一个基于KD树和随机样本共识的3D重建模型用于2D体育场图像的3D重建模型
1College of Physical Education and Health Management, Henan Finance University, Zhengzhou 450046, Henan, China.
Mathematical biosciences and engineering : MBE
|December 21, 2023
概括
本研究介绍了一种新的3D重建模型,用于使用KD树和随机样本共识构建图像. 拟议的方法大大减少了从二维图像中重建详细的体育场景时的错误.
科学领域:
- 计算机视觉 计算机视觉
- 三维重建的3D重建
- 几何建模 几何建模
背景情况:
- 建筑图像的3D重建在捕捉细节方面存在挑战.
- 现有的方法与像体育场这样的复杂场景作斗争,导致不完整的模型.
研究的目的:
- 为2D建筑图像开发一个改进的3D重建模型.
- 为了提高重建的3D建筑模型的准确性和细节性,特别是对于体育场环境.
主要方法:
- 提出了一个新的3D重建模型,集成KD树和随机样本共识 (RANSAC).
- 使用了改进的KD树算法,以提高2D图像数据提取中的匹配率.
- 使用选方法将稀疏的3D模型转换为更密集的表示.
主要成果:
- 集成的KD树和RANSAC算法证明了体育场场景的卓越匹配率.
- 拟议的方法有效地从稀疏的数据中增加了3D模型的密度.
- 与现有算法相比,模拟实验显示出明显较低的错误率.
结论:
- 拟议的KD树和基于RANSAC的3D重建模型非常适合构建图像.
- 该方法为复杂的建筑场景提供了更高的精度和细节.
- 这项研究推进了用于建筑可视化和分析的3D重建领域.
