点云生成
-
-
基于特征点匹配的MATLAB三维重建系统
本项目实现了一个完整的机器视觉三维重建流程，通过MATLAB调用.c文件提取图像特征点矩阵，并利用三个核心文件完成特征匹配和三维坐标计算，最终将二维图像序列转换为三维点云模型。 -
基于MATLAB的多视角图像稀疏点云三维重建系统
本系统利用MATLAB实现多视角图像的三维重建，涵盖图像预处理、特征匹配、相机参数估计与稀疏点云生成。支持三维可视化交互，适用于物体建模与场景还原。 -
MATLAB实现基于散焦扩散技术的双目深度图像三维重建系统
本项目利用MATLAB开发了一套高效的三维形状重建系统，仅需两幅不同焦平面的二维图像，结合散焦原理与扩散模型精准计算像素深度，生成高质量三维点云，并支持交互式可视化。 -
高效双目立体匹配与三维重建系统
本项目通过MATLAB环境实现了一套完整的双目立体匹配处理流程，旨在从经过极线校正的左右视图中精确计算视差并重建三维场景信息。系统核心功能包含图像预处理、匹配代价计算、代价聚合、视差计算以及视差后处理五个关键阶段。在代价计算方面，项目集成了绝对误差累加和（SAD）、平方误差累加（SSD）以及抗光照变化的Census变换算法，以适应不同光照条件下的匹配需求。为了进一步提升视差图的平滑性并减少遮挡区域的错误，算法引入了代价聚合机制和半全局匹配（SGM）优化策略，通过在多个方向上进行动态规划路径搜索，有效解决了 -
建筑物多视图三维重建系统
本系统旨在利用MATLAB平台实现从多张不同角度拍摄的二维相机图像中恢复建筑物的三维空间几何结构。系统核心流程包括图像预处理、特征检测与匹配、相机位姿估计以及三维点云生成。软件首先采用高性能特征提取算子识别建筑物各部位的关键点，并通过对极几何约束进行特征关联，剔除误匹配点。随后利用运动恢复结构（Structure from Motion）算法计算各图像拍摄时的相机位置与姿态，并解算出建筑物的稀疏点云分布。为了提高精度，系统引入光束法平差（Bundle Adjustment）对相机参数和空间坐标进行整体优化。最后通过多视图立体视觉（MVS）技术产生稠密点云，并结合表面重建算法生成带有真实纹理的建筑物三维网格模型。该方案可广泛应用于数字遗产保护、城市规划模拟及虚拟现实场景建模。
