發(fā)布時間：2018-01-06 17:22

  本文關(guān)鍵詞：基于深度相機Kinect的植物葉片重建研究　出處：《江蘇大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 植物建模 Kinect 點云簡化 曲面重建 多密度重建

【摘要】：隨著計算機硬件技術(shù)和圖形處理技術(shù)的進一步發(fā)展,虛擬現(xiàn)實技術(shù)越來越廣泛運用于人們的日常生活中,包括科幻影視、體感游戲、智能穿戴等。而虛擬植物建模研究作為計算機圖形學(xué)領(lǐng)域的重要組成部分,也一直在不斷發(fā)展。從早期分形與L系統(tǒng)等經(jīng)典植物建模方法,至基于圖像的植物建模方法,再到現(xiàn)今基于點云的植物建模方法,模型在運行速度與真實感方面都得到了極大的提高。本文以植株的葉片作為研究對象,提出基于有限細節(jié)多密度點云加密植物葉片建模算法。首先通過深度相機Kinect掃描獲得葉片信息,其中包含深度數(shù)據(jù)和顏色數(shù)據(jù),并針對掃描中出現(xiàn)的一系列問題提出相關(guān)的研究方法,最終得到植物葉片模型。具體研究的相關(guān)內(nèi)容為:(1)通過Kinect獲得植物單葉片點云模型,在初始的去噪、匹配等預(yù)處理操作以后,針對葉片點云提出一種基于RGB的點云遞減簡化方法,該方法結(jié)合傳統(tǒng)的包圍盒算法能使簡化后的點云顏色過度更自然,并且有效分離粘合葉裂。(2)結(jié)合隱式函數(shù)曲面重建原理,將基于RGB信息遞減簡化后的葉片點云采用Poisson曲面重建算法,結(jié)合原始點云的曲面重建,分析其相似程度、重建細節(jié)效果以及重建時間空間性能等。(3)在基于人眼視覺識別的局限性上提出一種有限細節(jié)多密度點云重建算法,與傳統(tǒng)的網(wǎng)格重建算法不同,主要通過以點代面不斷細化點的密度來產(chǎn)生視覺誤差上的模糊曲面,實驗證明其重建效果和速度在一定程度上優(yōu)于網(wǎng)格重建。(4)將研究的內(nèi)容以模塊化的方式,結(jié)合OpenGL圖形庫和Qt GUI編程,構(gòu)建出交互式的葉片點云簡化、曲面重建、多密度重建的原型系統(tǒng),并根據(jù)用戶需求設(shè)置相關(guān)參數(shù),更直觀、更豐富地展現(xiàn)實驗結(jié)果。
[Abstract]:With the further development of computer hardware technology and graphics processing technology, virtual reality technology is more and more widely used in people's daily life, including science fiction film and television, body sense games. As an important part of computer graphics research on virtual plant modeling has been developing continuously from the early fractal and L system classical plant modeling methods. To the image-based plant modeling method, and now the point cloud-based plant modeling method, the model has been greatly improved in terms of speed and realism. In this paper, the plant leaves as the research object. A modeling algorithm based on finite details and multi-density point clouds is proposed. Firstly, the leaf information is obtained by depth camera Kinect scanning, which includes depth data and color data. Finally, the plant leaf model is obtained. The specific research content is: 1) the single leaf point cloud model of plant is obtained by Kinect. After the initial de-noising, matching and other pre-processing operations, a point cloud decrement simplification method based on RGB is proposed for the blade point cloud. This method combined with the traditional bounding box algorithm can make the color of the simplified point cloud more natural, and can effectively separate the splits of the splits.) combined with the principle of surface reconstruction of implicit functions. The blade point cloud which is simplified by decreasing RGB information is reconstructed by using Poisson surface reconstruction algorithm, and the similarity degree is analyzed by combining the surface reconstruction of the original point cloud. Based on the limitations of human visual recognition, this paper proposes a finite detail multi-density point cloud reconstruction algorithm, which is different from the traditional mesh reconstruction algorithm. The fuzzy surface on the visual error is produced mainly by using the point surface to refine the density of the point continuously. Experiments show that the reconstruction effect and speed is better than that of mesh reconstruction to a certain extent.) the contents of the study are modular, combined with OpenGL graphics library and QT GUI programming. An interactive prototype system of point cloud simplification, curved surface reconstruction and multi-density reconstruction is constructed, and the relevant parameters are set up according to the user's needs. The experimental results are more intuitive and abundant.
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 葉愛芬;龔聲蓉;王朝暉;劉純平;;基于隨機分布估計的點云密度提取[J];計算機工程;2009年04期

2 梁新合;梁晉;郭成;曹巨明;;法向約束的多幅點云數(shù)據(jù)融合算法[J];西安交通大學(xué)學(xué)報;2009年05期

3 孟凡文;吳祿慎;;用繼承與優(yōu)化算法精密拼接無序點云[J];光學(xué)精密工程;2009年04期

4 李海亮;鄧非;李剛;;攝影測量激光點云空洞修補[J];測繪科學(xué);2010年05期

5 張晶;楊云生;豐少偉;;基于點云法矢變化的點云簡化方法研究[J];計算機與數(shù)字工程;2011年12期

6 李曉久;景曉寧;;基于非接觸式測量的人體點云簡化方法[J];紡織學(xué)報;2012年07期

7 高恩陽;鄭昊鴻;;點云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

8 范然;金小剛;;大規(guī)模點云選擇及精簡[J];圖學(xué)學(xué)報;2013年03期

9 李偉;李旭東;趙慧潔;張穎;;基于姿態(tài)標準化的線特征點云提取方法[J];北京航空航天大學(xué)學(xué)報;2013年08期

10 錢偉春;3DSMAX中動態(tài)云的制作[J];多媒體世界;1999年03期

相關(guān)會議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點云生成和預(yù)處理[A];2011年全國通信安全學(xué)術(shù)會議論文集[C];2011年

2 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

3 馬國慶;陶萍萍;楊周旺;;點云空間曲線的微分信息計算及匹配方法[A];第四屆全國幾何設(shè)計與計算學(xué)術(shù)會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點云精簡算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機載激光點云快速繪制方法[A];第二十五屆全國空間探測學(xué)術(shù)研討會摘要集[C];2012年

6 李凱;張愛武;;基于激光點云的糧倉儲糧數(shù)量測量方法[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 朱曉強;余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點云的城市道路提取[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點云簡化與特征提取研究[A];促進科技經(jīng)濟結(jié)合，，服務(wù)創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學(xué)術(shù)年會論文集[C];2012年

9 李濱;王佳;;基于點云的建筑測繪信息提取[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點云切片技術(shù)研究[A];全國先進制造技術(shù)高層論壇暨第八屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2009年

相關(guān)重要報紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點云 亦真亦幻[N];解放軍報;2013年

2 中國工程院院士 劉先林;四維遠見的裝備創(chuàng)新[N];中國測繪報;2012年

相關(guān)博士學(xué)位論文 前10條

1 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

2 劉涌;基于連續(xù)序列自動快速拼接的全方位三維測量技術(shù)研究[D];西南交通大學(xué);2013年

3 袁小翠;產(chǎn)品表面缺陷視覺檢測數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];南昌大學(xué);2015年

4 韓峰;基于點云信息的既有鐵路狀態(tài)檢測與評估技術(shù)研究[D];西南交通大學(xué);2015年

5 金龍存;3D點云復(fù)雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學(xué);2012年

6 李揚彥;基于點云的三維重建與形變事件分析[D];中國科學(xué)院深圳先進技術(shù)研究院;2013年

7 楊德賀;面向虛擬測方系統(tǒng)的點云聚類與擬合理論[D];中國礦業(yè)大學(xué)（北京）;2014年

8 何朝明;離散點云處理的關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2007年

9 孟凡文;面向光柵投影的點云預(yù)處理與曲面重構(gòu)技術(shù)研究[D];南昌大學(xué);2010年

10 李寶;三維點云的魯棒處理技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點云三維網(wǎng)格重構(gòu)[D];河北大學(xué);2015年

2 楊紅粉;頻域技術(shù)應(yīng)用于點云配準研究[D];北京建筑大學(xué);2015年

3 段紅娟;點云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學(xué);2015年

4 張永恒;散亂點云數(shù)據(jù)配準方法研究[D];長安大學(xué);2015年

5 吳愛;面向特征擬合的點云簡化方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

6 薛廣順;基于立體視覺的牛體點云獲取方法研究與實現(xiàn)[D];西北農(nóng)林科技大學(xué);2015年

7 胡誠;精度約束下地表LiDAR點云抽稀方法研究[D];西南交通大學(xué);2015年

8 余明;三維離散點云數(shù)據(jù)處理技術(shù)研究[D];南京理工大學(xué);2015年

9 陳星宇;基于三維彩色點云的地形分類方法研究[D];南京理工大學(xué);2015年

10 朱東方;基于復(fù)雜拓撲結(jié)構(gòu)點云的曲線擬合研究與應(yīng)用[D];山東大學(xué);2015年

本文編號：1388846