隨著計算機(jī)視覺的發(fā)展,人機(jī)需要進(jìn)行三維世界的交互和感知。但目前,作為圖像主要采集設(shè)備的相機(jī)獲取的二維圖像存在歧義性,無法支持計算機(jī)視覺進(jìn)入更高級的三維階段。與此同時,越來越多的三維應(yīng)用如虛擬現(xiàn)實、服務(wù)機(jī)器人導(dǎo)航、增強(qiáng)現(xiàn)實等需要底層三維稠密點云地圖的支撐。而要恢復(fù)場景的三維坐標(biāo),就需要對圖像逆投影進(jìn)行三維重建。傳統(tǒng)三維重建中最常用的SFM技術(shù),在進(jìn)行重建時,需要消耗巨大的內(nèi)存和計算資源,且恢復(fù)的是三維稀疏點云,要恢復(fù)稠密結(jié)構(gòu)還需要進(jìn)行點云的稠密重建�；谝曈X的SLAM技術(shù)則能夠?qū)崿F(xiàn)三維點云的快速重建。視覺SLAM通過相機(jī)采集周圍環(huán)境的數(shù)據(jù)進(jìn)行三維重建,而RGB-D相機(jī)是一種能夠同時采集環(huán)境的RGB信息和深度信息的傳感器,相比其他傳感器更有利于場景的稠密結(jié)構(gòu)恢復(fù)。本研究針對RGB-D SLAM系統(tǒng)存在的實時性差、初始化容易失敗、相機(jī)的姿態(tài)估計不準(zhǔn)確、重建結(jié)果存在“漂移”現(xiàn)象等問題,構(gòu)建了一種基于特征點的RGB-D SLAM系統(tǒng)對上述問題進(jìn)行了優(yōu)化。該系統(tǒng)以RGB-D相機(jī)作為采集數(shù)據(jù)的傳感器,通過提取并匹配圖像的特征點來計算相機(jī)的初始位姿并進(jìn)行優(yōu)化,最后根據(jù)點云數(shù)據(jù)和相機(jī)坐標(biāo)系的對應(yīng)性,將所... 

【文章來源】：蘭州理工大學(xué)甘肅省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

二維圖像的歧義性

基于特征點的RGB-DSLAM系統(tǒng)優(yōu)化研究2基于三維重建的文物保護(hù)人臉三維重建無人駕駛植物三維重建人體三維重建虛擬現(xiàn)實室內(nèi)導(dǎo)航圖1.2三維重建的實際應(yīng)用案例自三維重建的概念被提出之后，誕生了多種三維重建方法并被廣泛應(yīng)用。相關(guān)技術(shù)可以大致概括為以下幾類：(1)軟件設(shè)計方法。一些三維設(shè)計的專業(yè)人士，使用專業(yè)的三維設(shè)計軟件，例如：Autodesk3D、AutoCAD、SolidWorks、Blender、Smart3D，通過手工設(shè)計的方法，輸出特定模型的三維結(jié)構(gòu)。這種方法的缺點是非專業(yè)人士難以上手、需要價格昂貴的商業(yè)軟件、只能對一些小型立體模型或者場景進(jìn)行重構(gòu)。(2)接觸式三維重建利用一些特殊的儀器，在待重建物體的表面進(jìn)行測量，如文獻(xiàn)[11]提出的方法。雖然接觸式測量精度高，但是存在損壞待重建物體表面的可能性，加上測量范圍的局限性，使得這種測量方式未能被廣泛的使用。(3)非接觸式三維重建又分為主動視覺法和被動視覺法。主動視覺法[12]在測量時主動向待測場景中發(fā)射光源，通過返回的投影信息計算目標(biāo)物體的位置和大小，激光雷達(dá)掃描技術(shù)、光飛行時間法(TimeofFight,TOF)、結(jié)構(gòu)光(StructuredLight)技術(shù)均是其中的代表。隨著微軟Kinect攝像頭的興起，基于主動視覺法的三維重建在近幾年成為稠密三維重建的重要研究方向。對于一些特征細(xì)節(jié)保留要求高、不存在大量紅外光源的場景，主動視覺法是其三維重建的首眩被動視覺法[13]根據(jù)傳感器數(shù)量分為：單目視覺法、雙目視覺法、多目視覺法。被動視覺法首先通過傳感器獲取待重建場景的圖像或者視頻序列，然后利用多視圖幾何的相關(guān)理論來逆向的建模。該技術(shù)的優(yōu)點是能夠應(yīng)用于各種場景、傳感器比較常見且價格便宜，但建模的精度比較低，且需要消耗大量的時間和計算資源。(4)基于深度學(xué)習(xí)的方法。隨著機(jī)

基于特征點的RGB-DSLAM系統(tǒng)優(yōu)化研究2基于三維重建的文物保護(hù)人臉三維重建無人駕駛植物三維重建人體三維重建虛擬現(xiàn)實室內(nèi)導(dǎo)航圖1.2三維重建的實際應(yīng)用案例自三維重建的概念被提出之后，誕生了多種三維重建方法并被廣泛應(yīng)用。相關(guān)技術(shù)可以大致概括為以下幾類：(1)軟件設(shè)計方法。一些三維設(shè)計的專業(yè)人士，使用專業(yè)的三維設(shè)計軟件，例如：Autodesk3D、AutoCAD、SolidWorks、Blender、Smart3D，通過手工設(shè)計的方法，輸出特定模型的三維結(jié)構(gòu)。這種方法的缺點是非專業(yè)人士難以上手、需要價格昂貴的商業(yè)軟件、只能對一些小型立體模型或者場景進(jìn)行重構(gòu)。(2)接觸式三維重建利用一些特殊的儀器，在待重建物體的表面進(jìn)行測量，如文獻(xiàn)[11]提出的方法。雖然接觸式測量精度高，但是存在損壞待重建物體表面的可能性，加上測量范圍的局限性，使得這種測量方式未能被廣泛的使用。(3)非接觸式三維重建又分為主動視覺法和被動視覺法。主動視覺法[12]在測量時主動向待測場景中發(fā)射光源，通過返回的投影信息計算目標(biāo)物體的位置和大小，激光雷達(dá)掃描技術(shù)、光飛行時間法(TimeofFight,TOF)、結(jié)構(gòu)光(StructuredLight)技術(shù)均是其中的代表。隨著微軟Kinect攝像頭的興起，基于主動視覺法的三維重建在近幾年成為稠密三維重建的重要研究方向。對于一些特征細(xì)節(jié)保留要求高、不存在大量紅外光源的場景，主動視覺法是其三維重建的首眩被動視覺法[13]根據(jù)傳感器數(shù)量分為：單目視覺法、雙目視覺法、多目視覺法。被動視覺法首先通過傳感器獲取待重建場景的圖像或者視頻序列，然后利用多視圖幾何的相關(guān)理論來逆向的建模。該技術(shù)的優(yōu)點是能夠應(yīng)用于各種場景、傳感器比較常見且價格便宜，但建模的精度比較低，且需要消耗大量的時間和計算資源。(4)基于深度學(xué)習(xí)的方法。隨著機(jī)

【參考文獻(xiàn)】：
期刊論文
[1]圖像序列的增量式運動結(jié)構(gòu)恢復(fù)[J]. 高天寒,楊子藝.  中國圖象圖形學(xué)報. 2019(11)
[2]基于全局配準(zhǔn)累積誤差極小的人體RGB-D數(shù)據(jù)三維重建[J]. 孫瑜亮,繆永偉,鮑陳,夏海浜,張旭東,陳佳舟.  計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2019(09)
[3]基于RGB-D相機(jī)的SLAM技術(shù)研究綜述[J]. 陳世浪,吳俊君.  計算機(jī)工程與應(yīng)用. 2019(07)
[4]基于ORB與RANSAC融合改進(jìn)的圖像配準(zhǔn)[J]. 樊彥國,柴江龍,許明明,王斌,侯秋實.  光學(xué)精密工程. 2019(03)
[5]激光掃描匹配方法研究綜述[J]. 宗文鵬,李廣云,李明磊,王力,李帥鑫.  中國光學(xué). 2018(06)
[6]基于視覺的三維重建關(guān)鍵技術(shù)研究綜述[J]. 鄭太雄,黃帥,李永福,馮明馳.  自動化學(xué)報. 2020(04)
[7]基于深度學(xué)習(xí)的視覺SLAM綜述[J]. 趙洋,劉國良,田國會,羅勇,王梓任,張威,李軍偉.  機(jī)器人. 2017(06)
[8]運動推斷結(jié)構(gòu)技術(shù)中的特征跟蹤方法綜述[J]. 曹明偉,李書杰,賈偉,劉曉平.  計算機(jī)學(xué)報. 2018(11)
[9]基于ORB-SLAM的移動機(jī)器人嵌入式實現(xiàn)與優(yōu)化[J]. 林連秀,葉蕓,姚劍敏,郭太良.  微型機(jī)與應(yīng)用. 2017(05)
[10]PMVS算法的CPU多線程和GPU兩級粒度并行策略[J]. 劉金碩,江莊毅,徐亞渤,鄧娟,章嵐昕.  計算機(jī)科學(xué). 2017(02)

博士論文
[1]基于深度相機(jī)的葉菜類作物三維重建與生長測量方法研究[D]. 胡楊.浙江大學(xué) 2018
[2]數(shù)據(jù)驅(qū)動的多視圖三維重建[D]. 曹明偉.合肥工業(yè)大學(xué) 2017
[3]面向復(fù)雜環(huán)境的魯棒高效的三維注冊與結(jié)構(gòu)恢復(fù)[D]. 劉浩敏.浙江大學(xué) 2017

碩士論文
[1]基于RGB-D傳感器室內(nèi)場景三維重建關(guān)鍵技術(shù)研究[D]. 苑立彬.北京郵電大學(xué) 2019
[2]基于RGB-D圖像的人臉姿態(tài)檢測及三維重建[D]. 關(guān)彤.沈陽工業(yè)大學(xué) 2019
[3]無人機(jī)自主導(dǎo)航的單目視覺SLAM技術(shù)研究[D]. 謝瑒.南京航空航天大學(xué) 2019
[4]基于深度學(xué)習(xí)的機(jī)器人環(huán)境感知研究[D]. 竇笑.哈爾濱工程大學(xué) 2019
[5]基于視覺SLAM的語義地圖研究[D]. 常思雨.哈爾濱工業(yè)大學(xué) 2018
[6]基于深度學(xué)習(xí)的相機(jī)相對姿態(tài)估計[D]. 張林箭.浙江大學(xué) 2018
[7]基于OpenCV的GPU并行加速圖像匹配算法研究[D]. 毛星云.南京航空航天大學(xué) 2016
[8]移動機(jī)器人卡爾曼濾波定位技術(shù)的研究[D]. 黨宇.東北大學(xué) 2015
[9]基于擴(kuò)展卡爾曼濾波的足式機(jī)器人運動速度估計研究[D]. 王聰偉.哈爾濱工業(yè)大學(xué) 2014



本文編號：3380323