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
1.研究背景
随着计算机视觉和机器人领域的快速发展，三维重建技术逐渐成为研究的热点。在三维重建中，立体视觉是一种常用的技术手段。对于双目立体视觉，多数情况下会使用图像分析和匹配算法来获取左右视图之间的对应关系。其中，SURF作为一种高效的图像特征加速算法，在立体匹配中得到了广泛应用。然而，在实际应用中，SURF算法仍存在一些问题，如特征点数量不稳定、匹配精度低等，这些问题会严重影响三维重建的精度和效率。因此，本研究旨在改进SURF算法，提高其在双目立体视觉三维重建中的性能和效果。
2.研究内容
本研究的主要内容包括以下几个部分：
（1）对SURF算法进行改进。
本研究将SURF算法中的几个步骤进行了改进，包括特征提取、特征匹配和误差剔除等步骤。针对特征点数量不稳定的问题，本研究在SURF中引入了基于像素密度的特征点筛选方法，即只选择像素密度较高的区域中的特征点，从而提高了特征点的数量稳定性。此外，还引入了一种基于自适应距离阈值的特征匹配方法，避免了由固定距离阈值带来的匹配精度低的问题。最后，结合误差剔除算法，本研究改进了SURF算法在点云匹配中的性能。
（2）通过双目立体视觉获取图像数据。
本研究采用基于灰度相机的双目视觉系统获取图像数据，通过调整两个相机的视角并针对不同视场进行拍照，来获取左右两个角度中的图像数据。
（3）进行特征点匹配和三维重建。
本研究基于改进的SURF算法，对双目图像中的特征点进行匹配，并基于匹配结果进行三维重建。在三维重建过程中，本研究采用了基于三角测量法和空间直接定位法的模型重建方法，提高了重建的精度和准确性。
3.实验计划
本研究计划先将改进的SURF算法在人工数据集上进行测试，验证算法的有效性，并在此基础上进行双目立体视觉三维重建实验。实验将使用基于灰度相机的双目视觉系统，拍摄物体的不同视场图片，并对获取的图像数据进行处理和分析。对于重建出的三维模型，本研究将进行精度和效果的评估，以验证改进算法的性能和效果。最后，本研究还计划进行对比实验，将改进算法与传统算法进行比较，观察改进算法的性能和效果是否得到了提升。
4.结论
本研究计划通过对SURF算法的改进，提高其在双目立体视觉三维重建中的性能和效果。实验结果将有望验证该算法的有效性和实用性，并具有一定的推广价值。