隨著人工智能的發(fā)展,機器視覺的應用從傳統(tǒng)制造行業(yè)拓展到室內(nèi)服務(wù)行業(yè),作為室內(nèi)場景感知與理解的核心環(huán)節(jié),室內(nèi)物體識別技術(shù)成為研究的熱點。同時,由于3D掃描設(shè)備價格越來越低廉和點云處理技術(shù)的興起,圖像識別逐漸從2D圖像過渡到3D點云數(shù)據(jù),這種數(shù)據(jù)自身具備3D空間幾何特征,可天然解耦物體和背景。故利用3D點云數(shù)據(jù)能夠更好識別室內(nèi)場景中物體,如何有效地預處理原始室內(nèi)3D點云數(shù)據(jù),選擇和提取合適的3D特征準確分割室內(nèi)場景及識別物體,并在提高識別準確率的同時保證識別速度成為了研究的重點與難點。本文重點對室內(nèi)3D點云數(shù)據(jù)的預處理、場景分割、物體特征提取及識別技術(shù)進行研究,主要工作包括:（1）根據(jù)現(xiàn)有3D點云場景物體識別技術(shù)的研究現(xiàn)狀、存在問題及發(fā)展前景,提出本文研究計劃。設(shè)計了基于3D點云數(shù)據(jù)的室內(nèi)物體識別總體架構(gòu),并對3D點云數(shù)據(jù)預處理、分割及識別的經(jīng)典算法進行介紹。（2）在室內(nèi)3D點云數(shù)據(jù)的預處理方面,首先,針對原始室內(nèi)3D點云數(shù)據(jù)存在離群點、起伏噪點及邊界毛刺的問題,提出一種混合濾波方法對其去噪,以保證后續(xù)3D特征的準確估計;其次利用體素網(wǎng)格采樣算法降低室內(nèi)3D點云數(shù)據(jù)數(shù)量和密度,以提高后續(xù)分... 

【文章來源】：西安工程大學陜西省

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【部分圖文】：

室內(nèi)服務(wù)機器人

圖 2-2 Kinect 結(jié)構(gòu)圖備本身的缺陷以及室內(nèi)光線環(huán)境等因素，采集到的 3D 點云數(shù)些離群點、起伏噪點以及邊緣毛刺，這會對后續(xù) 3D 點云室取及識別產(chǎn)生很大的干擾，另外，有時采集的 3D 點云數(shù)據(jù)密理速度，因此就需要對其進行預處理，即去噪和簡化。針對所據(jù)的噪聲特點，本文提出一種混合濾波方法去除室內(nèi) 3D 點云點以及邊緣毛刺現(xiàn)象，利用體素網(wǎng)格采樣算法[28]簡化 3D 點云后的室內(nèi) 3D 點云數(shù)據(jù)，通常包含背景和當前場景中形形色色如：室內(nèi)場景中的地面、墻壁、桌子、座椅、沙發(fā)、以及圓因此需要將整個室內(nèi)場景的 3D 點云數(shù)據(jù)分割成一個個代表不通過對 3D 點云分割算法的比較，本文采用隨機采樣一致性算內(nèi)場景中的地面和墻壁，并提出了一種改進的區(qū)域增長彩色 效果更好的超體素多特征融合的 3D 點云分割方法，以分割前

特殊的距離值法，亦稱范圍濾波法。其基者指定區(qū)間內(nèi)部或外部的點，即沿指定粗濾波。上存在一定空間特點的 3D 點云數(shù)據(jù)，例據(jù)，沿 z 軸方向分布較廣泛，但在 x 和通濾波算法，能夠劃定 3D 點云數(shù)據(jù)在需要的 3D 點云數(shù)據(jù)，實現(xiàn)第一步粗處理較簡單的一種濾波算法。主要過程為：以形，統(tǒng)計該球中點的數(shù)量，當點數(shù)量大于小于所設(shè)定閾值時，剔除該點�？�，最終留下的都是比較密集的點，但需意圖如圖 2-3 所示，以圓形示意半徑球 f 點；當規(guī)定近鄰數(shù)不低于 5 時，則 e 和


本文編號：3267437