Kinect点云数据与序列影像结合的三维重建技术

摘要

随着科技的发展，三维重建技术已经被越来越多的用在各种领域，如虚拟现实与3D打印。微软的Kinect设备以其便宜的价格和相对较好的点云质量而被越来越多的使用在三维重建中。本文对基于Kinect RGB-D信息的三维重建进行研究。主要研究内容如下：
　　首先，本文重新标定了深度相机和色彩相机的内参及相对位置关系。在以往的 Kinect开发中，开发人员均使用厂家给出的粗略的相机参数，并且目前还未出现精度较高的标定方法来计算RGB相机与深度传感器之间的相对位姿关系。这不仅导致点云质量下降，而且成为RGB-D数据融合的阻碍。本文分析了Kinect成像原理，并用棋盘格标定的方法，较为准确的建立了深度信息与彩色信息之间的联系，使彩色信息也得到了充分的利用。
　　其次，针对 Kinect点云质量较差的问题，本文对点云数据的优化提出了一些改进方案。对于 Kinect数据的优化，我们分为两个步骤，即深度图级别的优化及点云级别的优化。经过两个步骤的优化，一定程度上减少了噪声对点云数据的影响，并删除了较多错误点，获得了更高质量的点云。
　　然后，本文提出一种基于点云与RGB信息的联合配准算法。该算法对传统的基于 RGB-D数据的点云配准算法进行改进，首先分别提取两个视角点云的 SIFT特征点，然后进行特征点匹配，找到对应的特征点，接着将这些二维特征点转换为三维点云，最后利用奇异值分解的方法，通过这些点云算出两片点云的相对变换矩阵，并将此矩阵作为 ICP配准的初始值，进行精配准，使配准达到了更高的精度。
　　最后，利用本文的改进算法，提出一种基于多 Kinect设备的快速三维重建系统，基本实现了自动化操作，并具有较好的配准精度与模型重建效果。
　　实验结果表明，重新标定相机参数及深度图优化之后，点云的质量较之前大大提高。而使用基于RGB-D信息的点云配准算法后，大大提高了视角差异较大时点云配准的成功率与精度。

目录

声明

第一章 绪 论

1.1 研究背景及意义

1.2 三维重建研究现状

1.3 本文主要工作

1.4 本论文的章节安排

第二章 基础理论知识与设备简介

2.1 针孔相机模型

2.2 张正友相机标定法

2.3 点云及点云配准

2.4 基于奇异值分解的三维点云配准方法

2.5 SIFT特征点

2.6 Kinect传感器简介

2.7 本章小结

第三章 单视角点云生成

3.1 算法大致流程

3.2 各模块功能

3.3 本章小结

第四章 点云配准

4.1 点云粗配准方法

4.2 ICP点云精配准方法

4.3基于SIFT特征点的点云配准算法

4.4 改进的RGB-D点云配准方法

4.5实验与结果分析

4.6 本章小结

第五章 基于多Kinect的快速三维重建系统设计与实现

5.1 需求分析

5.2 系统设计与实现

5.3 实验结果

5.4 本章小结

第六章 总结与展望

6.1 本文工作总结

6.2 未来工作展望

致谢

参考文献