毕业论文（设计）题目

基于多视图图像的三维物体重建系统的设计与实现

选题来源

结合科研课题

选题性质

应用研究

主要内容和要求

主要内容：

1. 利用相机从不同角度拍摄目标物体的多张图像，对图像进行预处理和特征提取。

2. 利用多视图几何原理，估计相机的内外参数，计算图像之间的对应关系和深度信息。

3. 利用深度学习方法，从多张图像中恢复物体的三维形状，选择合适的三维模型表示方式，如体素、点云或网格。

4. 构建可视化交互界面，展示重建的三维模型，支持旋转、缩放、平移等操作。

5. 整合并实现系统，测试系统的性能和效果，分析系统的优点和不足。

要求：

1. 相机拍摄的图像应该清晰、完整、覆盖物体的各个方面，图像数量应该适当，不宜过多或过少。

2. 多视图几何的计算应该准确、稳定、高效，避免出现误匹配、漂移、噪声等问题，深度图应该平滑、连续、无空洞。

3. 深度学习的方法应该选择合适的网络结构、损失函数、优化器等，三维重建的精度和鲁棒性应该达到0.8以上。

4. 可视化交互界面应该友好、美观、易用，能够清晰地显示三维模型的细节和纹理，支持多种操作和功能。

5. 按要求完成毕业论文，撰写系统的设计思路、实现方法、实验结果、结论和展望等，参考文献应该规范、完整、权威。

主要中文参考资料与外文资料

[1] 曹永荣.基于注意力融合机制的多视图三维物体重建算法研究与实现[D].宁夏大学,2022.

[2] 李俊杰.融合自注意力机制和特征金字塔的多视图三维重建技术[D].云南大学,2022.

[3] 郑太雄,黄帅,李永福等.基于视觉的三维重建关键技术研究综述[J].自动化学报,2020,46(04):631-652.

[4] 王年,胡旭阳,朱凡等.基于视图感知的单视图三维重建算法[J].电子与信息学报,2020,42(12):3053-3060.4

[5] Attentional PointNet: A Mutual Information Maximization Perspective for 3D Point Cloud Registration [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2020, 42(12): 3166-3180.

[6] Attentional PointNet for 3D-Object Detection in Point Clouds [C]. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2019: 7356-7365.

[7] Attentional PointNet++ for 3D Semantic Segmentation of Point Clouds [C]. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, 2019: 0-0.

[8] DeepMVS: Learning Multi-View Stereopsis [C]. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2018: 2821-2830.

工作进度安排

起止日期

主要工作内容