收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

三维离散点云数据的预处理和配准技术研究

胡峰俊  
【摘要】:计算机视觉是富有挑战性的重要研究领域之一,是多学科交叉的综合性学科。三维重建是目前计算机视觉研究领域的一个研究热点,为了获取目标的三维点云模型,对不同视角下的三维点云求解空间刚体变换的旋转平移矩阵,将多个视角的点云合并成一个完整的点云(点云的配准技术)。点云配准技术是三维重建核心的技术,是虚拟现实、仿真设计、文物数字化等计算机视觉领域的研究热点和重点,并且越来越多的商业公司(如微软、英特尔)推出廉价的点云采集设备,开发颠覆性的人机交互模式,越来越多的交互式设计商业化产品的推出开辟了一个新的时代,具有很强的商业价值和现实意义;同时对该问题的研究还能丰富和充实以点云数据为研究对象计算机视觉领域研究,还具有较强的理论意义。本文针对复杂环境下离散点云的3D模型提取的问题,研究分别通过计算机立体匹配技术和深度摄像头获取点云的技术;以点云的法向量、平均曲率等几何信息为基础,研究基于曲率和统计学方法的离散点云滤波方法;以深度图像特征点和SIFT算法特征点为研究对象,研究基于不同特征点的点云初始配准;点云的精确配准算法主要包括了ICP算法和3DNDT算法,研究了基于步长动态更新的3DNDT点云精确配准算法,本文对相关问题进行了深入研究,主要工作和成果如下:1.深入分析了复杂环境下离散点云的不同获取方法。对立体匹配算法中比较具有代表性的局部匹配算法和半全局匹配算法进行研究。局部匹配算法采用sad算法,半全局匹配算法采用sgbm算法,通过实验证明当sad窗口太小或太大的时候,存在比较大的匹配误差,实验结果也表明算法实时性很强,匹配速度快,但是精度不高。sgbm算法的匹配代价计算采用bt算法,并且在能量公式中加入平滑约束,实验表明sgbm立体匹配算法比sad要好的多,并且实时性也很强。针对立体匹配算法效率低、检测精度不高的问题,引入了基于深度摄像头获取点云的办法,实验证明深度摄像头具有较快的检测速度和较高的检测精度。2.分析了已有复杂环境下离散点云滤波研究不足,针对海量点云数据密度不均匀性,噪声点、离群点多的问题,引入平均曲率的求解,提出了基于曲率和统计学方法的csf点云滤波;首先,针对离散点云的所有数据点进行统计分析,计算全局距离的均值和方差,求出离散点云内任一数据点的曲率,并求出曲率的平均值;然后,对离散点云进行立方体划分,对立方体内的所有数据点进行曲率阈值判断,保留立方体内曲率相近的数据点,对不满足阈值的立方体继续划分,直到满足阈值条件;遍历所有的立方体,将立方体内所有数据点用一个重心点表示,通过此种栅格滤波能将密度不均匀的点云数据均匀化;最后,通过离散点云全局距离阈值,数据点和其领域点之间的平均距离关系,删除离群点。大量数据的实验结果表明,本文算法稳定可靠,能够快速有效的对点云数据压缩和滤波,并大大的加快点云搜索速度。3.提出了一种基于sift特征点的点云初始配置算法,将二维图像中的sift算子拓展到三维点云空间。首先,将图像与尺度进行定位,运用高斯差分公式选取既定的特征点,其在旋转变化与尺度缩放中拥有不变性特征。其次,确定所有候选点的尺度与具体定位;再进行关键点的方向选定,将之后以图像数据为目标的操作均由特征点的定位、尺度与方操作所替代,使操作仍然具有不变性的特质。最后,计算关键点尺度范围内的梯度,生成特征点描述子。通过计算需要配准点云特征点和领域点之间的空间差异,形成一个多维直方图对该特征点的k领域几何属性进行描述。最后,随机的选择特征点直方图配准的点进行计算点云的选择平移关系。4.提出了一种基于深度图像关键点的采样一致性初始配置算法。通过寻找每个深度图像点在近邻区域有深度突变的位置进行边缘检测,对深度图像中每一个点的四种权重值,四种权重值分别代表该点在上下左右具有边界的可能性,提取深度图像的边界;计算边界的方向和深度图像表面的变化,计算边界点的主方向和曲率,采用高斯核函数对边界点投影角度和权重进行平滑处理,提取所需要的特征点;通过计算需要配准点云特征点和领域点之间的空间差异,形成一个多维直方图对该特征点的k领域几何属性进行描述。最后,随机的选择特征点直方图配准的点进行计算点云的旋转平移关系。5.针对三维点云配准算法收敛性差和容易陷入局部最优的问题,提出了一种基于牛顿迭代改进的三维正态分布变换算法(简称NM-3DNDT)。离散的三维点云表面采用分段平滑函数的一阶和二阶导数表示,将点云空间划分为立方体网格,并计算相应的均值和协方差矩阵。为降级算法的复杂度,引入高斯函数近似对数似然函数,并简化3DNDT算法的概率密度函数参数,通过雅克比矩阵和旋转平移方程求解Hessian矩阵和梯度向量,提出采用改进线性搜索来更新牛顿迭代算法的步长,确保算法在少量迭代次数后收敛。最后对算法进行了仿真实验并与其它算法进行了比较,结果表明所提出的算法能获得较好的配准效果,提高了算法配准精度和运行效率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨明菊;;单景扫描点云数据网模型的构建方法研究[J];硅谷;2011年08期
2 张春成;;一种改进的点云数据栅格算法[J];兵工自动化;2013年06期
3 徐伟恒;冯仲科;苏志芳;胥辉;焦有权;邓欧;;一种基于三维激光点云数据的单木树冠投影面积和树冠体积自动提取算法[J];光谱学与光谱分析;2014年02期
4 刘亚文;庞世燕;左志奇;;蚁群算法的建筑立面点云数据提取[J];武汉大学学报(信息科学版);2012年11期
5 喜文飞;方源敏;李帅;李健;;一种新的激光点云数据精简方法[J];测绘工程;2012年04期
6 何丽;李嘉;郑德华;;基于栅格的点云数据的边界探测方法[J];测绘工程;2013年03期
7 陈崇帮;欧新良;唐伟;李琦;;基于点云数据的去噪算法研究[J];长沙大学学报;2013年05期
8 钱锦锋,陈志杨,张三元,叶修梓;点云数据压缩中的边界特征检测[J];中国图象图形学报;2005年02期
9 李占贤;李振臣;陈杰;侯宇;;特殊工件扫描数据处理[J];机械工程师;2010年01期
10 夏永华;方源敏;陈杰;杨永明;左小清;;采空区点云数据的小波平滑方法[J];湖南科技大学学报(自然科学版);2012年01期
11 王可;唐忠辉;孙兴伟;;一种点云数据曲线光顺处理算法[J];组合机床与自动化加工技术;2013年02期
12 黄洪宇;陈崇成;邹杰;林定;;基于地面激光雷达点云数据的单木三维建模综述[J];林业科学;2013年04期
13 李健;王宗敏;马玉荣;田智慧;;多站激光点云数据全自动高精度拼接方法研究[J];武汉大学学报(信息科学版);2014年09期
14 李宝顺;岑红燕;包亚萍;李义丰;;基于平面提取的点云数据分割算法[J];计算机应用与软件;2014年07期
15 黄国珍,卢章平;面向逆向工程的点云数据精简方法[J];机械设计与研究;2005年03期
16 沈海平;达飞鹏;雷家勇;;基于最小二乘法的点云数据拼接研究[J];中国图象图形学报;2005年09期
17 周波;陈新河;谢雪冬;;多视点云数据自动拼合算法[J];自动化与仪器仪表;2007年01期
18 李丰;惠延波;吴小晴;;多视点云数据的拼合与精简技术研究[J];制造技术与机床;2009年08期
19 张昌明;;鼠标曲面点云数据处理及快速原型制作研究[J];机械设计与制造;2010年01期
20 孙玉文,刘伟军,王越超,刘健;截面扫描型点云数据的几何处理技术[J];机械科学与技术;2002年06期
中国重要会议论文全文数据库 前10条
1 闫龙;;摄影测量点云数据精简研究[A];第二十九届中国控制会议论文集[C];2010年
2 吴美金;;基于薄壁构件的点云数据提取[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年
3 段文国;张爱武;蔡广杰;;基于VTK的点云数据绘制研究与实现[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
4 宋碧波;卢小平;卢遥;;基于点云数据的建筑物三维重建[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年
5 张伟忠;张顺海;于德敏;;点云数据与建模软件的接口设计[A];全国第13届计算机辅助设计与图形学(CAD/CG)学术会议论文集[C];2004年
6 吕琼琼;杨晓晖;杨唐文;韩建达;庄严;;激光雷达点云数据的三维建模技术[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
7 刘佳;张爱武;杨丽萍;;室内场景激光点云数据的三维建模[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
8 隋立春;张熠斌;赵旦;;基于MicroStation的机载LiDAR点云数据分类处理软件[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年
9 黄承亮;吴侃;刘虎;;基于三维TIN的格网化点云数据特征提取[A];数字测绘与GIS技术应用研讨交流会论文集[C];2008年
10 杨铭;陈建峰;;基于CUDA的海量点云数据kNN查询算法[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年
中国博士学位论文全文数据库 前10条
1 赵江洪;古建筑散乱点云基准面的提取与拟合[D];武汉大学;2012年
2 谷晓英;三维重建中点云数据处理关键技术研究[D];燕山大学;2015年
3 张学昌;基于点云数据的复杂型面数字化检测关键技术研究及其系统开发[D];上海交通大学;2006年
4 王果;不同平台激光点云数据面状信息自动提取研究[D];中国矿业大学(北京);2014年
5 赵煦;基于地面激光扫描点云数据的三维重建方法研究[D];武汉大学;2010年
6 张会霞;三维激光扫描点云数据组织与可视化研究[D];中国矿业大学(北京);2010年
7 孙晓东;人体点云数据处理中若干问题的研究[D];北京工业大学;2012年
8 张帆;点云数据几何处理方法研究[D];西北大学;2013年
9 王举;基于激光扫描技术的水库大坝三维变形动态监测方法研究[D];郑州大学;2015年
10 杨建思;机载/地面海量点云数据组织与集成可视化方法研究[D];武汉大学;2011年
中国重要报纸全文数据库 前1条
1 张庆英;危房测量引入三维实景技术[N];中国测绘报;2014年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978