隨著計(jì)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(jì)算機(jī)視覺進(jìn)入更高級(jí)的三維階段。與此同時(shí),越來越多的三維應(yīng)用如虛擬現(xiàn)實(shí)、服務(wù)機(jī)器人導(dǎo)航、增強(qiáng)現(xiàn)實(shí)等需要底層三維稠密點(diǎn)云地圖的支撐。而要恢復(fù)場(chǎng)景的三維坐標(biāo),就需要對(duì)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(shí),需要消耗巨大的內(nèi)存和計(jì)算資源,且恢復(fù)的是三維稀疏點(diǎn)云,要恢復(fù)稠密結(jié)構(gòu)還需要進(jìn)行點(diǎn)云的稠密重建�；谝曈X的SLAM技術(shù)則能夠?qū)崿F(xiàn)三維點(diǎn)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(shí)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(chǎng)景的稠密結(jié)構(gòu)恢復(fù)。本研究針對(duì)RGB-D SLAM系統(tǒng)存在的實(shí)時(shí)性差、初始化容易失敗、相機(jī)的姿態(tài)估計(jì)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(diǎn)的RGB-D SLAM系統(tǒng)對(duì)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(diǎn)來計(jì)算相機(jī)的初始位姿并進(jìn)行優(yōu)化,最后根據(jù)點(diǎn)云數(shù)據(jù)和相機(jī)坐標(biāo)系的對(duì)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(jí)別】：碩士

【部分圖文】：

二維圖像的歧義性

基于特征點(diǎn)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(shí)室內(nèi)導(dǎo)航圖1.2三維重建的實(shí)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(jì)方法。一些三維設(shè)計(jì)的專業(yè)人士，使用專業(yè)的三維設(shè)計(jì)軟件，例如：Autodesk3D、AutoCAD、SolidWorks、Blender、Smart3D，通過手工設(shè)計(jì)的方法，輸出特定模型的三維結(jié)構(gòu)。這種方法的缺點(diǎn)是非專業(yè)人士難以上手、需要價(jià)格昂貴的商業(yè)軟件、只能對(duì)一些小型立體模型或者場(chǎng)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(cè)量，如文獻(xiàn)[11]提出的方法。雖然接觸式測(cè)量精度高，但是存在損壞待重建物體表面的可能性，加上測(cè)量范圍的局限性，使得這種測(cè)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(dòng)視覺法和被動(dòng)視覺法。主動(dòng)視覺法[12]在測(cè)量時(shí)主動(dòng)向待測(cè)場(chǎng)景中發(fā)射光源，通過返回的投影信息計(jì)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(shí)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(dòng)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(duì)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(chǎng)景，主動(dòng)視覺法是其三維重建的首眩被動(dòng)視覺法[13]根據(jù)傳感器數(shù)量分為：?jiǎn)文恳曈X法、雙目視覺法、多目視覺法。被動(dòng)視覺法首先通過傳感器獲取待重建場(chǎng)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(diǎn)是能夠應(yīng)用于各種場(chǎng)景、傳感器比較常見且價(jià)格便宜，但建模的精度比較低，且需要消耗大量的時(shí)間和計(jì)算資源。(4)基于深度學(xué)習(xí)的方法。隨著機(jī)

基于特征點(diǎn)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(shí)室內(nèi)導(dǎo)航圖1.2三維重建的實(shí)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(jì)方法。一些三維設(shè)計(jì)的專業(yè)人士，使用專業(yè)的三維設(shè)計(jì)軟件，例如：Autodesk3D、AutoCAD、SolidWorks、Blender、Smart3D，通過手工設(shè)計(jì)的方法，輸出特定模型的三維結(jié)構(gòu)。這種方法的缺點(diǎn)是非專業(yè)人士難以上手、需要價(jià)格昂貴的商業(yè)軟件、只能對(duì)一些小型立體模型或者場(chǎng)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(cè)量，如文獻(xiàn)[11]提出的方法。雖然接觸式測(cè)量精度高，但是存在損壞待重建物體表面的可能性，加上測(cè)量范圍的局限性，使得這種測(cè)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(dòng)視覺法和被動(dòng)視覺法。主動(dòng)視覺法[12]在測(cè)量時(shí)主動(dòng)向待測(cè)場(chǎng)景中發(fā)射光源，通過返回的投影信息計(jì)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(shí)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(dòng)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(duì)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(chǎng)景，主動(dòng)視覺法是其三維重建的首眩被動(dòng)視覺法[13]根據(jù)傳感器數(shù)量分為：?jiǎn)文恳曈X法、雙目視覺法、多目視覺法。被動(dòng)視覺法首先通過傳感器獲取待重建場(chǎng)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(diǎn)是能夠應(yīng)用于各種場(chǎng)景、傳感器比較常見且價(jià)格便宜，但建模的精度比較低，且需要消耗大量的時(shí)間和計(jì)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(yùn)動(dòng)結(jié)構(gòu)恢復(fù)[J]. 高天寒,楊子藝.  中國圖象圖形學(xué)報(bào). 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(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 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(jì)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(shí).  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(dòng)化學(xué)報(bào). 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(huì),羅勇,王梓任,張威,李軍偉.  機(jī)器人. 2017(06)
[8]運(yùn)動(dòng)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(jì)算機(jī)學(xué)報(bào). 2018(11)
[9]基于ORB-SLAM的移動(dòng)機(jī)器人嵌入式實(shí)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(jí)粒度并行策略[J]. 劉金碩,江莊毅,徐亞渤,鄧娟,章嵐昕.  計(jì)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(zhǎng)測(cè)量方法研究[D]. 胡楊.浙江大學(xué) 2018
[2]數(shù)據(jù)驅(qū)動(dòng)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(cè)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(chǎng)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(cè)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(duì)姿態(tài)估計(jì)[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(dòng)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(yùn)動(dòng)速度估計(jì)研究[D]. 王聰偉.哈爾濱工業(yè)大學(xué) 2014



本文編號(hào)：3380323