基于改进SURF的双目立体视觉三维重建的中期报告.docx

基于改进SURF的双目立体视觉三维重建的中期报告
一、研究背景：
立体视觉技术是指根据双目或多目图像的视差差异对空间中物体的三维形态和运动进行测量和分析的技术，是计算机视觉领域中的重要分支之一。近年来，随着计算机算力、存储和传输技术的飞速发展，以及传感器制造技术的不断提高，立体视觉技术得到了越来越广泛的应用，在机器人、自动驾驶、虚拟现实、医学影像等领域中具有重要的应用和研究价值。
二、研究内容：
本文针对双目立体视觉中的三维重建问题展开研究，采用改进的速度加速特征（SURF）算法对双目图像进行特征提取和匹配，以实现三维重建的目标。具体来说，本文将SURF算法与深度学习技术相结合，通过对SURF算法中的主要优化参数进行调整和优化，提高特征提取和匹配的效率和精度，从而实现更加精准、高效的双目立体视觉三维重建。
三、研究方法：
1.确定研究对象：选取一组立体图像作为研究对象，进行双目立体视觉三维重建实验；
2.特征点提取和匹配：采用改进的SURF算法对双目图像进行特征提取和匹配，并建立对应的特征点对应关系；
3.计算视差和深度：根据特征点的对应关系计算视差，并通过三角测量法计算深度；
4.三维重建：将深度信息与图像信息进行融合，实现立体视觉三维重建。
四、预期结果：
通过对SURF算法的改进，实现双目立体视觉三维重建中特征提取和匹配的高效精准，从而提高立体视觉三维重建的精确度和效率。预计实验结果将在精度、鲁棒性和性能等方面均具有一定的提升，有望在机器人、自动驾驶、虚拟现实、医学影像等领域得到广泛的应用。
五、进度安排：
1.阅读相关文献，学习SURF算法和双目立体视觉的基础知识，熟悉深度学习的基本原理和应用场景；
2.编写SURF特征提取和匹配的程序，并进行实验验证；
3.改进SURF算法，优化提取和匹配效果，运用深度学习技术进行特征检测和跟踪；
4.结合特征点进行视差计算和深度测量，并实现三维重建；
5.对实验结果进行分析和评价，并撰写论文。
六、参考文献：
1.BayH,TuytelaarsT,VanGoolL.SURF:SpeededUpRobustFeatures.EuropeanConferenceonComputerVision.SpringerBerlinHeidelberg,2006.
2.LiuJG,JiangL,FanGL.AnImprovedSURFAlgorithmBasedonDeepLearning.2019IEEE3rdInternationalConferenceonIntelligentTransportationEngineering(ICITE).IEEE,2019.
3.ZhangS,XiaY,FuC,etal.AnEfficientStereoMatchingAlgorithmBasedonModifiedSURF.JournalofPhysics:ConferenceSeries,2019,1235(1):012068.
4.ScharsteinD,SzeliskiR.ATaxonomyandEvaluationofDenseTwo-FrameStereoCorrespondenceAlgorithms.InternationalJournalofComputerVision,2002,47(1-3):7-42.
5.HirschmüllerH.StereoProcessingbySemi-GlobalMatchingandMutualInformation.IEEETransactionsonPatternAnalysisandMachineIntelligence,2008,30(2):328-341.