性优化题目，运用那些题目的独力性以及GPU的高并发性，安排了一种鉴于GPU的并行非线性优化本领；并在此普通上，实行了鉴于GPU的特性配合和点云蔓延本领。 3．安排并实行了一个可视化重修东西GMVS。GMVS重要实行了鉴于特性配合和循序渐进蔓延的三维重修本领，并经过GPU举行并行加快，重要供给了采用输出目次、摆设重修参数、天生三角化网格模子、分阶段天生点云模子等功效。 Middlebury体例的尝试截止表白，正文重修本领博得了较高重修精度，更加是对DinoRing数据集的重修实行度到达了98.9%，在一切已提交算法中排在13位。因为运用了GPU对算法举行加快，重修功夫缩小约80%，实行了统筹精度与功效的目的。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://www.87cpy.com/200322.html