摘要: 基于多视图立体视觉的三维重建主要为输入的多视角图像进行稠密重建输出三维点云。由于使用多个视角的二维图像，多视图立体视觉可以减少由单个视角引起的误差，能够获得比单视图三维重建更精确的重建结果。随着深度学习的发展，其在多视图立体视觉三... 展开 基于多视图立体视觉的三维重建主要为输入的多视角图像进行稠密重建输出三维点云。由于使用多个视角的二维图像，多视图立体视觉可以减少由单个视角引起的误差，能够获得比单视图三维重建更精确的重建结果。随着深度学习的发展，其在多视图立体视觉三维重建方面的应用引起了人们广泛的研究兴趣，并在提高三维重建精度、视觉感受等方面不断探索。由于多视图立体视觉三维重建可以获取精确的三维空间场景信息，在智慧农业领域有着广泛的应用,三维点云模型不仅可以提供更精细的农作物植株的颜色特征，还可以通过对重建植株点云进行叶片分割、点云配准等操作，为农作物植株表型特征研究提供科学依据。 本文主要的研究工作包含以下两个部分: (1)面向多视图立体视觉三维重建中完整度、准确度提高等问题，本文提出了一种基于深度学习的两阶段多级深度网络。在网络的阶段1,设计了一种注意力特征金字塔网络用于提升模型的特征提取能力，在特征金字塔FPN网络的横向连接上引入卷积注意模块CBAM,以增强不同层级特征图的空间和通道相关性，带来更多的语义信息。在网络的阶段2,通过多级级联，将阶段1所得多尺度特征图通过自适应传播、单应性变换、匹配代价计算等处理过程，生成深度图，并通过一个深度残差网络精细化深度图。通过DTU和BlendedMVS数据集训练和评估我们的网络模型，主观和客观实验结果表明所提出的网络模型能带来较好的三维重建完整度和鲁棒性，获得良好的视觉感受。 (2)为了解决现有三维重建算法在农作物数据集中重建完整度不高、错误匹配点较多等问题，本文提出了一种新的多视图三维重建算法C-OpenMVS。通过COLMAP计算图像的位姿信息，随后通过OpenMVS算法对输入图像进行稠密重建、网格计算等操作进行多视图三维重建。本文在实验室环境下自采集了五组农作物图像，将本文提出的C-OpenMVS算法与现有的三维重建算法进行对比，实验表明本文提出的算法重建出的模型完整度更好、错误匹配点更少，具有更好的视觉感受。 收起