本文選題：OpenCL　切入點(diǎn)：ICP　出處：《北方工業(yè)大學(xué)》2016年碩士論文

【摘要】：隨著三維掃描技術(shù)的發(fā)展成熟與普及,三維應(yīng)用技術(shù)得到了較好的發(fā)展。尤其是在逆向工程、文物保護(hù)、缺陷檢測(cè)、醫(yī)學(xué)手術(shù)、3D打印以及游戲娛樂等領(lǐng)域獲得了廣泛的關(guān)注與研究。由于部分遮擋等問題,所以為了獲得完整的點(diǎn)云數(shù)據(jù),需要進(jìn)行多次掃描拼接配準(zhǔn)。而三維點(diǎn)云配準(zhǔn)一直以來(lái)都是三維掃描問題中的關(guān)鍵技術(shù)。本文在前人的研究基礎(chǔ)上,主要研究了點(diǎn)云配準(zhǔn)技術(shù)以及GPU并行技術(shù),研究并實(shí)現(xiàn)了采用近似最近點(diǎn)的ICP迭代最近點(diǎn)并行配準(zhǔn)算法與Kinect現(xiàn)場(chǎng)取景掃描配準(zhǔn)建模系統(tǒng)。本文的主要研究成果如下：針對(duì)kd-tree搜索算法回溯查詢效率低且其與ICP迭代最近點(diǎn)點(diǎn)云配準(zhǔn)算法結(jié)合不緊密等問題,本文提出了基于ICP迭代最近點(diǎn)點(diǎn)云配準(zhǔn)算法特性的kd-tree近似最近點(diǎn)查找算法及其GPU并行實(shí)現(xiàn),通過非遞歸建樹,動(dòng)態(tài)控制建樹層次,控制回溯空間等步驟完成對(duì)應(yīng)點(diǎn)集的獲取。最后通過實(shí)驗(yàn)證明所提出近似最近點(diǎn)查找算法,有效的提高了對(duì)應(yīng)點(diǎn)集的查找效率,進(jìn)而提高了ICP迭代最近點(diǎn)點(diǎn)云配準(zhǔn)算法的時(shí)間效率。針對(duì)ICP迭代最近點(diǎn)點(diǎn)云配準(zhǔn)算法對(duì)大數(shù)量集數(shù)據(jù)配準(zhǔn)效率低以及當(dāng)前GPU算法的設(shè)備局限性,本文提出了將CPU下的近似最近點(diǎn)ICP配準(zhǔn)算法,通過OpenCL通用GPU并行平臺(tái)移植到GPU中,采用GPU對(duì)算法進(jìn)行并行加速。最后通過實(shí)驗(yàn)證明本文所實(shí)現(xiàn)GPU下的ICP迭代最近點(diǎn)點(diǎn)云配準(zhǔn)算法,具有較好的通用性與時(shí)間效率。設(shè)計(jì)并實(shí)現(xiàn)了Kinect現(xiàn)場(chǎng)取景掃描配準(zhǔn)建模系統(tǒng),該系統(tǒng)主要實(shí)現(xiàn)通過現(xiàn)場(chǎng)數(shù)據(jù)采集完成模型配準(zhǔn)。通過結(jié)合Kinect深度相機(jī)、特征提取粗配準(zhǔn)算法以及本文所實(shí)現(xiàn)算法,所實(shí)現(xiàn)的系統(tǒng)包括數(shù)據(jù)采集,三維重建,模型預(yù)處理,模型配準(zhǔn)等功能模塊。系統(tǒng)實(shí)驗(yàn)效果圖,顯示所實(shí)現(xiàn)系統(tǒng)能夠處理復(fù)雜場(chǎng)景,并對(duì)噪聲具有一定的魯棒性。
[Abstract]:With the development and popularization of 3D scanning technology, 3D application technology has been well developed.Especially in reverse engineering, cultural relic protection, defect detection, medical surgery 3D printing and game entertainment and other fields have received extensive attention and research.Due to partial occlusion and other problems, in order to obtain complete point cloud data, it is necessary to perform multiple scanning stitching registration.And 3D point cloud registration has always been a key technology in 3D scanning.Based on the previous researches, this paper mainly studies the point cloud registration technology and GPU parallel technology, and studies and implements the ICP iterative nearest point parallel registration algorithm and the Kinect scene scanning registration modeling system using approximate nearest points.The main research results of this paper are as follows: aiming at the low efficiency of backtracking query of kd-tree search algorithm and the problem that it is not tightly combined with the nearest point cloud registration algorithm of ICP iteration,In this paper, based on the characteristics of ICP iterative nearest point cloud registration algorithm, the kd-tree approximate nearest point search algorithm and its GPU parallel implementation are proposed. The corresponding point sets are obtained by non-recursive tree building, dynamic control of tree building hierarchy and control of backtracking space.Finally, it is proved by experiments that the proposed approximate nearest point search algorithm can effectively improve the search efficiency of the corresponding point set, and then improve the time efficiency of the ICP iterative nearest point cloud registration algorithm.In view of the low efficiency of ICP iterative nearest point cloud registration algorithm for large number of data sets and the equipment limitation of current GPU algorithm, this paper proposes an approximate nearest point ICP registration algorithm based on CPU, which is transplanted to GPU through OpenCL general GPU parallel platform.GPU is used to accelerate the algorithm in parallel.Finally, it is proved by experiments that the ICP iterative nearest point cloud registration algorithm implemented in this paper has good generality and time efficiency.The Kinect scene scanning registration modeling system is designed and implemented. The system mainly realizes the model registration through field data acquisition.Through the combination of Kinect depth camera, feature extraction rough registration algorithm and the algorithm implemented in this paper, the system includes data acquisition, 3D reconstruction, model preprocessing, model registration and other functional modules.The experimental results show that the system can deal with complex scenes and is robust to noise.
【學(xué)位授予單位】：北方工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP338.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣睿嵩;張定華;張順利;程云勇;;帶變形渦輪葉片精確配準(zhǔn)算法研究[J];CT理論與應(yīng)用研究;2009年01期

2 李在娟;付宜利;高文朋;;基于路徑的血管介入手術(shù)電磁跟蹤的配準(zhǔn)算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S1期

3 蔣睿嵩;魏發(fā)遠(yuǎn);馮大勇;閆茂振;;一種權(quán)值約束的精確配準(zhǔn)算法[J];圖學(xué)學(xué)報(bào);2014年02期

4 左森;郭曉松;萬(wàn)敬;郭君斌;;基于支持向量回歸的光度配準(zhǔn)算法[J];微電子學(xué)與計(jì)算機(jī);2006年12期

5 於時(shí)才;呂艷瓊;;一種圖像快速配準(zhǔn)算法的研究[J];激光與紅外;2009年04期

6 謝永勝;余正生;;圖像快速配準(zhǔn)算法的改進(jìn)[J];機(jī)電工程;2010年02期

7 郭明;周曉東;;艦船小目標(biāo)圖像配準(zhǔn)算法[J];光子學(xué)報(bào);2012年02期

8 李寶峰;田寶華;張曉明;鄭明玲;;全局自動(dòng)圖像配準(zhǔn)算法加速器[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年10期

9 陳華杰;馮衛(wèi)平;林岳松;郭云飛;;基于稀疏方位超圖匹配的圖像配準(zhǔn)算法[J];光電子.激光;2010年12期

10 王學(xué)敏;王國(guó)宏;陳壘;;航跡圖像的2D雷達(dá)系統(tǒng)誤差配準(zhǔn)算法[J];火力與指揮控制;2012年06期

相關(guān)會(huì)議論文 前7條

1 張政;張彩明;;一種基于法向特征的點(diǎn)云數(shù)據(jù)配準(zhǔn)算法[A];中國(guó)圖學(xué)新進(jìn)展2007——第一屆中國(guó)圖學(xué)大會(huì)暨第十屆華東六省一市工程圖學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

2 梅躍松;楊樹興;莫波;;一種基于新的相似性測(cè)度的自動(dòng)圖像配準(zhǔn)算法[A];2007'中國(guó)儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（一）[C];2007年

3 王瑞瑞;王晉年;馬建文;;基于虛擬窗口統(tǒng)計(jì)特征的可見光與熱紅外影像配準(zhǔn)算法研究[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

4 孫凡;;基于無(wú)人機(jī)多光譜成像儀圖像的配準(zhǔn)算法研究[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

5 郗潤(rùn)平;武瀟;張艷寧;;基于子束變換和Harris角點(diǎn)的圖像配準(zhǔn)算法[A];全國(guó)第三屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)交流會(huì)�？痆C];2009年

6 曹世翔;江潔;張廣軍;袁艷;;一種簡(jiǎn)化SIFT的圖像配準(zhǔn)算法[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

7 蔣曉瑜;田宏亮;張文明;;基于梯度互信息的小波域圖像配準(zhǔn)算法研究[A];第六屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2012年

相關(guān)博士學(xué)位論文 前8條

1 張超;基于局部特征的圖像配準(zhǔn)算法及應(yīng)用研究[D];北京理工大學(xué);2015年

2 楊娟;醫(yī)學(xué)圖像配準(zhǔn)和四維磁共振成像相關(guān)技術(shù)研究[D];山東大學(xué);2015年

3 虞剛;在線自適應(yīng)放療若干關(guān)鍵問題的研究[D];東南大學(xué);2015年

4 章學(xué)靜;像素級(jí)圖像增強(qiáng)及配準(zhǔn)算法研究[D];北京理工大學(xué);2014年

5 梁月強(qiáng);圖像引導(dǎo)放射治療若干關(guān)鍵問題的研究[D];電子科技大學(xué);2012年

6 劉朝霞;航空遙感圖像配準(zhǔn)算法研究[D];大連海事大學(xué);2011年

7 葉宏;多傳感器系統(tǒng)配準(zhǔn)算法研究[D];中國(guó)工程物理研究院;2014年

8 祁永慶;多平臺(tái)多傳感器配準(zhǔn)算法研究[D];上海交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 劉新;三維點(diǎn)云數(shù)據(jù)的配準(zhǔn)算法研究[D];燕山大學(xué);2015年

2 楊昆;基于互相關(guān)和點(diǎn)特征的圖像配準(zhǔn)算法研究[D];中國(guó)礦業(yè)大學(xué);2015年

3 陳平君;配準(zhǔn)方法可重現(xiàn)比較流程與纖維束分割算法研究[D];大連理工大學(xué);2015年

4 陳聰;低照度圖像配準(zhǔn)算法研究[D];西安電子科技大學(xué);2014年

5 王冰;基于GPU的粘性流體醫(yī)學(xué)圖像彈性配準(zhǔn)算法研究[D];蘭州交通大學(xué);2015年

6 曹紅洋;基于Demons算法的圖像非剛性配準(zhǔn)算法研究[D];南昌航空大學(xué);2015年

7 李耀東;基于分布估計(jì)算法和互信息的醫(yī)學(xué)圖像剛性配準(zhǔn)算法研究[D];沈陽(yáng)工業(yè)大學(xué);2016年

8 宋江典;多模態(tài)腦影像配準(zhǔn)算法設(shè)計(jì)與實(shí)現(xiàn)[D];東北大學(xué);2014年

9 劉忠建;基于并行計(jì)算的點(diǎn)云配準(zhǔn)算法研究[D];北方工業(yè)大學(xué);2016年

10 林存花;醫(yī)學(xué)影像彈性配準(zhǔn)算法的設(shè)計(jì)與實(shí)現(xiàn)[D];西安電子科技大學(xué);2011年

，

本文編號(hào)：1726747