本文選題：RGBD數(shù)據(jù) + 維掃描��； 參考：《中國(guó)圖象圖形學(xué)報(bào)》2017年05期

【摘要】：目的真實(shí)物體的3維重建一直是計(jì)算機(jī)圖形學(xué)、機(jī)器視覺(jué)等領(lǐng)域的研究熱點(diǎn)。針對(duì)基于RGBD數(shù)據(jù)的非勻速非固定角度旋轉(zhuǎn)物體的3維重建問(wèn)題,提出一種利用旋轉(zhuǎn)平臺(tái)重建物體3維模型的配準(zhǔn)方法。方法首先通過(guò)Kinect采集位于旋轉(zhuǎn)平臺(tái)上目標(biāo)物的深度數(shù)據(jù)和顏色數(shù)據(jù),對(duì)齊融合并使用包圍盒算法去除背景噪聲和不需要的外部點(diǎn)云,獲得帶有顏色信息的點(diǎn)云數(shù)據(jù)。并使用基于標(biāo)定物不同角度上的點(diǎn)云數(shù)據(jù)標(biāo)定出旋轉(zhuǎn)平臺(tái)中心軸的位置,從而獲得Kinect與旋轉(zhuǎn)平臺(tái)之間的相對(duì)關(guān)系;然后通過(guò)曲率特征對(duì)目標(biāo)點(diǎn)云進(jìn)行特征點(diǎn)提取并尋找與相鄰點(diǎn)云的對(duì)應(yīng)點(diǎn);其中對(duì)于特征點(diǎn)的選取,首先針對(duì)點(diǎn)云中的任意一點(diǎn)利用kd-tree搜尋其k個(gè)鄰近點(diǎn),對(duì)這些點(diǎn)進(jìn)行曲面擬合,進(jìn)而計(jì)算其高斯曲率,將高斯曲率絕對(duì)值較大的n個(gè)點(diǎn)作為點(diǎn)云的特征點(diǎn)。n的取值由點(diǎn)云的點(diǎn)個(gè)數(shù)、點(diǎn)密度和復(fù)雜度決定,具體表現(xiàn)為能反映物體的大致輪廓或表面特征信息即可。對(duì)于對(duì)應(yīng)點(diǎn)的選取,考慮到歐氏距離并不能較好反映點(diǎn)云中的點(diǎn)對(duì)在旋轉(zhuǎn)過(guò)程中的對(duì)應(yīng)關(guān)系,在實(shí)際配準(zhǔn)中,往往會(huì)因?yàn)辄c(diǎn)云重疊或距離過(guò)遠(yuǎn)等原因找到大量錯(cuò)誤的對(duì)應(yīng)點(diǎn)。由于目標(biāo)物在掃描過(guò)程中僅繞旋轉(zhuǎn)軸進(jìn)行旋轉(zhuǎn),因此采用圓弧最小距離尋找對(duì)應(yīng)點(diǎn)可有效減少錯(cuò)誤點(diǎn)對(duì)。隨后,使用二分迭代尋找繞中心軸的最優(yōu)旋轉(zhuǎn)角度以滿足點(diǎn)云間的匹配誤差最小;最后,將任意角度獲取的點(diǎn)云數(shù)據(jù)配準(zhǔn)到統(tǒng)一的坐標(biāo)系下并重建模型。結(jié)果使用斯坦福大學(xué)點(diǎn)云數(shù)據(jù)庫(kù)和自采集數(shù)據(jù)庫(kù)分別對(duì)該方法和已有方法在算法效率和配準(zhǔn)結(jié)果上進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果顯示在擁有平均75 000個(gè)采樣點(diǎn)的斯坦福大學(xué)點(diǎn)云數(shù)據(jù)庫(kù)上與傳統(tǒng)ICP算法和改進(jìn)ICP算法相比,迭代次數(shù)分別平均減少86.5%、57.5%,算法運(yùn)行時(shí)間分別平均減少87%、60.75%,歐氏距離誤差平方和分別平均減少70%、22%;在具有平均57000個(gè)采樣點(diǎn)的自采集點(diǎn)云數(shù)據(jù)庫(kù)上與傳統(tǒng)ICP算法和改進(jìn)ICP算法相比,迭代次數(shù)分別平均減少94%、75%,算法運(yùn)行時(shí)間分別平均減少92%、69%,歐氏距離誤差平方和分別平均減少61.5%、30.6%;實(shí)驗(yàn)結(jié)果顯示使用該方法進(jìn)行點(diǎn)云配準(zhǔn)效率較高且配準(zhǔn)誤差更小;和Kinect Fusion算法相比在紋理細(xì)節(jié)保留上也表現(xiàn)出較好的效果。結(jié)論本文提出的基于旋轉(zhuǎn)平臺(tái)標(biāo)定的點(diǎn)云配準(zhǔn)算法,利用二分迭代算法能夠有效降低算法復(fù)雜度。與典型ICP和改進(jìn)的ICP算法的對(duì)比實(shí)驗(yàn)也表明了本文算法的有效性。另外,與其他方法在具有紋理的點(diǎn)云配準(zhǔn)對(duì)比實(shí)驗(yàn)中也驗(yàn)證了本文配準(zhǔn)方法的優(yōu)越性。該方法僅采用單個(gè)Kinect即可實(shí)現(xiàn)對(duì)非勻速非固定角度旋轉(zhuǎn)物體的3維建模,方便實(shí)用,適用于簡(jiǎn)單快速的3維重建應(yīng)用場(chǎng)合。
[Abstract]:This paper presents a method for reconstructing 3 - dimensional model of object by using a rotating platform . The method comprises the following steps : firstly , acquiring depth data and color data of a target object on a rotating platform by means of Kinect , and then obtaining point cloud data with color information ; and finally , using the point cloud data at different angles of the calibration object to search the corresponding points of the point cloud . In addition , compared with typical ICP and improved ICP algorithms , the effectiveness of this algorithm is also demonstrated . In addition , compared with other methods , the advantages of this algorithm are also proved .

【作者單位】： 安慶師范大學(xué)計(jì)算機(jī)與信息學(xué)院;安徽省智能感知與計(jì)算重點(diǎn)實(shí)驗(yàn)室;安慶師范大學(xué)數(shù)學(xué)與計(jì)算科學(xué)學(xué)院;中國(guó)科學(xué)院合肥智能機(jī)械研究所;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(11471093) 安徽省教育廳自然科學(xué)研究項(xiàng)目(KJ2014A142) 情感計(jì)算與先進(jìn)智能機(jī)器安徽省重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題(ACAIM160102)~~
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 楊紅莊;陸炎;方清;楊周旺;劉利剛;;全自動(dòng)深度相機(jī)三維掃描系統(tǒng)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2015年11期

2 梅峰;劉京;李淳y，

本文編號(hào)：1887530