基于多深度相機標定的點云數(shù)據(jù)模型重構(gòu).pdf

1、三維場景重構(gòu)是三維重構(gòu)的一部分，它主要是對場景進行數(shù)學建模的一種技術(shù)?，F(xiàn)有的三維場景重構(gòu)多數(shù)是基于RGB進行建模，主要通過對背景圖像的分割并對對象建模生成點云進行的，一般算法速度偏低。深度相機的推廣，為實現(xiàn)三維場景重構(gòu)提供了更多、更為廣泛的方式，對基于RGBD的三維重構(gòu)的研究提供了基礎(chǔ)。
　　本文提出了一種基于多深度相機標定的點云數(shù)據(jù)模型重構(gòu)的方法，首先對多臺深度相機進行標定，利用這幾臺深度相機從不同視角下對被重構(gòu)場景進行信息采集

2、，獲得一系列描述被測場景中的物體信息的點云數(shù)據(jù)；接著對獲得的點云做預(yù)處理，將標定得到的運動參數(shù)作用于預(yù)處理后的點云，得到初始點云；最后以初始點云為配準算法的初始估計，對該點云進行精確配準，完成了基于RGBD的三維場景重構(gòu)。論文主要工作：
　　(1)第二章設(shè)計了一種點云模型重構(gòu)系統(tǒng)框架。系統(tǒng)分為數(shù)據(jù)采集平臺和算法實現(xiàn)平臺，其中數(shù)據(jù)采集平臺應(yīng)用兩臺Kinect深度相機，結(jié)合Kinect Fusion技術(shù)，同時對被測場景進行采樣，其中K

3、inect的垂直角度為0?，它距離被測場景1.5m，兩臺Kinect之間的夾角在150?~170?之間，場景選擇實驗室某一角，橫向廣度為2m~4m。算法實現(xiàn)包括標定和點云處理，結(jié)合PCL開源庫編程完成。
　　(2)第三章對深度相機的標定進行了研究。采用檢測角點準確度高、抗噪聲能力強、應(yīng)用范圍廣的SUSAN算法對圖像角點進行檢測，再利用棋盤格標定算法標定兩臺 Kinect及其位置關(guān)系。
　　(3)第四章對深度相機點云數(shù)據(jù)的預(yù)處

4、理進行了研究。本文利用雙邊濾波算法去除大規(guī)模的噪聲點，并采用三角網(wǎng)格模型對存在缺陷的點云數(shù)據(jù)模型進行修補，同時結(jié)合PCL開源庫提供的octree數(shù)據(jù)結(jié)構(gòu)，壓縮存儲經(jīng)過處理后的點云數(shù)據(jù)，減少點云數(shù)據(jù)占用的空間量，從而提高處理的速度。
　　(4)第五章提出了一種基于多深度相機標定的點云數(shù)據(jù)配準改進方法。本章對經(jīng)典的配準算法做了相應(yīng)的研究，并根據(jù)已有的配準算法存在的不足和缺陷，給出了一種基于多深度相機標定的點云數(shù)據(jù)配準方法。首先對深度相