基于移动机器人激光测距数据的物体三维重建

摘要

近年来随着激光等三维数据采样技术以及硬件设备的日益完善和机器人技术以及计算机技术的发展,基于散乱数据的物体三维重建获得了越来越广泛的应用.散乱数据点的三角剖分是物体三维重建中的重要环节,也是进行三维重建的前提和基础.所以本文对散乱数据的三角剖分进行了理论和实验研究,目的是通过对移动机器人激光测距仪采集的数据进行三角剖分,对物体进行三维重建.首先,在平面三角剖分方面,本文在总结和比较目前存在的平面三角剖分方法的基础上,采用分治法和逐点插入法相结合的方法,将数据点数目超过分割阈值的散乱点集分割成若干部分分别剖分后再相连,提高了算法效率并且减少了占用的内存.通过实验得到了屋顶数据合理的三角剖分结果,并针对不同的分割阈值进行实验,对算法执行时间与分割阈值的关系进行分析.其次,在约束三角剖分方面,本文采用先建立初始网格再插入约束线段的方法,对现存的算法进行了改进,将点集、边及三角形分块索引,减少了搜索时间.算法不需要块间的合并,降低了算法的复杂度.算法对影响区域的数据也进行了有效的管理,减少了三角网局部重建的时间,提高了算法的执行效率.通过实验得到了走廊数据的三角剖分,并对该算法所主要耗费时间的方面进行分析.最后,在空间三角剖分方面,本文根据采集的数据仅是物体表面数据的特点,建立物体表面轮廓线,采用最短对角线法、控制点匹配法在相邻轮廓线之间进行三角剖分,得到了箱子和人的合理的三维重建结果.然后对这两种方法进行了比较,并分析了控制点匹配法优于最短对角线法的原因.在数据点减少时,使用插值函数代替线段连接轮廓线,使得网格简化时具有更好的效果.

目录

文摘

英文文摘

独创性说明

1绪论

1.1研究意义

1.2国内外研究综述

1.3移动机器人平台

1.4本文的主要工作

2二维散乱数据的Delaunay三角剖分

2.1 DT的概念、性质及优化准则

2.1.1 DT的概念

2.1.2 DT的性质

2.1.3 DT的优化准则

2.2 DT生成算法概述

2.2.1分治算法

2.2.2逐点插入法

2.2.3三角网生长法

2.3分区插入算法

2.3.1分区插入算法流程

2.3.2分区插入法基本三角网的生成

2.3.3分区插入法子三角网的合并

2.4分区插入法实例及讨论

3二维约束Delaunay三角剖分

3.1 CDT的性质和约束条件

3.2 CDT算法介绍

3.3约束线段法

3.3.1格网索引建立

3.3.2搜索约束线段起点

3.3.3影响域的确定

3.3.4影响域三角网的局部重建

3.4约束线段法实例及结论

4基于二维轮廓线的物体三维重建

4.1基于轮廓线的三维重建概述

4.2基于轮廓线的三维重建的方法介绍

4.2.1最短对角线法

4.2.2控制点匹配法

4.3实验结果和讨论

5总结及展望

5.1论文总结

5.2工作展望

参考文献

攻读硕士学位期间发表学术论文情况

致 谢

大连理工大学学位论文版权使用授权书