發(fā)布時(shí)間：2021-06-14 19:23

　　隨著機(jī)器視覺和圖像處理技術(shù)的不斷發(fā)展,點(diǎn)云分割是目標(biāo)識別、點(diǎn)云分類以及三維重建的基礎(chǔ),分割結(jié)果對后續(xù)的場景分析有著極其重要的作用,成為現(xiàn)代機(jī)器視覺的熱門研究領(lǐng)域。通過對三維點(diǎn)云數(shù)據(jù)處理,計(jì)算機(jī)能夠更好的理解環(huán)境場景,為工作和生活提供便利,如物體的自動檢測、場景建模、無人駕駛等。本文針對點(diǎn)云分割展開研究,通過使用基于區(qū)域增長的點(diǎn)云分割方法,降低了圖像處理的計(jì)算量,同時(shí)實(shí)現(xiàn)了對點(diǎn)云數(shù)據(jù)的實(shí)時(shí)、精確有效分割。本文具體研究工作總結(jié)如下:在數(shù)據(jù)采集方面,利用雙目視覺采集系統(tǒng)獲得立體圖像對,得到深度視差圖,重建三維場景,將三維場景數(shù)據(jù)格式進(jìn)行轉(zhuǎn)換得到三維點(diǎn)云數(shù)據(jù),輸入算法進(jìn)行點(diǎn)云分割。首先,對點(diǎn)云數(shù)據(jù)進(jìn)行聚類過分割。三維空間下,點(diǎn)云數(shù)據(jù)聚類過分割是把采集的原始點(diǎn)云數(shù)據(jù)進(jìn)行聚類算法處理,用來降低計(jì)算復(fù)雜度,消除噪聲,提高分割精度。體素化處理三維點(diǎn)云數(shù)據(jù),選取種子體素,利用聚類算法形成超體素,再對超體素?cái)?shù)據(jù)進(jìn)行平面擬合獲取殘差值,選取種子超體素,實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)的過分割過程,完成聚類過分割。然后,基于區(qū)域增長算法進(jìn)行分割。輸入數(shù)據(jù)為過分割步驟得到的超體素,綜合考慮空間連通性、表面光滑性以及表面幾何特征等約... 

【文章來源】：河北工程大學(xué)河北省

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

三維掃描高精度點(diǎn)云數(shù)據(jù)

河北工程大學(xué)碩士學(xué)位論文10圖2-1三維掃描高精度點(diǎn)云數(shù)據(jù)Fig.2-13Dscanninghighprecisionpointclouddata三維點(diǎn)云數(shù)據(jù)是真實(shí)空間位置的三維信息坐標(biāo)，通常以X、Y、Z的三維坐標(biāo)形式表示，主要是指用于表示對象外部形狀的三維坐標(biāo)系的一系列矢量。一些點(diǎn)云也帶有顏色信息或強(qiáng)度信息，顏色信息一般都是由硬件設(shè)施采集時(shí)獲取的顏色，強(qiáng)度信息一般是來測量目標(biāo)物體表面材料、入射角方向以及物體表面周圍的粗糙度，用來接收的回波強(qiáng)度。由于硬件采集點(diǎn)云信息的設(shè)備不同，工作原理也不同，獲取的點(diǎn)云數(shù)據(jù)因此也會有差別，一般點(diǎn)云數(shù)據(jù)是根據(jù)點(diǎn)云的不同分布特點(diǎn)方式來進(jìn)行分類，將其分為如下四類：（1）無序散亂點(diǎn)云散亂點(diǎn)云大部分是沒有一定規(guī)律分布的幾何形狀，呈現(xiàn)無序散亂的分布狀態(tài)，無明顯分布的拓?fù)浣Y(jié)構(gòu)，且分布密度不均勻，如圖2-2所示。一般由掃描設(shè)備獲取到的點(diǎn)云數(shù)據(jù)都有很高的精度，但是由于這些掃描設(shè)備往往價(jià)格昂貴且體積龐大不便攜帶，一般不被研究工作人員使用，常被用于對工作質(zhì)量要求極高的國防軍工設(shè)備。圖2-2無序散亂點(diǎn)云Fig.2-2Disorderlyscatteredpointcloud

第2章點(diǎn)云分割相關(guān)理論和關(guān)鍵技術(shù)11（2）掃描線式點(diǎn)云掃描線式點(diǎn)云一般是三維掃描儀設(shè)備按照一條直線掃描軌跡采集到的點(diǎn)云數(shù)據(jù)集，大部分掃描線是有幾條組成，按照掃描軌跡掃描出來的點(diǎn)云數(shù)據(jù)一般會按線性排列，且測量出來的點(diǎn)都在同一個(gè)掃描平面內(nèi)，但每條直線對應(yīng)的掃描點(diǎn)是無規(guī)則的，如圖2-3所示。圖2-3掃描線式點(diǎn)云Fig.2-3Scanninglinepointcloud（3）網(wǎng)格化型點(diǎn)云網(wǎng)格化型點(diǎn)云中的點(diǎn)是以矩陣分布的方式存在的有序點(diǎn)云數(shù)據(jù)，又叫作陣列式點(diǎn)云。這種點(diǎn)云數(shù)據(jù)一般是由Kinect深度相機(jī)或立體攝像機(jī)采集到的有序點(diǎn)云數(shù)據(jù)，其中的每個(gè)點(diǎn)都均勻?qū)?yīng)矩陣網(wǎng)格中的一個(gè)頂點(diǎn)，然后這些數(shù)據(jù)經(jīng)過網(wǎng)格插值處理得到陣列式點(diǎn)云，如圖2-4所示，這樣的點(diǎn)云數(shù)據(jù)采集方便，適合研究人員工作使用。圖2-4網(wǎng)格化型點(diǎn)云Fig.2-4Gridpointcloud（4）多邊形點(diǎn)云多邊形點(diǎn)云也是有序點(diǎn)云數(shù)據(jù)的一種，由三維掃描儀測出的點(diǎn)云數(shù)據(jù)排列在互相平行的平面內(nèi)，通過直線線段把處于同一平面上的兩個(gè)距離最近的點(diǎn)連接起

【參考文獻(xiàn)】：
期刊論文
[1]激光雷達(dá)的應(yīng)用及發(fā)展趨勢[J]. 趙一鳴,李艷華,商雅楠,李靜,于勇,李涼海.  遙測遙控. 2014(05)
[2]工業(yè)機(jī)器人及智能制造發(fā)展現(xiàn)狀分析[J]. 張鐵.  機(jī)電工程技術(shù). 2014(04)
[3]基于Kinect深度信息的實(shí)時(shí)三維重建和濾波算法研究[J]. 陳曉明,蔣樂天,應(yīng)忍冬.  計(jì)算機(jī)應(yīng)用研究. 2013(04)
[4]番茄植株三維形態(tài)精確重構(gòu)研究[J]. 袁曉敏,趙春江,溫維亮,郭新宇,陸聲鏈,魏學(xué)禮.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2012(12)
[5]基于Kinect系統(tǒng)的場景建模與機(jī)器人自主導(dǎo)航[J]. 楊東方,王仕成,劉華平,劉志國,孫富春.  機(jī)器人. 2012(05)
[6]基于全局關(guān)系探測的幾何體一致擬合[J]. 李揚(yáng)彥,吳曉堃,陳寶權(quán).  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2012(01)
[7]圖像特征提取方法的綜述[J]. 王志瑞,閆彩良.  吉首大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(05)
[8]圖像邊緣分割算法的優(yōu)化研究與仿真[J]. 向方,王宏福.  計(jì)算機(jī)仿真. 2011(08)
[9]雙目立體視覺的目標(biāo)識別與定位[J]. 尚倩,阮秋琦,李小利.  智能系統(tǒng)學(xué)報(bào). 2011(04)
[10]一種自適應(yīng)的區(qū)域生長算法用于道路分割[J]. 肖曉明,馬智,蔡自興,唐琎.  控制工程. 2011(03)

博士論文
[1]灰度圖像閾值分割的自適應(yīng)和快速算法研究[D]. 陽樹洪.重慶大學(xué) 2014

碩士論文
[1]基于局部表面凸性的散亂點(diǎn)云分割算法研究[D]. 王雅男.中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所 2016
[2]機(jī)載LiDAR點(diǎn)云濾波及分類算法研究[D]. 李煉.成都理工大學(xué) 2014



本文編號：3230179