基于SFM的特征点检测及匹配算法研究开题报告

 2021-12-06 20:45:45

1. 研究目的与意义(文献综述)

1.1 目的及意义

我们生活的世界是三维的空间,而现阶段我们的记录工具手机和相机所能获取的图像则是二维图像,要想从二维图像获取更多的信息,就要依赖于三维重建技术。现阶段,常见的三维重建主要分为三种:第一种是成本最小的三维建模工具,如3dmax等建模软件,这种方法的最终结果的精细程度与手工建模人员的操作有关,而且速度偏慢,所要耗费的人力多。第二种就是通过一些专业的扫描设备进行建模,比如激光扫描仪、激光测距仪等,这种方式精度高、速度快、耗费的人力资源少。他的劣势就是没有纹理特征,而且昂贵,设备的大小也会限制其在大场景的三维重建中作用不大。第三种则是基于多视图来实现目标景物的三维重建,以二维图像为输入,通过从二维图像中提取三维空间结构和纹理信息重建三维模型。这种方法重建的范围相对更大,目标的大小也不受限制,最终的重建场景也比较真实,人力投资也相对少。因此在越来越多的领域被应用。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

2.1研究内容:

通过相关特征点检测技术获取此类特征点的二维坐标是三维重建的基础,同时也是关键步骤,故本文主要的研究内容是基于sfm的三维重建技术的基本步骤之一,即特征点的检测和匹配的研究。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

1. 第1周,查阅文献,完善开题报告,形成服务于选题的技术路线。

2. 第2-3周,数据以及材料的收集、整理。了解sfm算法的原理流程,并确定本次论文所要研究的具体特征点检测和匹配的算法。

3. 第4-6周,深入研究本文所要分析的算法,学习其实现过程。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1]david g. lowe. distinctive image featuresfrom scale-invariant keypoints[j]. international journal of computervision,2004,60(2).

[2] lowe, d.g.. object recognitionfrom local scale-invariant features[p]. computer vision, 1999. the proceedingsof the seventh ieee international conference on,1999.

[3]王楠.基于sfm的建筑物三维重建技术研究及应用[d].东北石油大学,2017

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

发小红书推广免费获取该资料资格。点击链接进入获取推广文案即可: Ai一键组稿 | 降AI率 | 降重复率 | 论文一键排版