基于深度相機的三維建模方法由于設備成本低、視覺效果強、精度相對較高等優(yōu)點,已經(jīng)被廣泛運用于建筑、游戲、教育等各行各業(yè)。然而,深度相機采集的數(shù)據(jù)存在大量的噪聲,導致目前的技術存在諸多問題,例如重建得到的模型存在模糊、過平滑現(xiàn)象,細節(jié)部分精度不夠,依賴彩色圖作為輸入,應用場景受限等等。為了解決上述問題,設計基于點云的三維重建方法。該方法包含三個關鍵步驟:模型的表示與聚合、子圖構建、閉環(huán)檢測。使用完全基于點云的方法對這三個階段進行處理,減少數(shù)據(jù)源拓寬了應用場景。對于模型的表示與聚合,使用帶概率模型的點云,在模型聚合過程中充分考慮數(shù)據(jù)噪聲的影響,增強模型的質量,同時使用點云表示模型,減少數(shù)據(jù)量,擁有更多的靈活性。設計全局的位姿估計方法,增加算法的并行度,提高硬件的利用效率。對于子圖的構建,使用一種松散的結構,將整個場景分片,片與片之間用位姿關系約束,使用點云的匹配構建共視關系,減少了累積漂移。設計了基于場景特征的子圖劃分方法,減少冗余子圖,使用基于點云的方法進行位姿圖優(yōu)化。對于閉環(huán)檢測,從點云上提取特征點進行匹配,擺脫對彩色圖的依賴,提高魯棒性,使用顯卡對算法進行加速,滿足實時性的需求。實驗結... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【部分圖文】：

法線調整示意圖

很難用于實時的三維重建中。使用 GPU 對 FPFH 算法進行加速，使其滿足實時性要求。圖 4.1 閉環(huán)檢測失敗圖4.1 FPFH 算法FPFH 是一種基于直方圖的算法，通過對點周圍的集合特征進行描述，構造描述子。一共有四個步驟：法線估計、構造 Darbouxframe、計算 SPF 描述子、計算 FPFH

于點云的三維重建系統(tǒng)。設計實驗對各個算法的性能進行衡量。實驗環(huán)示。表 5.1 實驗環(huán)境配置表環(huán)境 配置CPU Intel Core i5內存 8GB顯卡 NVIDAGeForce GTX 960顯存 6GB操作系統(tǒng) Windows 10 64 位型效果展示基于點云的三維重建系統(tǒng)對在真實環(huán)境中采集的數(shù)據(jù)和公開數(shù)據(jù)集 T]數(shù)據(jù)集進行三維重建，效果圖如圖 5.1 所示。


本文編號：3336389