基于高稳定多元视觉线索的复杂物体单影像三维重建理论研究

基于单影像的三维重建技术输入简单，便于交互，是提高现有CAD系统建模效率的有效途径。在复杂物体单影像三维重建方面，利用多元视觉线索比单一视觉线索更具优势，但重建结果精度低、算法鲁棒性差限制了该方法的应用。本课题针对单一复杂结构物体，提出以高稳定多元视觉线索- - 边缘轮廓和表面法向量为约束条件，融合视觉规则及先验统计信息的单影像三维重建方法，围绕这两种视觉线索的智能、鲁棒性计算方法展开研究，提出局部网络边缘完备性连接算法、几何特征高精度识别算法、基于语义规则的三维形状推理方法和基于先验统计Markov模型的表面法向量估计算法，解决重建过程中轮廓检测、特征识别、空间推理以及病态问题求解关键难题。.本课题的开展将提高多元线索单影像三维重建的鲁棒性和建模精度，对虚拟现实、工业设计、影视动画等领域具有重大的应用价值。

基于单幅图像的三维重建是计算机视觉领域重点研究内容之一。由于该问题的病态性，因此必须充分利用先验知识和图像中与三维形状相关的视觉特征进行场景结构的推理和深度估计。基于这一基本思想，本课题提出了基于多元视觉线索的单幅图像三维重建理论框架，并获得了一系列与区域分割、特征识别和深度估计相关的研究成果。首先，我们提出了基于边缘增长的区域分割算法，该算法可以有效解决图像过分割问题，并将单幅图像表示成一系列有意义的区域和封闭轮廓组成的集合。然后，基于边缘轮廓，提出了基于边缘方向编码的高识别率、高稳定性的多特征（包括直线、圆弧、二次曲线和平行线）识别算法。并将每一个分割的子区域表示成多元视觉特征的集合，这些特征包括直线、二次曲线、区域灰度、平行线和区域形状等。接下来，提出了基于多元视觉特征的单幅图像深度估计算法，该算法一方面利用平行特征，实现了图像的消失点检测和相机内参估计；另一方面基于轮廓和区域灰度信息实现了天空、地面和竖直面，以及竖直面子区域三维形状的推理。最后我们根据子区域三维形状和深度模型，实现了单幅图像的深度估计和三维建模。