智能服務(wù)機器人借助視覺系統(tǒng)獲取室內(nèi)目標(biāo)的三維形狀信息,為后續(xù)服務(wù)機器人選擇有效的抓取位置提供基礎(chǔ),由于室內(nèi)環(huán)境比較復(fù)雜且可能存在著多個目標(biāo),因此目標(biāo)的跟蹤和重建的難度極大地增加。傳統(tǒng)三維測量系統(tǒng)利用激光傳感器或多目相機的解決方式具有系統(tǒng)造價高和處理數(shù)據(jù)量大等缺點,難以在服務(wù)行業(yè)廣泛地普及。本文考慮將相機安裝在機械臂末端,利用相機直接獲取室內(nèi)場景的彩色圖像數(shù)據(jù),對室內(nèi)環(huán)境的目標(biāo)跟蹤和重建的方法進行研究。論文的研究內(nèi)容如下:首先,對機械臂末端視覺系統(tǒng)成像模型和應(yīng)用場景進行分析,確定在機械臂末端視覺系統(tǒng)下目標(biāo)跟蹤和三維重建的整體流程和關(guān)鍵技術(shù);其次,針對復(fù)雜場景下單目標(biāo)的跟蹤問題,在目標(biāo)檢測階段考慮到卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測等分類問題方面表現(xiàn)出了優(yōu)異的性能,因此學(xué)習(xí)分析了現(xiàn)有的由神經(jīng)網(wǎng)絡(luò)衍生的對未知目標(biāo)進行檢測識別的方法,采用卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法對圖像中的單個目標(biāo)進行檢測,采用仿真圖像和實際拍攝圖像結(jié)合的方式制作目標(biāo)數(shù)據(jù)集對網(wǎng)絡(luò)進行訓(xùn)練,從而提高檢測準(zhǔn)確率;在目標(biāo)跟蹤階段,針對目標(biāo)在連續(xù)圖像中可能出現(xiàn)的光照不均、尺度發(fā)生改變和部分被遮擋等情況下的問題,結(jié)合目標(biāo)檢測結(jié)果使用加速魯棒特征對目... 

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 主要研究內(nèi)容及結(jié)構(gòu)安排
第2章 目標(biāo)跟蹤和三維重建方法總體流程
    2.1 引言
    2.2 機械臂末端視覺系統(tǒng)成像模型
        2.2.1 針孔成像模型
        2.2.2 坐標(biāo)系轉(zhuǎn)換模型
        2.2.3 視覺系統(tǒng)標(biāo)定理論
    2.3 室內(nèi)場景特點分析
    2.4 目標(biāo)跟蹤和重建總體流程
    2.5 關(guān)鍵技術(shù)分析
        2.5.1 復(fù)雜場景下單目標(biāo)的跟蹤
        2.5.2 連續(xù)圖像中目標(biāo)的三維重建
    2.6 本章小結(jié)
第3章 基于卷積神經(jīng)網(wǎng)絡(luò)和SURF特征的跟蹤算法
    3.1 引言
    3.2 基于Mask R-CNN的目標(biāo)檢測方法
        3.2.1 Mask R-CNN架構(gòu)
        3.2.2 基于Labelme的目標(biāo)數(shù)據(jù)集制作
    3.3 基于SURF特征的目標(biāo)跟蹤算法
        3.3.1 SURF特征點提取和描述
        3.3.2 基于歐氏距離和隨機采樣一致性的特征匹配
    3.4 目標(biāo)跟蹤實驗平臺搭建及結(jié)果
        3.4.1 基于Mask R-CNN的目標(biāo)檢測結(jié)果
        3.4.2 基于SURF特征的目標(biāo)跟蹤結(jié)果
    3.5 本章小結(jié)
第4章 基于基線誤差加權(quán)立體匹配的目標(biāo)重建方法
    4.1 引言
    4.2 基于連續(xù)圖像的目標(biāo)三維重建方法
        4.2.1 基線誤差模型
        4.2.2 基于基線誤差加權(quán)立體匹配的三維點云計算
    4.3 三維重建實驗平臺搭建及實驗結(jié)果
        4.3.1視覺系統(tǒng)標(biāo)定實驗
        4.3.2 三維重建實驗及結(jié)果
    4.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻】：
期刊論文
[1]基于固定式相機對動態(tài)目標(biāo)跟蹤的三維重建[J]. 匡文彬,梁文章,陳姝,林敏.  計算技術(shù)與自動化. 2018(04)
[2]空間目標(biāo)跟蹤系統(tǒng)的三維姿態(tài)信息獲取及三維重建研究[J]. 趙澄東,高昂.  激光雜志. 2017(04)
[3]改進的RANSAC匹配點提純算法[J]. 介軍,李智杰,姚鵬.  西安建筑科技大學(xué)學(xué)報(自然科學(xué)版). 2013(06)
[4]基于多視角視頻的運動重建[J]. 肖秦琨,羅丹,肖秦漢.  計算機技術(shù)與發(fā)展. 2014(02)

博士論文
[1]基于空間體素融合的三維重建算法研究[D]. 林金花.中國科學(xué)院長春光學(xué)精密機械與物理研究所 2017
[2]三維目標(biāo)群及動態(tài)表面的重建和跟蹤[D]. 劉燁.復(fù)旦大學(xué) 2013
[3]基于多視點的三維姿態(tài)運動重建與跟蹤[D]. 潘華偉.湖南大學(xué) 2013

碩士論文
[1]基于單目相機的大規(guī)模場景三維重構(gòu)的算法研究[D]. 匡文彬.湘潭大學(xué) 2018
[2]基于激光與視覺信息融合的運動目標(biāo)檢測與場景重建方法研究[D]. 袁雅薇.中國科學(xué)技術(shù)大學(xué) 2017
[3]基于立體視覺的運動目標(biāo)軌跡重建技術(shù)[D]. 趙海旭.哈爾濱工業(yè)大學(xué) 2016
[4]基于Kinect的三維目標(biāo)跟蹤與重建[D]. 莊曉雯.華南理工大學(xué) 2016
[5]基于Kinect深度相機的室內(nèi)三維場景重構(gòu)[D]. 張翠紅.大連理工大學(xué) 2013



本文編號：3656929