基于多深度相機(jī)標(biāo)定的點(diǎn)云數(shù)據(jù)模型重構(gòu).pdf

1、三維場(chǎng)景重構(gòu)是三維重構(gòu)的一部分，它主要是對(duì)場(chǎng)景進(jìn)行數(shù)學(xué)建模的一種技術(shù)?，F(xiàn)有的三維場(chǎng)景重構(gòu)多數(shù)是基于RGB進(jìn)行建模，主要通過對(duì)背景圖像的分割并對(duì)對(duì)象建模生成點(diǎn)云進(jìn)行的，一般算法速度偏低。深度相機(jī)的推廣，為實(shí)現(xiàn)三維場(chǎng)景重構(gòu)提供了更多、更為廣泛的方式，對(duì)基于RGBD的三維重構(gòu)的研究提供了基礎(chǔ)。
　　本文提出了一種基于多深度相機(jī)標(biāo)定的點(diǎn)云數(shù)據(jù)模型重構(gòu)的方法，首先對(duì)多臺(tái)深度相機(jī)進(jìn)行標(biāo)定，利用這幾臺(tái)深度相機(jī)從不同視角下對(duì)被重構(gòu)場(chǎng)景進(jìn)行信息采集

2、，獲得一系列描述被測(cè)場(chǎng)景中的物體信息的點(diǎn)云數(shù)據(jù)；接著對(duì)獲得的點(diǎn)云做預(yù)處理，將標(biāo)定得到的運(yùn)動(dòng)參數(shù)作用于預(yù)處理后的點(diǎn)云，得到初始點(diǎn)云；最后以初始點(diǎn)云為配準(zhǔn)算法的初始估計(jì)，對(duì)該點(diǎn)云進(jìn)行精確配準(zhǔn)，完成了基于RGBD的三維場(chǎng)景重構(gòu)。論文主要工作：
　　(1)第二章設(shè)計(jì)了一種點(diǎn)云模型重構(gòu)系統(tǒng)框架。系統(tǒng)分為數(shù)據(jù)采集平臺(tái)和算法實(shí)現(xiàn)平臺(tái)，其中數(shù)據(jù)采集平臺(tái)應(yīng)用兩臺(tái)Kinect深度相機(jī)，結(jié)合Kinect Fusion技術(shù)，同時(shí)對(duì)被測(cè)場(chǎng)景進(jìn)行采樣，其中K

3、inect的垂直角度為0?，它距離被測(cè)場(chǎng)景1.5m，兩臺(tái)Kinect之間的夾角在150?~170?之間，場(chǎng)景選擇實(shí)驗(yàn)室某一角，橫向廣度為2m~4m。算法實(shí)現(xiàn)包括標(biāo)定和點(diǎn)云處理，結(jié)合PCL開源庫(kù)編程完成。
　　(2)第三章對(duì)深度相機(jī)的標(biāo)定進(jìn)行了研究。采用檢測(cè)角點(diǎn)準(zhǔn)確度高、抗噪聲能力強(qiáng)、應(yīng)用范圍廣的SUSAN算法對(duì)圖像角點(diǎn)進(jìn)行檢測(cè)，再利用棋盤格標(biāo)定算法標(biāo)定兩臺(tái) Kinect及其位置關(guān)系。
　　(3)第四章對(duì)深度相機(jī)點(diǎn)云數(shù)據(jù)的預(yù)處

4、理進(jìn)行了研究。本文利用雙邊濾波算法去除大規(guī)模的噪聲點(diǎn)，并采用三角網(wǎng)格模型對(duì)存在缺陷的點(diǎn)云數(shù)據(jù)模型進(jìn)行修補(bǔ)，同時(shí)結(jié)合PCL開源庫(kù)提供的octree數(shù)據(jù)結(jié)構(gòu)，壓縮存儲(chǔ)經(jīng)過處理后的點(diǎn)云數(shù)據(jù)，減少點(diǎn)云數(shù)據(jù)占用的空間量，從而提高處理的速度。
　　(4)第五章提出了一種基于多深度相機(jī)標(biāo)定的點(diǎn)云數(shù)據(jù)配準(zhǔn)改進(jìn)方法。本章對(duì)經(jīng)典的配準(zhǔn)算法做了相應(yīng)的研究，并根據(jù)已有的配準(zhǔn)算法存在的不足和缺陷，給出了一種基于多深度相機(jī)標(biāo)定的點(diǎn)云數(shù)據(jù)配準(zhǔn)方法。首先對(duì)深度相