导读:本文包含了多视图几何论文开题报告文献综述、选题提纲参考文献，主要关键词:视图,几何,算法,增量,视觉,无人机,植株。
多视图几何论文文献综述写法
肖顺夫,刘升平,李世娟,杜鸣竹,吕纯阳[1]（2019）在《改进区域增长算法的植株多视图几何重建》一文中研究指出【目的】通过研究3种不同复杂程度植株冠层的叁维重建,为更加精准获取植株冠层表型参数提供新方法。【方法】本文首先用单反相机获取3种不同复杂程度植株冠层图片序列,通过叁维重建得到各植株稠密点云;随后还原植株点云原始尺度,过滤稠密点云中的噪声,再使用改进区域增长算法分割植株点云冠层;之后借助激光扫描仪,利用手动测量和激光扫描方法分别从二维和叁维两个方面对多视图几何重建的叶片进行精度评价,二维精度评价为叶片长宽的实际测量值分别与激光扫描仪获取的叶片的长宽值和多视图几何重建叶片的长宽值进行统计分析,叁维精度评价使用传统的网格对比方法豪斯多夫距离与更加精准的工业级网格3D精度对比检测软件Geomagic Qualify。【结果】多视图几何重建的植株叶片表型信息与手动测量值间的判定系数(R2)均高于0.96,激光扫描方法获取的植株叶片表型信息与手动测量值间的判定系数(R2)均高0.99;多视图几何重建的叶片与激光扫描得到的叶片在0—±1mm偏差范围内的比例大部分达到97%以上;以激光扫描的叶片网格为参考,多视图几何重建的叶片网格的豪斯多夫距离90%以上分布在0—2 mm。本研究的多视图几何重建方法与改进区域增长算法相结合能对不同复杂程度的植株取得比较理想的重建结果。【结论】本文提出的多视图几何方法与改进区域增长算法相结合的重建方法可以弥补区域增长算法的不足,对表面不平滑的植株冠层具有更好的分割效果,适合不同复杂程度植株叁维重建,为育种研究获取植株表型提供一定的参考。(本文来源于《中国农业科学》期刊2019年16期）
张凯祥[2]（2019）在《基于多视图几何的视觉伺服控制》一文中研究指出机器人系统在当下的诸多领域都扮演着重要的角色。在不同应用场景下,需要将机器人与不同传感器相结合以提高整个系统的智能性。视觉传感器由于能提供丰富的感知信息,因而被大量应用于不同机器人平台。随着科学技术的快速发展,众多学者致力于利用视觉信息引导机器人完成定位、导航和控制等不同任务。而在这些任务中,视觉伺服控制是最常被讨论的问题之一。视觉伺服控制旨在通过实时反馈的图像信息驱动机器人实现特定的运动目标。为解决视觉伺服控制问题,首先需要利用计算机视觉的相关技术从二维图像中提取出适宜的特征信息以构造系统反馈误差。紧接着,运用控制理论的相关方法和所构造的误差信号,设计对应控制器以有效完成指定的运动任务。由于视觉伺服系统往往包含有各种模型不确定性和约束,因此针对不同场景提出鲁棒高效的伺服策略是极具挑战的工作。本文结合该领域的最新研究成果,以基于多视图几何的视觉伺服控制为主要研究内容。本文的主要工作和贡献概述如下:·简要回顾了视觉伺服控制的相关研究背景并概述了国内外研究现状。·研究基于单应性的移动物体渐近跟踪。提出了基于单应性的视觉伺服控制器从而驱动机械臂以固定相对姿态跟踪叁维空间中的运动物体。单目相机固定于机械臂上以提供视觉信息,然后利用单应性获得相机的旋转和尺度化平移以便于控制器设计。考虑到未知运动物体的速度和距离信息,设计了鲁棒非线性控制器以完成移动物体跟踪任务。理论分析表明所提出控制器能实现渐近跟踪。仿真结果验证了方法的有效性。·研究基于叁焦张量的六自由度位姿校正。通过构建当前、期望和初始视图之间的叁焦张量模型来描述几何关系。然后,选取部分张量元素以定义视觉反馈,这有效避免了对相机姿态的显示估计。基于提取的张量特征,设计了自适应控制器以将相机驱动到期望姿态并补偿了未知的距离比例因子。此外,利用Lyapunov技术分析了系统稳定性和收敛域。仿真和实验结果验证了对应的理论分析。·研究基于未标定相机的移动机器人一致性控制。针对轮式移动机器人,利用未标定单目相机实现轨迹跟踪和位姿校正的一致性控制。首先基于投影单应技术,提出了在线方法实现对部分相机内参的估计。通过利用所获得的相机内参,从图像中提取出移动机器人的位姿信息以构建误差系统。然后,设计了满足输入饱和约束的自适应连续控制器以解决轨迹跟踪和位姿调节问题。所提出方法充分考虑了与未知距离信息和相机内参相关的系统不确定性以及非完整约束。理论分析证明所提出控制器在存在系统不确定性的情况下能实现渐近跟踪和校正。仿真和实验结果验证了上述方法的有效性。·研究基于视觉的移动机器人轨迹跟踪与深度估计。针对轮式移动机器人的轨迹跟踪控制和深度估计问题提出了相应的视觉伺服策略。通过利用车载相机捕获的多张图像,重建出移动机器人的当前和期望位姿以定义系统错误。然后,提出了一种自适应时变控制器以实现轨迹跟踪任务。大多数已有工作要求测量期望轨迹的速度信息以便于控制器设计,这将导致繁琐的离线计算。为消除该要求,设计了降阶观测器实时估计了所需的期望速度信息。此外,提出了增强更新定律以补偿未知深度参数并识别深度倒数。基于Lyapunov方法证明了所提出控制器能实现渐近跟踪,并且在满足持续激励条件下,深度倒数的估计会收敛于其实际值。随后,引入了鲁棒的数据驱动算法,以确保在宽松的有限激励条件下深度估计的收敛。仿真和实验结果验证了上述方法的有效性。最后对全文进行了总结,并对下一步的研究工作进行了展望。(本文来源于《浙江大学》期刊2019-06-01）
周涛,段薇,胡叁宝,刘继鹏,韩忠磊[3]（2019）在《拓扑优化结果的多视图参数化几何重构方法》一文中研究指出针对拓扑优化结果表示为单元密度的等值面存在复杂的锯齿状边缘,不便后续参数化几何建模及零件加工的问题,提出了一种基于多方向视图的拓扑优化结果自动参数化重构方法。首先将单元密度等值面转化为均匀的点云;然后将多边形近似的边扩展为直线和圆弧,用扩展多边形近似重构点云在多个投影平面(包括叁视图和局部方向视图)上的参数化二维轮廓,并构造选择和评价函数来选择最佳二维轮廓,平滑连接邻边;之后将二维轮廓沿投影方向(笛卡尔坐标或自然坐标)拉伸得到实体;最后通过坐标变换将构造实体变换到全局坐标系下,再通过布尔运算得到参数化叁维实体模型。(本文来源于《数字制造科学》期刊2019年01期）
李杨[4]（2019）在《基于多视图几何的平面移动机器人位姿提取与控制》一文中研究指出随着计算机视觉及视觉传感器的快速发展,基于视觉的位姿估计及伺服控制越来越受学术界及产业界的关注及重视。可靠的视觉定位及伺服控制在无人驾驶、无人仓储、地质勘测等诸多领域有着重要的意义,是现代智能制造的亟需解决的关键技术之一。本文在考虑平面约束及相机内参不确定性的前提下,深入研究了基于多视图几何的视觉定位及伺服控制任务。在基于多视图几何模型的基础上,本文考虑了相机模型的内参不确定性问题,提出了一种新的位姿提取算法。同时结合车辆的平面运动约束,简化了位姿提取算法的求解复杂度。本文所提的方法,利用了多视图几何中帧间的关联特征信息,实现了两帧间的相对位姿估计。与传统的多视图几何方法相比,该方法同时适用于平面场景与非平面场景,且相机无需完全标定。为了解决相机内参不确定性的问题,本文引入了准归一化的欧式坐标系统,成功实现了像素平面与世界坐标系间的相对位姿参数化表示。进一步,针对该参数化方程,本文设计了求解器,完成了旋转信息量及平移信息量的独立求解。针对该算法,本文设计了随机采样一致性和数据归一化的优化算法,有效的提高了算法鲁棒性。本文通过仿真对比实验,将该算法与经典的多视图几何方法进行了对比。结果表明本文提出的方法在适用场景、求解精度上均有一定的优势,且在相机内参部分标定的情况下仍可奏效。本文在结合车辆非完整性约束的基础上,设计了移动机器人的运动学模型及闭环系统误差模型。同时,本文结合自适应时变控制器及前述所提算法,设计了视觉伺服控制任务的仿真实验及真实环境实验,完成了视觉伺服中的轨迹跟踪控制任务。仿真及真实环境实验结果表明本文提出的方法可以在内参部分标定情况下较好地完成视觉伺服常见的控制任务。综上,本文主要创新点及贡献包括:1.利用计算机视觉及视觉slam的相关技术,针对室内移动机器人,设计了一种基于单应性的视觉里程计,涵盖了图像增强、特征提取、特征匹配、光流跟踪、叁维信息重构等环节。设计的视觉里程计通过真实环境下纯直线及弧线场景的实验,验证了其精度最高可达0.5mm/帧,完全满足移动机器人在工业环境中运作的性能要求。2.在传统多视图几何的基础上,原创性地提出了一种考虑内参不确定性且同时适用于共面与非共面场景的位姿提取算法。并提出了“准归一化”的欧式几何坐标系统,成功地解决了相机焦距参数未知下的位姿重构。针对该方法,提出了随机采样一致性和数据归一化的优化算法,并通过仿真实验,与经典的多视图几何算法进行了对比。3.结合移动机器人的非完整性约束,设计了移动机器人的运动学模型及闭环系统误差模型,并结合自适应时变控制器及前述所提算法,通过Matlab仿真及移动机器人Summit-XL的实车实验,实现了含内参不确定性情况下的视觉伺服轨迹跟踪任务。(本文来源于《浙江大学》期刊2019-01-10）
汪秉诠[5]（2018）在《基于单目视觉多视图几何的叁维点云重建算法研究》一文中研究指出如何利用随手可得的二维图像重建出我们所在的叁维世界,一直是计算机视觉领域的热门研究方向。在此基础上研究人员提出了多种重建方法,其中一种方法是在已知相机内参数的前提下,通过多视图几何研究不同视图间存在的关系,利用这种关系对目标的叁维点云进行重建。这种重建方法由于其设备的低成本及数据采集的便利性,无论是在实验室研究还是工业落地均有广泛的研究价值与应用场景。为解决如何通过目标的一组多视点图像重建其点云的问题,提出改进的基于尺度不变特征变换的特征提取和匹配算法,在基于欧式距离与比率验证的特征匹配算法基础上,通过基于余弦相似度的反向验证对其匹配结果进行进一步过滤与提纯。为解决基于尺度不变特征变换的特征提取在进行重建时具有较多干扰点的问题,提出基于深度学习的改进的特征提取算法,利用空间点所对应的二维点对网络进行训练增加中心目标区域的特征点占比,以提高重建质量。在改进的特征提取与匹配基础上,通过计算匹配视图间存在的外极几何约束关系对相机位姿进行恢复,进而结合叁角测量完成叁维空间点的重建。最后对此重建结果进行处理,利用光束法进行误差最小化得到精确的重建结果。为验证算法性能,使用牛津大学视觉组在线叁维数据集等进行了实验。实验通过对比特征提取与匹配结果,特征点在中心目标区域占比对改进的特征提取与匹配算法性能进行验证。通过重建误差结合特征点与重建点占比对重建质量进行分析。实验显示算法进一步减少了错误匹配数,并获得了质量更好的重建结果。(本文来源于《华中科技大学》期刊2018-12-01）
周泩朴,耿国华,李康,王飘[6]（2018）在《一种基于AKAZE算法的多视图几何叁维重建方法》一文中研究指出针对增量式运动恢复结构算法在多视图几何叁维重建算法中运行效率低的问题,提出了一种基于AKAZE算法的多视图几何叁维重建方法。首先对利用摄像机获得的目标图像使用AKAZE算法检测特征并匹配,并使用随机抽取一致性算法和叁视图约束剔除弱匹配图像。然后根据匹配图间的相对位姿参数,通过最小二乘法解算全局旋转参数,并利用叁视图约束关系求解全局位移参数。最后进行一次光束法平差优化。实验结果表明,该算法在改善重建效果的基础上提高了处理效率,能够满足快速处理的需求。(本文来源于《计算机科学》期刊2018年S2期）
梁山军,王仁驹,杨诚[7]（2018）在《基于无人机影像的非增量式多视图几何叁维重建研究》一文中研究指出增量式多视图几何叁维重建对最初始的视图重建要求高,在后续重建过程中,需要不断的进行捆集调整,因此,最后重建的精度和效率都不高。非增量式叁维重建对初始视图重建的精度要求不高,首先求出所有的摄像机参数,通过全局方式一次性计算目标叁维点,在重建的精度和效率上要明显优于增量式叁维重建。非增量式叁维重建的主要难点在于如何精确的求出视图的全局旋转矩阵,为了提高全局旋转矩阵的计算精度,使用最优随机抽样一致方法(A Contrario-Random Sample Consensus,AC-RANSAC)来去除叁维重建中错误的二视图关系,与传统的RANSAC设定固定阈值相比,AC-RANSAC能够自适应的设定阈值,避免了不同阈值对重建结果的误差影响。本文编程实现了非增量式多视图几何叁维重建,并分别使用增量式和非增量式重建方式对一组无人机影像进行实验。实验结果表明,非增量式叁维重建效率高、精度高,适用性更强。(本文来源于《北京测绘》期刊2018年09期）
黄炯荣[8]（2018）在《基于无人机序列图像的多视图几何叁维重建》一文中研究指出近几年,无人机遥感技术因低成本,高效率的优势而得到迅速发展,其应用的范围也逐步扩大。当前,无人机影像能实现目标物的垂直影像与其用于构建纹理的倾斜影像相匹配,这是城镇景物叁维建模的主流方法。针对无人机垂直影像与倾斜影像相匹配的方法研究有很多,但针对该方法匹配后的叁维重建的研究就比较少。如何根据无人机影像进行高效准确的特征匹配和建立叁维模型是无人机技术在叁维建模应用中关键的问题,也是近几年来无人机遥感影像的研究热点之一。为此,本文在无人机影像的预处理以及倾斜影像与垂直影像之间的匹配和匹配后的叁维重建进行了以下研究:1.Mask匀光算法和Retinex匀光算法广泛用于影像匀光、匀色、图像增强,在对这两种算法的对比分析上,发现Mask匀光影像更符合人眼视觉习惯,其光照、色彩更为均匀。Retinex匀光影像则着重于突出影像的纹理等特征信息,但其色彩的失真使得影像视觉效果不佳。本文结合叁维重建的过程提出基于混合匀光方法的无人机影像匀光、匀色流程。该改进流程综合利用Mask匀光影像和Retinex匀光影像的特点,摒弃采用单一方法匀光影像在叁维重建中效果不佳的缺陷。2.在详细介绍和分析SIFT算法和ASIFT算法的流程的基础上,结合多视图几何对ASIFT算法的模拟过程进行了简化,提出无人机多视图几何特征点匹配算法改进方法,使得具有不同视角的影像之间可以快速的进行匹配。通过实验设定无人机多视图几何特征点匹配方法的判断阈值为70%,在此基础上应用该算法对影像进行了非增量式叁维重建实验。结果表明,在使用本文提出的方法后,影像的点云数量明显较增多。综合实验表明本文所提出的方法具有可行性和有效性,且达到了预期的效果。(本文来源于《东华理工大学》期刊2018-06-12）
黄炯荣,鲁铁定[9]（2018）在《基于无人机序列图像的多视图几何叁维重建研究》一文中研究指出基于无人机序列图像的多视图几何叁维重建主要包括特征提取与匹配、稀疏和密集点云重建、纹理映射等几个步骤。重建的方式主要有非增加式和增加式,其中,增加式叁维重建对最初始视图重建的精度要求非常高,并且在视图数量不断增加的时候,要不断地进行捆集调整,因此效率不好且精度无法得到保证。非增加式叁维重建则通过全局方式计算目标叁维点云,不需要多次进行捆集调整,且对初始视图重建的精度要求不高,在效率和精度方面优于增加式,因而成为研究热点。在OpenCV、OpenMVG等开源方式下,编程实现了非增加式的多视图几何叁维重建,并用3组不同的无人机影像进行实验,实验结果表明该方式重建速度快、精度高,具有很强的实用性。(本文来源于《江西科学》期刊2018年01期）
田超,黄志勇,熊彪,占静,石小涛[10]（2017）在《运用多视图几何原理重建鱼类游泳叁维轨迹》一文中研究指出鱼类行为学数据是水质污染监测的主要依据,也是鱼类自身健康状况的反应,提取鱼类行为学数据对水质监测研究至关重要。为了获取鱼类行为学数据,实验提出了一种运用多视图几何原理研究鱼类轨迹跟踪重建的方法,实验中用3个摄像头分别从正面、侧面、俯视面3个方向监控水箱中鱼的游动,通过前景跟踪法在3个摄像头中分别得到一条二维轨迹,再利用多视图几何融合,计算出鱼类在水箱中游动的叁维轨迹,从而可以重建鱼类的游动轨迹。实验重建了单条鱼在水箱中游动的叁维轨迹,计算出了鱼类的位置信息和实时速度。研究表明,重建轨迹与鱼的真实轨迹虽然存在0.88~2.88 s的延迟,但结果吻合度较高。(本文来源于《水产学报》期刊2017年10期）
多视图几何论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
机器人系统在当下的诸多领域都扮演着重要的角色。在不同应用场景下,需要将机器人与不同传感器相结合以提高整个系统的智能性。视觉传感器由于能提供丰富的感知信息,因而被大量应用于不同机器人平台。随着科学技术的快速发展,众多学者致力于利用视觉信息引导机器人完成定位、导航和控制等不同任务。而在这些任务中,视觉伺服控制是最常被讨论的问题之一。视觉伺服控制旨在通过实时反馈的图像信息驱动机器人实现特定的运动目标。为解决视觉伺服控制问题,首先需要利用计算机视觉的相关技术从二维图像中提取出适宜的特征信息以构造系统反馈误差。紧接着,运用控制理论的相关方法和所构造的误差信号,设计对应控制器以有效完成指定的运动任务。由于视觉伺服系统往往包含有各种模型不确定性和约束,因此针对不同场景提出鲁棒高效的伺服策略是极具挑战的工作。本文结合该领域的最新研究成果,以基于多视图几何的视觉伺服控制为主要研究内容。本文的主要工作和贡献概述如下:·简要回顾了视觉伺服控制的相关研究背景并概述了国内外研究现状。·研究基于单应性的移动物体渐近跟踪。提出了基于单应性的视觉伺服控制器从而驱动机械臂以固定相对姿态跟踪叁维空间中的运动物体。单目相机固定于机械臂上以提供视觉信息,然后利用单应性获得相机的旋转和尺度化平移以便于控制器设计。考虑到未知运动物体的速度和距离信息,设计了鲁棒非线性控制器以完成移动物体跟踪任务。理论分析表明所提出控制器能实现渐近跟踪。仿真结果验证了方法的有效性。·研究基于叁焦张量的六自由度位姿校正。通过构建当前、期望和初始视图之间的叁焦张量模型来描述几何关系。然后,选取部分张量元素以定义视觉反馈,这有效避免了对相机姿态的显示估计。基于提取的张量特征,设计了自适应控制器以将相机驱动到期望姿态并补偿了未知的距离比例因子。此外,利用Lyapunov技术分析了系统稳定性和收敛域。仿真和实验结果验证了对应的理论分析。·研究基于未标定相机的移动机器人一致性控制。针对轮式移动机器人,利用未标定单目相机实现轨迹跟踪和位姿校正的一致性控制。首先基于投影单应技术,提出了在线方法实现对部分相机内参的估计。通过利用所获得的相机内参,从图像中提取出移动机器人的位姿信息以构建误差系统。然后,设计了满足输入饱和约束的自适应连续控制器以解决轨迹跟踪和位姿调节问题。所提出方法充分考虑了与未知距离信息和相机内参相关的系统不确定性以及非完整约束。理论分析证明所提出控制器在存在系统不确定性的情况下能实现渐近跟踪和校正。仿真和实验结果验证了上述方法的有效性。·研究基于视觉的移动机器人轨迹跟踪与深度估计。针对轮式移动机器人的轨迹跟踪控制和深度估计问题提出了相应的视觉伺服策略。通过利用车载相机捕获的多张图像,重建出移动机器人的当前和期望位姿以定义系统错误。然后,提出了一种自适应时变控制器以实现轨迹跟踪任务。大多数已有工作要求测量期望轨迹的速度信息以便于控制器设计,这将导致繁琐的离线计算。为消除该要求,设计了降阶观测器实时估计了所需的期望速度信息。此外,提出了增强更新定律以补偿未知深度参数并识别深度倒数。基于Lyapunov方法证明了所提出控制器能实现渐近跟踪,并且在满足持续激励条件下,深度倒数的估计会收敛于其实际值。随后,引入了鲁棒的数据驱动算法,以确保在宽松的有限激励条件下深度估计的收敛。仿真和实验结果验证了上述方法的有效性。最后对全文进行了总结,并对下一步的研究工作进行了展望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多视图几何论文参考文献
[1].肖顺夫,刘升平,李世娟,杜鸣竹,吕纯阳.改进区域增长算法的植株多视图几何重建[J].中国农业科学.2019
[2].张凯祥.基于多视图几何的视觉伺服控制[D].浙江大学.2019
[3].周涛,段薇,胡叁宝,刘继鹏,韩忠磊.拓扑优化结果的多视图参数化几何重构方法[J].数字制造科学.2019
[4].李杨.基于多视图几何的平面移动机器人位姿提取与控制[D].浙江大学.2019
[5].汪秉诠.基于单目视觉多视图几何的叁维点云重建算法研究[D].华中科技大学.2018
[6].周泩朴,耿国华,李康,王飘.一种基于AKAZE算法的多视图几何叁维重建方法[J].计算机科学.2018
[7].梁山军,王仁驹,杨诚.基于无人机影像的非增量式多视图几何叁维重建研究[J].北京测绘.2018
[8].黄炯荣.基于无人机序列图像的多视图几何叁维重建[D].东华理工大学.2018
[9].黄炯荣,鲁铁定.基于无人机序列图像的多视图几何叁维重建研究[J].江西科学.2018
[10].田超,黄志勇,熊彪,占静,石小涛.运用多视图几何原理重建鱼类游泳叁维轨迹[J].水产学报.2017