本文選題：三維點(diǎn)云　切入點(diǎn)：局部特征　出處：《吉林大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：三維點(diǎn)云中的目標(biāo)識(shí)別一直是計(jì)算機(jī)圖像和模式識(shí)別領(lǐng)域中的一個(gè)熱門話題,然而三維點(diǎn)云中存在著如噪聲污染、目標(biāo)遮擋和點(diǎn)云密度變化等滋擾現(xiàn)象,這些滋擾增加了目標(biāo)識(shí)別的難度�；诰植刻卣鞯哪繕�(biāo)識(shí)別可以很好地解決復(fù)雜場(chǎng)景中的目標(biāo)遮擋問題,但是目前對(duì)處理噪聲尤其是點(diǎn)云密度變化的相關(guān)研究還比較少。為了解決復(fù)雜三維點(diǎn)云場(chǎng)景中目標(biāo)識(shí)別出現(xiàn)的問題,本文主要完成了以下工作:首先概述了基于局部特征的三維目標(biāo)識(shí)別方法,詳細(xì)介紹了每一個(gè)步驟的具體方法。并對(duì)影響目標(biāo)識(shí)別效率的兩個(gè)關(guān)鍵步驟——特征點(diǎn)和特征描述提取進(jìn)行了大量研究。在特征點(diǎn)提取方面,主要研究了目前識(shí)別效果較好的三維固有形狀簽名(Intrinsic Shape Signatures 3D,ISS3D)特征點(diǎn)方法,通過采取帶距離和點(diǎn)云密度權(quán)重的散布矩陣(Scatter Matrix)處理ISS3D對(duì)噪聲和點(diǎn)云密度變化特別敏感的問題。同時(shí)利用張量投票的方法去除離群點(diǎn),最后用表面曲率作為顯著度增加特征點(diǎn)數(shù)目。通過在Retrieval模型庫(kù)和Bo D1模型庫(kù)中進(jìn)行的特征點(diǎn)性能比較實(shí)驗(yàn),證明了改進(jìn)后的ISS3D特征點(diǎn)方法對(duì)噪聲和點(diǎn)云密度變化的具有較高的魯棒性。在特征描述階段,主要研究了目前點(diǎn)云特征中比較常用的方向直方圖簽名特征(Signature of Histograms of Orien Tations,SHOT)。SHOT特征繼承了基于簽名特征的高描述性,同時(shí)具備了基于直方圖特征的高魯棒性,在三維點(diǎn)云識(shí)別中應(yīng)用廣泛。SHOT特征對(duì)噪聲具有很高的魯棒性,但極易受點(diǎn)云密度變化影響。針對(duì)這個(gè)問題,本文在建立局部坐標(biāo)系(Local Reference Frame,LRF)時(shí)提出了一種新的幾何重心并添加了點(diǎn)云密度權(quán)重。在計(jì)算SHOT直方圖特征時(shí),提出了一種新的計(jì)算法向的方法,能夠較好的處理噪聲和點(diǎn)云密度變化。實(shí)驗(yàn)發(fā)現(xiàn)改進(jìn)后的SHOT特征提高了對(duì)噪聲和點(diǎn)云密度變化描述性與魯棒性。在復(fù)雜場(chǎng)景中的三維目標(biāo)識(shí)別實(shí)驗(yàn)中,本文首先對(duì)Bo D1模型庫(kù)中進(jìn)行了降采樣,生成了實(shí)驗(yàn)所需的同時(shí)存在噪聲和點(diǎn)云密度變化問題的模型庫(kù)。在進(jìn)行目標(biāo)識(shí)別實(shí)驗(yàn)時(shí),本文使用了最近鄰比次近鄰的方法(NNDR)計(jì)算初步的特征匹配,然后利用廣義霍夫變換(Generalized Hough Transform,GHT)生成位置假設(shè),最后使用ICP算法對(duì)所有假設(shè)進(jìn)行驗(yàn)證,從中選擇出目標(biāo)復(fù)雜點(diǎn)云場(chǎng)景中目標(biāo)可能出現(xiàn)的位置。實(shí)驗(yàn)表明,對(duì)于復(fù)雜的三維點(diǎn)云場(chǎng)景中的目標(biāo)識(shí)別,本文的方法對(duì)于噪聲和點(diǎn)云密度變化問題具有很好的識(shí)別效果。
[Abstract]:Target recognition in 3D point cloud has been a hot topic in the field of computer image and pattern recognition. However, there are nuisance phenomena such as noise pollution, target occlusion and change of point cloud density in 3D dot cloud. These disturbances increase the difficulty of target recognition. Target recognition based on local features can solve the problem of target occlusion in complex scenes. In order to solve the problem of target recognition in complex 3D point cloud scene, however, there are few researches on how to deal with the noise, especially the change of point cloud density. The main work of this paper is as follows: firstly, the method of 3D target recognition based on local features is summarized. The specific methods of each step are introduced in detail. Two key steps that affect the efficiency of target recognition, feature point extraction and feature description extraction, are studied. In this paper, we mainly study the feature point method of intrinsic Shape Signatures 3DX ISS3D, which has good recognition effect at present. A scatter matrix with distance and weight of point cloud density is adopted to deal with the problem that ISS3D is particularly sensitive to noise and point cloud density changes. At the same time, the method of Zhang Liang voting is used to remove outliers. Finally, the surface curvature is used to increase the number of feature points. The performance of feature points in Retrieval model base and Bo D1 model base is compared with each other. It is proved that the improved ISS3D feature point method is robust to the change of noise and point cloud density. In this paper, the signature of Histograms of Orien histogram signature signature of Orien histogram signature is studied, which inherits the high description based on signature feature and has high robustness based on histogram feature. The SHOT feature, which is widely used in 3D point cloud recognition, is highly robust to noise, but easily affected by the change of point cloud density. In this paper, we propose a new geometric center of gravity and add the weight of point cloud density in the local coordinate system of Local Reference frame. A new method for calculating the normal direction of SHOT histogram is presented. The experimental results show that the improved SHOT features improve the description and robustness of noise and point cloud density changes. In this paper, we first sampled the Bo D1 model base and generated the model base, which has the problem of noise and point cloud density change simultaneously in the experiment. In this paper, the nearest neighbor ratio (NNDR) method is used to calculate the initial feature matching, and then the generalized Hough transform is used to generate the location hypothesis. Finally, the ICP algorithm is used to verify all the assumptions. The experimental results show that the method proposed in this paper has a good effect on the noise and the change of point cloud density in the complex 3D point cloud scene.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡曉彤;張艷春;;基于三維點(diǎn)云的奶牛乳房外形特征分析方法[J];天津科技大學(xué)學(xué)報(bào);2012年02期

2 段紅娟;;簡(jiǎn)述三維點(diǎn)云處理技術(shù)的研究[J];電子技術(shù)與軟件工程;2013年14期

3 馬牧運(yùn);張愛武;王書民;崔營(yíng)營(yíng);;手持?jǐn)?shù)碼相機(jī)獲取場(chǎng)景三維點(diǎn)云的實(shí)現(xiàn)[J];光學(xué)與光電技術(shù);2011年03期

4 徐勝攀;劉正軍;左志權(quán);;大規(guī)模三維點(diǎn)云快速拾取技術(shù)研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年08期

5 王震;劉進(jìn);;基于激光影像的物體三維點(diǎn)云獲取系統(tǒng)[J];城市勘測(cè);2013年06期

6 鐘晨;王偉;莊嚴(yán);;基于三維點(diǎn)云的階梯目標(biāo)檢測(cè)與參數(shù)估計(jì)[J];控制理論與應(yīng)用;2013年06期

7 馬彩虹;程昱;何明光;曾陽(yáng)發(fā);劉東峰;;海德堡視網(wǎng)膜斷層掃描儀的三維點(diǎn)云去噪方法研究[J];計(jì)算機(jī)工程與科學(xué);2010年08期

8 王麗輝;羅曉玲;張娜;;三維點(diǎn)云模型的參數(shù)化方法[J];信息與電腦(理論版);2013年05期

9 周勇飛;徐昱琳;呂曉夢(mèng);王明;;基于雙目的三維點(diǎn)云數(shù)據(jù)的獲取與預(yù)處理[J];計(jì)算機(jī)技術(shù)與發(fā)展;2014年03期

10 楊蕾;;一種高效的支持向量回歸三維點(diǎn)云修補(bǔ)算法[J];計(jì)算機(jī)應(yīng)用研究;2009年10期

相關(guān)會(huì)議論文 前1條

1 陳寶權(quán);;Towards Building a Live Digital City through Laser Scanning[A];第四屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2009年

相關(guān)博士學(xué)位論文 前5條

1 汪漢云;高分辨率三維點(diǎn)云目標(biāo)識(shí)別技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

2 楊煥宇;面向虛擬現(xiàn)實(shí)的三維點(diǎn)云數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];東華大學(xué);2016年

3 王麗輝;三維點(diǎn)云數(shù)據(jù)處理的技術(shù)研究[D];北京交通大學(xué);2011年

4 安毅;三維點(diǎn)云數(shù)據(jù)的幾何特性估算與特征識(shí)別[D];大連理工大學(xué);2011年

5 萬(wàn)國(guó)偉;面向建筑物的三維點(diǎn)云生成、增強(qiáng)和重建技術(shù)研究[D];國(guó)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 梁士超;三維點(diǎn)云預(yù)處理技術(shù)研究[D];西南科技大學(xué);2015年

2 可楊;基于相位輪廓術(shù)的三維重建技術(shù)研究[D];西南科技大學(xué);2015年

3 鄧軍;三維點(diǎn)云處理和規(guī)則曲面擬合算法研究[D];西南科技大學(xué);2015年

4 宋立鵬;室外場(chǎng)景三維點(diǎn)云數(shù)據(jù)的分割與分類[D];大連理工大學(xué);2015年

5 趙鵬;三維點(diǎn)云數(shù)據(jù)的離群點(diǎn)檢測(cè)和模型重建[D];大連理工大學(xué);2015年

6 王建東;基于奶牛乳房子空間特征向量的三維點(diǎn)云相似性分析[D];天津科技大學(xué);2013年

7 楊小青;基于法向量的三維點(diǎn)云配準(zhǔn)方法研究[D];中北大學(xué);2016年

8 王洪寶;基于車輛變形三維點(diǎn)云數(shù)據(jù)的碰撞事故再現(xiàn)[D];江蘇大學(xué);2016年

9 蔣崢;室外三維點(diǎn)云采集系統(tǒng)研究[D];南京大學(xué);2016年

10 李博陽(yáng);自然環(huán)境下植物三維點(diǎn)云遠(yuǎn)程快速獲取關(guān)鍵技術(shù)研究[D];西北農(nóng)林科技大學(xué);2016年

，

本文編號(hào)：1629442