基于多深度相机标定的点云数据模型重构

摘要

三维场景重构是三维重构的一部分，它主要是对场景进行数学建模的一种技术。现有的三维场景重构多数是基于RGB进行建模，主要通过对背景图像的分割并对对象建模生成点云进行的，一般算法速度偏低。深度相机的推广，为实现三维场景重构提供了更多、更为广泛的方式，对基于RGBD的三维重构的研究提供了基础。
　　本文提出了一种基于多深度相机标定的点云数据模型重构的方法，首先对多台深度相机进行标定，利用这几台深度相机从不同视角下对被重构场景进行信息采集，获得一系列描述被测场景中的物体信息的点云数据；接着对获得的点云做预处理，将标定得到的运动参数作用于预处理后的点云，得到初始点云；最后以初始点云为配准算法的初始估计，对该点云进行精确配准，完成了基于RGBD的三维场景重构。论文主要工作：
　　(1)第二章设计了一种点云模型重构系统框架。系统分为数据采集平台和算法实现平台，其中数据采集平台应用两台Kinect深度相机，结合Kinect Fusion技术，同时对被测场景进行采样，其中Kinect的垂直角度为0?，它距离被测场景1.5m，两台Kinect之间的夹角在150?~170?之间，场景选择实验室某一角，横向广度为2m~4m。算法实现包括标定和点云处理，结合PCL开源库编程完成。
　　(2)第三章对深度相机的标定进行了研究。采用检测角点准确度高、抗噪声能力强、应用范围广的SUSAN算法对图像角点进行检测，再利用棋盘格标定算法标定两台 Kinect及其位置关系。
　　(3)第四章对深度相机点云数据的预处理进行了研究。本文利用双边滤波算法去除大规模的噪声点，并采用三角网格模型对存在缺陷的点云数据模型进行修补，同时结合PCL开源库提供的octree数据结构，压缩存储经过处理后的点云数据，减少点云数据占用的空间量，从而提高处理的速度。
　　(4)第五章提出了一种基于多深度相机标定的点云数据配准改进方法。本章对经典的配准算法做了相应的研究，并根据已有的配准算法存在的不足和缺陷，给出了一种基于多深度相机标定的点云数据配准方法。首先对深度相机以及两者的位置关系进行标定，接着利用标定结果对点云预处理后的数据进行初始配准，最后利用ICP算法进行精确配准。
　　本实验结果表明，本文提出的基于多深度相机标定的点云配准方法，较传统的配准算法，在计算效率上得到了显著的提升，且配准的效果显得更加精确。本文方法配准精度高且计算速度快，在生产应用上面有广泛的使用范围和价值。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 主要研究内容及其章节安排

1.3 小结

第二章 点云模型重构系统框架

2.1 总体系统框架简介

2.2 数据采集平台

2.3算法实现平台

2.4 小结

第三章 多深度相机标定

3.1 相机标定原理

3.2 角点提取算法

3.3 相机标定算法

3.4 实验分析

3.5 小结

第四章 深度相机点云数据的预处理

4.1 点云除噪

4.2 点云修补

4.3 点云压缩

4.4 实验分析

4.5 小结

第五章 基于深度相机标定的点云配准改进方法

5.1传统点云数据配准

5.2 基于多深度相机几何参数的点云配准

5.3 实验效果和分析

5.4 小结

第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

附录