由于點云數(shù)據(jù)匹配數(shù)量不足,導(dǎo)致重構(gòu)的三維圖像與實際圖像之間存在較大位置誤差。針對上述問題,進行基于VR技術(shù)的艦船航行環(huán)境快速重構(gòu)研究。研究以VR技術(shù)為依托,利用VR技術(shù)中的核心計算機完成4個步驟。首先對前端VR成像設(shè)備采集到的二維點云圖像進行預(yù)處理,包括點云去噪和精簡;然后進行攝像機標定,確定攝像機數(shù)學(xué)模型,從而得出三維空間中物體的幾何信息;再以得到的幾何信息為基礎(chǔ),進行點云特征點檢測與點云匹配;最后利用VR技術(shù)中的VTK軟件實現(xiàn)自動重構(gòu)。結(jié)果表明,與2種傳統(tǒng)重構(gòu)方法相比,本方法應(yīng)用后,點云匹配數(shù)量更多,重構(gòu)的三維圖像與實際圖像之間的位置誤差更小,證明了本方法的重構(gòu)性能。 

【文章來源】：艦船科學(xué)技術(shù). 2020,42(14)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

艦船模型與5種目標物布局圖Fig.1Shipmodelandlayoutoffiveobjects

配結(jié)果點云匹配數(shù)量越多，越有利于三維重構(gòu)，圖像質(zhì)量也就越好。表1為3種方法應(yīng)用下的點云匹配數(shù)量應(yīng)用結(jié)果�？梢钥闯�，本文方法應(yīng)用過程中，點云匹配數(shù)量要更多于2種傳統(tǒng)方法，在一定程度上說明本文方法的重構(gòu)的圖像質(zhì)量更好。表1點云匹配數(shù)量Tab.1Pointcloudmatchingquantity重構(gòu)方法VR技術(shù)視覺視頻融合數(shù)量/個3569256630152.3三維重構(gòu)結(jié)果為進一步說明本文重構(gòu)方法，進行最后的艦船航行環(huán)境圖像三維重構(gòu)，并與實際結(jié)果進行對比，計算其誤差。結(jié)果如圖2所示。圖2三維重構(gòu)結(jié)果Fig.23Dreconstructionresults根據(jù)圖2，進行具體誤差均方根計算，結(jié)果如表2所示。表2位置誤差Tab.2Positionerror重構(gòu)方法VR技術(shù)視覺視頻融合誤差/μm0.03410.2580.155可知，利用基于VR技術(shù)的方法進行艦船航行環(huán)境模擬重建，重建結(jié)果與真實圖像之間的誤差為0.0341μm，而利用基于視覺和基于視頻融合的方法進行艦船航行環(huán)境模擬重建，重建結(jié)果與真實圖像之間的誤差要更大，由此本文方法能夠更好地構(gòu)建動態(tài)虛擬場景，完成復(fù)雜真實場景三維圖形重建。3結(jié)語為更好地控制船舶運行，規(guī)避風險，有必要對船舶航行環(huán)境進行重構(gòu)。當前船舶采集的環(huán)境監(jiān)測設(shè)備采集到的圖像多為二維圖像，圖像中信號含量不足，因此會影響船舶控制者做出判斷。為此，結(jié)合VR技術(shù)進行船舶航行環(huán)境重構(gòu)。經(jīng)測試，本方法重構(gòu)的圖像精度更高，更能保證船舶的航行安全性。參考文獻：邱紹楊,任鴻翔,尹金崗.基于虛擬現(xiàn)實技術(shù)的船舶救生培訓(xùn)系統(tǒng)[J].中國航海,2018,41(2):68–72.[1]顧營迎,王立,華寶成,等.一種面向空間非合作目標位姿測量應(yīng)用的三維點云濾波算?

【參考文獻】：
期刊論文
[1]基于改進SIFT-ICP算法的物體點云建模方法[J]. 于灝,杜華軍,蔡瑩皓,魯濤,王睿,王碩.  高技術(shù)通訊. 2019(08)
[2]一種面向空間非合作目標位姿測量應(yīng)用的三維點云濾波算法[J]. 顧營迎,王立,華寶成,劉達,吳云,徐云飛.  應(yīng)用光學(xué). 2019(02)
[3]基于虛擬現(xiàn)實技術(shù)的船舶救生培訓(xùn)系統(tǒng)[J]. 邱紹楊,任鴻翔,尹金崗.  中國航海. 2018(02)



本文編號：3573708