针对深度相机受环境光干扰大而导致立木深度图获取困难的问题,提出一种基于小运动短视频图像的立木深度图生成算法。该算法对分割后获取的亚像素角点进行跟踪和匹配,利用光束法平差估计相机参数;利用平面扫描法对图像序列进行密集立体匹配、去噪得到立木深度图。使用智能手机采集1~2 s小运动的立木短视频图像验证所提算法的有效性,生成的立木深度图在主观效果上有显著提升。在深度图像数据库NYU depth v2上进行验证,均方根误差为60.58,相对误差为0.34。实验结果表明:自然环境下利用该算法可有效生成精细的立木深度图,不需要深度相机、相机标定以及大量RGB(Red,Green,Blue)图像、深度图的训练,能有效节省数据采集和存储的开销,研究结果可为立木的可视化重建、立木因子的测量等提供参考。

物体的三维重建技术一直是计算机视觉领域研究的热点问题，提出一种利用Kinect传感器获取的深度图像实现多幅深度图像融合完成物体三维重建的方法。在图像空间中对深度图像进行三角化，然后在尺度空间中融合所有三角化的深度图像构建分层有向距离场(hierarchical signed distance field)，对距离场中所有的体素应用整体Delaunay三角剖分算法产生一个涵盖所有体素的凸包，并利用Marching Tetrahedra算法构造等值面，完成物体表面重建。实验结果表明，该方法利用Kinect传感器采集的不同方向37幅分辨率为640×480的深度图像完成目标物体的三维重建，仅需要48 s，并且得到非常精细的重建效果。