2.793

2018影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于稀疏点云的多平面场景稠密重建

缪君 储珺 张桂梅 王璐

缪君, 储珺, 张桂梅, 王璐. 基于稀疏点云的多平面场景稠密重建. 自动化学报, 2015, 41(4): 813-822. doi: 10.16383/j.aas.2015.c140279
引用本文: 缪君, 储珺, 张桂梅, 王璐. 基于稀疏点云的多平面场景稠密重建. 自动化学报, 2015, 41(4): 813-822. doi: 10.16383/j.aas.2015.c140279
MIAO Jun, CHU Jun, ZHANG Gui-Mei, WANG Lu. Dense Multi-planar Scene Reconstruction from Sparse Point Cloud. ACTA AUTOMATICA SINICA, 2015, 41(4): 813-822. doi: 10.16383/j.aas.2015.c140279
Citation: MIAO Jun, CHU Jun, ZHANG Gui-Mei, WANG Lu. Dense Multi-planar Scene Reconstruction from Sparse Point Cloud. ACTA AUTOMATICA SINICA, 2015, 41(4): 813-822. doi: 10.16383/j.aas.2015.c140279

基于稀疏点云的多平面场景稠密重建


DOI: 10.16383/j.aas.2015.c140279
详细信息
    作者简介:

    缪君 南昌大学机电工程学院博士研究生.南昌航空大学航空制造工程学院讲师.主要研究方向为计算机视觉与图像处理.E-mail:miaojun@nchu.edu.cn

    通讯作者: 储珺 南昌航空大学软件学院教授.主要研究方向为图像处理与计算机视觉.本文通信作者.E-mail:chuj@nchu.edu.cn
  • 基金项目:

    国家自然科学基金(61263046,61462065),江西省自然科学基金(20122BAB201037)资助

Dense Multi-planar Scene Reconstruction from Sparse Point Cloud

More Information
  • Fund Project:

    Supported by National Natural Science Foundation of China(61263046, 61462065) and Natural Science Foundation of Jiangxi Province(20122BAB201037)

  • 摘要: 多平面场景是生活中常见的一种场景,然而由于该类场景中常常存在物体表面纹理缺乏和纹理重复的现象,导致从多视图像重建获得的三维点云数据中存在点云过于稀疏甚至孔洞等问题,进而导致以微面片拟合三维点云所得到的重建表面出现平面颠簸现象.针对这些问题,本文提出了一种基于稀疏点云的分段平面场景重建方法.首先,利用分层抽样代替随机抽样,改进了J-Linkage多模型估计算法;然后,利用该方法对稀疏点云进行多平面拟合,来获得场景的多平面模型;最后,将多平面模型和无监督的图像分割相结合,提取并重建场景中的平面区域.场景中的非平面部分用CMVS/PMVS(Clustering views for multi-view stereo/patch-based multi-view stereo)算法重建.多平面模型估计的实验表明,改进的J-Linkage算法提高了模型估计的准确度.三维重建的实验证实,提出的重建方法在有效地克服孔洞和平面颠簸问题的同时,还能重建出完整平面区域.
  • [1] Vanegas C A, Aliaga D G, Wonka P, Mller P, Waddell P, Watson B. Modelling the appearance and behaviour of urban spaces. Computer Graphics Forum, 2010, 29(1):25-42
    [2] [2] Sheppard S R J, Cizek P. The ethics of Google Earth:crossing thresholds from spatial data to landscape visualisation. Journal of Environmental Management, 2009, 90(6):2012-2117
    [3] Shi Li-Min, Guo Fu-Sheng, Hu Zhan-Yi. An improved PMVS through scene geometric information. Acta Automatica Sinica, 2011, 37(5):560-568(史利民, 郭复胜, 胡占义. 利用空间几何信息的改进PMVS算法. 自动化学报, 2011, 37(5):560-568)
    [4] [4] Simon L, Teboul O, Koutsourakis P, Van Gool L, Paragios N. Parameter-free/Pareto-driven procedural 3D reconstruction of buildings from ground-level sequences. In:Proceedings of the 2012 IEEE Conference on Computer Vision and Pattern Recognition. Rhode Island, USA:IEEE, 2012. 518-525
    [5] [5] Vanegas C A, Aliaga D G, Benes B. Automatic extraction of manhattan-world building masses from 3D laser range scans. IEEE Transactions on Visualization and Computer Graphics, 2012, 18(10):1627-1637
    [6] [6] Agarwal S, Furukawa Y, Snavely N, Simon I, Curless B, Seitz S M, Szeliski R. Building rome in a day. In:Proceedings of the 12th International Conference on Computer Vision. Kyoto, Japan:IEEE, 2009. 72-79
    [7] [7] Mičuk B, Koeck J. Multi-view superpixel stereo in urban environments. International Journal of Computer Vision, 2010, 89(1):106-119
    [8] [8] Snavely N, Simon I, Goesele M, Szeliski R, Seitz S M. Scene reconstruction and visualization from community photo collections. Proceedings of the IEEE, 2010, 98(8):1370-1390
    [9] [9] Bartoli A, Sturm P. Constrained structure and motion from multiple uncalibrated views of a piecewise planar scene. International Journal of Computer Vision, 2003, 52(1):45-64
    [10] Zhou Z H, Jin H L, Ma Y. Robust plane-based structure from motion. In:Proceedings of the 2012 IEEE Conference on Computer Vision and Pattern Recognition. Rhode Island, USA:IEEE, 2012. 1482-1489
    [11] Goesele M, Snavely N, Curless B, Hoppe H, Seitz S M. Multi-view stereo for community photo collections. In:Proceedings of the 11th International Conference on Computer Vision. Rio de Janeiro, Brazil:IEEE, 2007. 1-8
    [12] Seitz S M, Curless B, Diebel J, Scharstein D, Szeliski R. A comparison and evaluation of multi-view stereo reconstruction algorithms. In:Proceedings of the 2006 IEEE Conference on Computer Vision and Pattern Recognition. Washington D.C., USA:IEEE, 2006. 519-528
    [13] Furukawa Y, Ponce J. Accurate, dense, and robust multiview stereopsis. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010, 32(8):1362-1376
    [14] Musialski P, Wonka P, Aliaga D G, Wimmer M, Gool L, Purgathofer W. A survey of urban reconstruction. In Computer Graphics Forum, 2013, 32(6):146-177
    [15] Bartoli A. A random sampling strategy for piecewise planar scene segmentation. Computer Vision and Image Understanding, 2007, 105(1):42-59
    [16] Yu W C, Kai L Y, Chung P C. 3D reconstruction of piecewise planar models from multiple views utilizing coplanar and region constraints. Journal of Information Science and Engineering, 2013, 29(2):361-378
    [17] Micusik B, Kosecka J. Piecewise planar city 3D modeling from street view panoramic sequences. In:Proceedings of the 2009 IEEE Conference on Computer Vision and Pattern Recognition. Miami, USA:IEEE, 2009. 2906-2912
    [18] Sinha S N, Steedly D, Szeliski R. Piecewise planar stereo for image-based rendering. In:Proceedings of the 12th IEEE Conference on Computer Vision. Rio de Kyoto, Japan:IEEE, 2009. 1881-1888
    [19] Gallup D, Frahm J M, Pollefeys M. Piecewise planar and non-planar stereo for urban scene reconstruction. In:Proceedings of the 2010 IEEE Conference on Computer Vision and Pattern Recognition. San Francisco, USA:IEEE, 2010. 1418-1425
    [20] Hane C, Zach C, Cohen A, Angst R, Pollefeys M. Joint 3D scene reconstruction and class segmentation. In:Proceedings of the 2013 IEEE Conference on Computer Vision and Pattern Recognition. Portland, USA:IEEE, 2013. 97-104
    [21] Toldo R, Fusiello A. Photo-consistent planar patches from unstructured cloud of points. In:Proceedings of the 2010 European Conference on Computer Vision. Crete, Greece:Springer, 2010. 589-602
    [22] Toldo R, Fusiello A. Robust multiple structures estimation with J-linkage. In:Proceedings of the 2008 European Conference on Computer Vision. Marseille, France:Springer, 2008. 537-547
    [23] Zuliani M, Kenney C S, Manjunath B S. The multiransac algorithm and its application to detect planar homographies. In:Proceedings of the 2005 IEEE Conference on Image Processing. Genoa, Italy:IEEE, 2005. 153-156
    [24] Veksler O. Star shape prior for graph-cut image segmentation. In:Proceedings of the 2008 European Conference on Computer Vision. Marseille, France:Springer, 2008. 454-467
    [25] Gulshan V, Rother C, Criminisi A, Blake A, Zisserman A. Geodesic star convexity for interactive image segmentation. In:Proceedings of the 2010 IEEE Conference on Computer Vision and Pattern Recognition. San Francisco, USA:IEEE, 2010. 3129-3136
    [26] Farenzena M, Fusiello A, Gherardi R. Structure-and-motion pipeline on a hierarchical cluster tree. In:Proceedings of the 12th IEEE Conference on Computer Vision Workshops. Miami, USA:IEEE, 2009. 1489-1496
  • [1] 郑太雄, 黄帅, 李永福, 冯明驰. 基于视觉的三维重建关键技术研究综述[J]. 自动化学报, 2020, 46(4): 631-652. doi: 10.16383/j.aas.2017.c170502
    [2] 陈加, 张玉麒, 宋鹏, 魏艳涛, 王煜. 深度学习在基于单幅图像的物体三维重建中的应用[J]. 自动化学报, 2019, 45(4): 657-668. doi: 10.16383/j.aas.2018.c180236
    [3] 王伟, 高伟, 朱海, 胡占义. 快速鲁棒的城市场景分段平面重建[J]. 自动化学报, 2017, 43(4): 674-684. doi: 10.16383/j.aas.2017.c160261
    [4] 张天, 刘检华, 唐承统, 刘少丽. 基于中心线匹配的导管三维重建技术[J]. 自动化学报, 2015, 41(4): 735-748. doi: 10.16383/j.aas.2015.c130287
    [5] 潘杰, 王雪松, 程玉虎. 基于主动轮廓探索的多源色彩迁移[J]. 自动化学报, 2014, 40(4): 713-720. doi: 10.3724/SP.J.1004.2014.00713
    [6] 龙建武, 申铉京, 臧慧, 陈海鹏. 高斯尺度空间下估计背景的自适应阈值分割算法[J]. 自动化学报, 2014, 40(8): 1773-1782. doi: 10.3724/SP.J.1004.2014.01773
    [7] 唐利明, 田学全, 黄大荣, 王晓峰. 结合FCMS与变分水平集的图像分割模型[J]. 自动化学报, 2014, 40(6): 1233-1248. doi: 10.3724/SP.J.1004.2014.01233
    [8] 周全, 王磊, 周亮, 郑宝玉. 基于多尺度上下文的图像标注算法[J]. 自动化学报, 2014, 40(12): 2944-2949. doi: 10.3724/SP.J.1004.2014.02944
    [9] 郑强, 董恩清. 窄带主动轮廓模型及在医学和纹理图像局部分割中的应用[J]. 自动化学报, 2013, 39(1): 21-30. doi: 10.3724/SP.J.1004.2013.00021
    [10] 郭复胜, 高伟. 基于辅助信息的无人机图像批处理三维重建方法[J]. 自动化学报, 2013, 39(6): 834-845. doi: 10.3724/SP.J.1004.2013.00834
    [11] 杨扬, 李善平. 分割位置提示的可变形部件模型快速目标检测[J]. 自动化学报, 2012, 38(4): 540-548. doi: 10.3724/SP.J.1004.2012.00540
    [12] 史利民, 郭复胜, 胡占义. 利用空间几何信息的改进PMVS算法[J]. 自动化学报, 2011, 37(5): 560-568. doi: 10.3724/SP.J.1004.2011.00560
    [13] 张峰, 史利民, 孙凤梅, 胡占义. 一种基于图像的室内大场景自动三维重建系统[J]. 自动化学报, 2010, 36(5): 625-633. doi: 10.3724/SP.J.1004.2010.00625
    [14] 岳峰, 左旺孟, 王宽全. 基于分解的灰度图像二维阈值选取算法[J]. 自动化学报, 2009, 35(7): 1022-1027. doi: 10.3724/SP.J.1004.2009.01022
    [15] 侯彪, 徐婧, 刘凤, 焦李成. 基于第二代Bandelet域隐马尔科夫树模型的图像分割[J]. 自动化学报, 2009, 35(5): 498-504. doi: 10.3724/SP.J.1004.2009.00498
    [16] 彭真明, 蒋彪, 肖峻, 孟凡斌. 基于并行点火PCNN模型的图像分割新方法[J]. 自动化学报, 2008, 34(9): 1169-1173. doi: 10.3724/SP.J.1004.2008.01169
    [17] 肖轶军, 丁明跃, 彭嘉雄. 基于B样条的空间自由曲线三维重建[J]. 自动化学报, 2000, 26(4): 572-576.
    [18] 吴成柯, 刘靖, 侯格贤. 图像分割的多参量遗传算法[J]. 自动化学报, 1998, 24(3): 410-413.
    [19] 刘成君, 戴汝为. 广义线性八元树表示及物体的广义三维重建[J]. 自动化学报, 1997, 23(5): 694-697.
    [20] 田捷, 戴汝为. 由深度数据重建三维物体的一种方法[J]. 自动化学报, 1996, 22(3): 286-292.
  • 加载中
计量
  • 文章访问数:  2707
  • HTML全文浏览量:  324
  • PDF下载量:  2587
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-04-22
  • 修回日期:  2014-10-13
  • 刊出日期:  2015-04-20

基于稀疏点云的多平面场景稠密重建

doi: 10.16383/j.aas.2015.c140279
    基金项目:

    国家自然科学基金(61263046,61462065),江西省自然科学基金(20122BAB201037)资助

    作者简介:

    缪君 南昌大学机电工程学院博士研究生.南昌航空大学航空制造工程学院讲师.主要研究方向为计算机视觉与图像处理.E-mail:miaojun@nchu.edu.cn

    通讯作者: 储珺 南昌航空大学软件学院教授.主要研究方向为图像处理与计算机视觉.本文通信作者.E-mail:chuj@nchu.edu.cn

摘要: 多平面场景是生活中常见的一种场景,然而由于该类场景中常常存在物体表面纹理缺乏和纹理重复的现象,导致从多视图像重建获得的三维点云数据中存在点云过于稀疏甚至孔洞等问题,进而导致以微面片拟合三维点云所得到的重建表面出现平面颠簸现象.针对这些问题,本文提出了一种基于稀疏点云的分段平面场景重建方法.首先,利用分层抽样代替随机抽样,改进了J-Linkage多模型估计算法;然后,利用该方法对稀疏点云进行多平面拟合,来获得场景的多平面模型;最后,将多平面模型和无监督的图像分割相结合,提取并重建场景中的平面区域.场景中的非平面部分用CMVS/PMVS(Clustering views for multi-view stereo/patch-based multi-view stereo)算法重建.多平面模型估计的实验表明,改进的J-Linkage算法提高了模型估计的准确度.三维重建的实验证实,提出的重建方法在有效地克服孔洞和平面颠簸问题的同时,还能重建出完整平面区域.

English Abstract

缪君, 储珺, 张桂梅, 王璐. 基于稀疏点云的多平面场景稠密重建. 自动化学报, 2015, 41(4): 813-822. doi: 10.16383/j.aas.2015.c140279
引用本文: 缪君, 储珺, 张桂梅, 王璐. 基于稀疏点云的多平面场景稠密重建. 自动化学报, 2015, 41(4): 813-822. doi: 10.16383/j.aas.2015.c140279
MIAO Jun, CHU Jun, ZHANG Gui-Mei, WANG Lu. Dense Multi-planar Scene Reconstruction from Sparse Point Cloud. ACTA AUTOMATICA SINICA, 2015, 41(4): 813-822. doi: 10.16383/j.aas.2015.c140279
Citation: MIAO Jun, CHU Jun, ZHANG Gui-Mei, WANG Lu. Dense Multi-planar Scene Reconstruction from Sparse Point Cloud. ACTA AUTOMATICA SINICA, 2015, 41(4): 813-822. doi: 10.16383/j.aas.2015.c140279
参考文献 (26)

目录

    /

    返回文章
    返回