基于Kinect传感器的三维点云模型重建研究

摘要

随着计算机视觉理论研究的深入和软硬件技术的发展，物体及人体三维模型越来越广泛的应用于科研与生产中，并日益受到人们的关注和重视。针对传统的三维建模设备存在的昂贵、复杂等问题，本文提出了一种基于Kinect传感器的物体及人体三维点云模型重建方法。主要研究内容如下：
　　首先，阐述了本文研究背景及意义，总结了三维建模的研究现状，概述了本文的研究方法。并简述了Kinect的软硬件系统及其技术应用，分析了其深度图像的获取原理和转化为三维图像的方式。
　　然后，分析了深度图像的噪声来源，并用多种滤波算法对其噪音进行实验对比和分析。介绍并对比基于背景差分法和阈值分割法的深度图像分割方式。
　　最后，详细介绍了SIFT算法与SURF算法，并对比提取和匹配图像特征点的效率。采用ICP算法融合多角度下的三维点云图像，经 RANSAC算法剔除错误点后得到物体完整的三维点云模型。并以实验对比本文方法与传统方法的优势，从多角度对本文方法进行误差分析。
　　本文所提出的三维点云模型重建方法，能够满足复杂背景下的物体和人体点云模型重建要求，与传统设备及方法相比降低了三维建模的费用和难度。实验最终得到的三维点云模型的精度较高，并带有物体颜色与纹理信息，在实际生产中有着广阔的应用前景。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究的背景及其意义

1.2 国内外研究现状

1.3 本文研究内容及研究方法

1.4 各章节安排

第2章 Kinect传感器及深度图像的获取与优化

2.1 Kinect传感器

2.2 Kinect传感器硬软件系统

2.3 深度信息的获取

2.4 Kinect传感器的深度信息的数据结构

2.5 深度信息的变换

2.6 三维点云显示

2.7 本章小结

第3章 基于深度图像的点云数据处理

3.1 点云的概念

3.2 Kinect深度图像噪声分析

3.3 深度图像预处理

3.4 物体点云分割

3.5 本章小结

第4章 三维点云图像拼接

4.1 局部特征点选取

4.2 SURF算法

4.3 SURF算法与传统SIFT算法性能比较

4.4 利用ICP对点云图像拼接

4.5 本章小结

第5章 基于Kinect传感器的三维点云模型实验与分析

5.1 实验环境和实验设备

5.2 三维物体点云模型重建实验

5.3 三维人体点云模型重建实验

5.4 实验总结分析

5.5 本章小结

第6章 总结与展望

6.1 论文总结

6.2 进一步研究工作

致谢

参考文献

附录1攻读硕士学位期间发表的论文

附录2攻读硕士学位期间参加的科研项目