臺灣博碩士論文加值系統

三維重建在許多領域中都有重要的應用，例如：虛擬實境、電子商務…等，傳統的重建設備擁有良好的三維重建效果，但是對於大部分需求者而言成本過於昂貴。
本論文中提出了一個基於智慧型裝置的三維重建的方法，其具有低成本與便利性的特點，所使用之基礎配置為一台智慧型裝置與一個旋轉圓盤。本方法運用智慧型裝置上既有的方向感測器與相機功能可自動測量出設備之間的方位關係與相機的視角資訊，在重建影像上提供極大的便利性，本研究方法可以適用到任何具有方向感測器與相機的智慧型裝置上。
在基礎配置下，可用的三維重建計算方法有兩種，分別是輪廓法與立體視覺法。輪廓法在使用上會因為物體邊緣無法呈現在輪廓線上，導致失去物體的一些細節，而立體視覺法容易受到低紋理與重複紋理的影響，導致三維重建的結果與真實物體相差甚遠。基於虛擬點雲空間與投影的概念下，本研究方法成功的結合了輪廓法與立體視覺法的優點也克服了兩者的缺點實現三維重建。實驗結果證明，本論文的方法在整體誤差上較輪廓法與立體視覺法來的小，而未來在基礎配置上也可以加上光源、雷射…等擴充設備，使其可以加入其他三維重建方法提升重建效果。

3D image reconstruction has important applications in many fields such as Virtual Reality, E-commerce, 3D Game, and etc. The traditional 3D scanner device has 3D reconstruction of the effect of high accuracy degree, but it’s equipment is expensive.
This paper proposes a three-dimensional reconstruction of smart devices based on a method for low cost and convenience features. Basic configuration is a smart device with a rotating disc. The use of smart devices on both the sensor and the direction of the camera function automatically measure the direction the camera angle information and equipment between the relationship, providing great convenience in image reconstruction, this method can be used to any smart device has a direction sensor and camera.
In the basic configuration, only two three-dimensional reconstruction calculation methods are available. Contour method which the edge of the object can not be rendered in contour line, resulting in lost details. The stereo vision method susceptible to repeated low texture and texture, resulting in three-dimensional reconstruction results with the real object far. In this study, under the concept of a virtual point cloud space, using the projector and the back projection principle to combine the advantages of a successful method and stereoscopic contour method also overcomes the disadvantages of both. Experimental results show the proposed method overcomes the contour method and binocular vision in the overall error. In the future other than basic configuration can also be coupled with a light source, laser, and other expansion devices, so that it can join the other three-dimensional reconstruction method to enhance the effects of reconstruction.

目錄
中文摘要 I
Abstract II
誌謝 IV
目錄 VI
表目錄 VIII
圖目錄 IX
第一章 序論 1
1.1. 三維影像建構介紹 2
1.2. 三維重建方法的分類 3
1.3. 智慧型行動裝置三維掃描儀 4
第二章 三維重建的基本原理 6
2.1. 參數獲取 6
2.2. 相機定位 6
2.3. 拍攝限制 7
2.4. 深度資訊 7
2.5. 三維合成 10
2.6. 模型建立 10
第三章 本論文方法 12
3.1. 智慧型裝置方向感測器 12
3.2. 理論架構 12
3.3. 參數值設定 13
3.4. 手機定位 17
3.5. 成像平面圓中心點校正 21
3.6. 基於智慧型裝置的三維重建方法 23
第四章 實驗結果 32
4.1. 開發環境 32
4.2. 實驗結果展示 33
4.3. 性能比較 35
第五章 結論與未來工作 39
5.1. 本論文成果 39
5.2. 未來工作 39
 
表目錄
表 1：參數設定 6
表 2：三軸數據格式 12
表 3：電腦規格 32
表 4：手機規格 33
表 5：相對於標準影像的正負誤差(mm3) 37

 
圖目錄
圖 1：FreeCAD軟體操作畫面 2
圖 2：三維掃描儀三維重建環境 3
圖 3：立體視覺法基本原理 8
圖 4：相機投射示意圖 9
圖 5：圓環的點雲圖像 10
圖 6：三角網格示意圖 11
圖 7：環境示意圖 13
圖 8：雙圓校正板 14
圖 9：校正板二值化結果 15
圖 10：相機與校正板關係 16
圖 11：相機焦點在歐基里斯空間的示意圖 17
圖 12：二值化取得轉盤邊緣 18
圖 13：在P’y上的左右兩個點 20
圖 14：使用智慧型手機完成三維重建 23
圖 15：虛擬點雲空間 24
圖 16：背景相減法流程圖 25
圖 17：去除標記影像雜訊 26
圖 18：左右影像投影關係 27
圖 19：左右影像投影關係 28
圖 20：三維重建流程圖 29
圖 21：測試物體A 33
圖 22：測試物體A的三維影像 34
圖 23：測試物體B 35
圖 24：測試物體B的三維影像 36
圖 25：不同閥值下的誤差情況(mm3) 38

[1]羅于苹, "以情境分析法探討2030年數位生活之3D應用功能發展," 資訊科學, 交通大學, 2010.
[2]New Steps Toward the Future of Virtual Reality. Available: http://newsroom.fb.com/news/2016/02/new-steps-toward-the-future-of-virtual-reality/
[3]FreeCAD. Available: https://zh.wikibooks.org/zh-tw/FreeCAD
[4]COMET L3D - compact 3D sensor. Available: http://optotechnik.zeiss.com/en/products/3d-scanning/comet-l3d
[5]3D scanner. Available: https://en.wikipedia.org/wiki/3D_scanner
[6]智慧型行動裝置普及率近7成 市場即將飽和！ 資策會FIND：行動族群半年增加逾100萬人、全臺滑世代破1,432萬. Available: http://www.find.org.tw/market_info.aspx?n_ID=8303
[7]A. Mavrinac, C. Xiang, and J. L. Alarcon-Herrera, "Semiautomatic Model-Based View Planning for Active Triangulation 3-D Inspection Systems," Mechatronics, IEEE/ASME Transactions on, vol. 20, pp. 799-811, 2015.
[8]李健 and 史进, "一种基于 OpenCV 的三维重建实现方案," 计算机与信息技术, vol. 4, p. 017, 2008.
[9]毛剑飞, 邹细勇, and 诸静, "改进的平面模板两步法标定摄像机," 中国图象图形学报: A 辑, vol. 9, pp. 846-852, 2004.
[10]曹之樂, 嚴中紅, and 王洪, "雙目立體視覺匹配技術綜述," 重慶理工大學學報（自然科學版）, vol. 29, pp. 70-75, 2015.
[11]多媒体实用技术: 图像分册: 电子科技大学出版社, 1995.
[12]Point cloud. Available: https://en.wikipedia.org/wiki/Point_cloud
[13]SensorManager. Available: http://developer.android.com/intl/pt-br/reference/android/hardware/SensorManager.html
[14]T. Kanade, H. Kano, S. Kimura, A. Yoshida, and K. Oda, "Development of a video-rate stereo machine," in Intelligent Robots and Systems 95. 'Human Robot Interaction and Cooperative Robots', Proceedings. 1995 IEEE/RSJ International Conference on, 1995, pp. 95-100 vol.3.
[15]C. Stauffer and W. E. L. Grimson, "Adaptive background mixture models for real-time tracking," in Computer Vision and Pattern Recognition, 1999. IEEE Computer Society Conference on., 1999.
[16]L. Shapiro and G. Stockman, "Computer Vision," ed: Prentice—Hall, Inc., New Jersey, 2001, pp. 137, 150.
[17]D. Scharstein and R. Szeliski, "A Taxonomy and Evaluation of Dense Two-Frame Stereo Correspondence Algorithms," International Journal of Computer Vision, vol. 47, pp. 7-42, 2002/04/01 2002.
[18]D. A. Altantawy, M. Obbaya, and S. Kishk, "A fast non-local based stereo matching algorithm using graph cuts," in Computer Engineering & Systems (ICCES), 2014 9th International Conference on, 2014, pp. 130-135.