在目前公安工作中,三維重建技術(shù)作為案件現(xiàn)場收集和保存證據(jù)的重要手段,如今正面臨著模型重建速率低以及重建表面紋理細節(jié)信息缺失等問題。點云數(shù)據(jù)的配準作為三維重建過程中關(guān)鍵一步,其結(jié)果的好壞直接影響到重建模型的質(zhì)量。由于案件現(xiàn)場存在現(xiàn)實環(huán)境復(fù)雜和噪聲干擾的問題,以及目前已有的點云配準算法自身計算過程復(fù)雜,造成了如今現(xiàn)有算法不能兼顧準確性和實時性的局面。為了能夠有效解決上述問題,提升案件現(xiàn)場物體和場景的重建精度,加快重建速度,提高公安民警的工作效率,本文研究了一種基于FPFH（Fast Point Feature Histograms,快速點特征直方圖）特征的改進點云配準算法,對點云的預(yù)處理和配準過程進行優(yōu)化,以提高點云配準的精度和速度。論文的主要工作內(nèi)容如下:首先,編譯和安裝了PCL（Point Cloud Library,點云庫）及其依賴庫,完成了PCL點云庫運行環(huán)境的配置及功能測試,實現(xiàn)了點云處理函數(shù)在Windows系統(tǒng)和Linux系統(tǒng)中的正常調(diào)用。其次,針對一種濾波器只能過濾一種噪聲的局限性,提出了空間點云混合濾波器的概念。利用體素格濾波器對冗余點云進行精簡,通過統(tǒng)計濾波去除無效的離群... 

【文章頁數(shù)】：98 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
引言
1 緒論
    1.1 課題研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國內(nèi)研究現(xiàn)狀
        1.2.2 國外研究現(xiàn)狀
    1.3 論文結(jié)構(gòu)安排
2 PCL運行環(huán)境的搭建
    2.1 PCL點云庫
    2.2 預(yù)編譯包搭建
        2.2.1 預(yù)編譯包介紹
        2.2.2 預(yù)編譯包的安裝
    2.3 利用已編譯第三方庫從源碼搭建
        2.3.1 安裝第三方依賴庫
        2.3.2 編譯源代碼
        2.3.3 創(chuàng)建工作平臺
        2.3.4 設(shè)置環(huán)境變量
        2.3.5 設(shè)置包含目錄
        2.3.6 設(shè)置庫目錄
        2.3.7 設(shè)置附加依賴項
    2.4 示例實驗
    2.5 本章小結(jié)
3 點云數(shù)據(jù)的獲取
    3.1 點云數(shù)據(jù)
    3.2 數(shù)據(jù)采集設(shè)備
    3.3 坐標的變換
        3.3.1 圖像坐標系
        3.3.2 攝像機坐標系
        3.3.3 世界坐標系
        3.3.4 針孔理想模型
    3.4 相機的標定
        3.4.1 傳統(tǒng)相機標定方法
        3.4.2 相機自標定方法
        3.4.3 基于主動視覺的相機標定方法
        3.4.4 對kinect攝像機的標定
    3.5 本章小結(jié)
4 點云的濾波處理
    4.1 點云濾波概述
    4.2 直通濾波器
    4.3 體素格濾波器
    4.4 統(tǒng)計濾波器
    4.5 半徑濾波器
    4.6 本章小結(jié)
5 點云配準策略研究
    5.1 點云結(jié)構(gòu)索引
        5.1.1 K-D tree
        5.1.2 Octree
    5.2 點云的粗配準
        5.2.1 點云特征與特征點配準
        5.2.2 誤匹配的剔除
    5.3 點云的精細配準
        5.3.1 SVD奇異值分解算法
        5.3.2 傳統(tǒng)ICP算法
    5.4 基于FPFH特征的改進點云配準算法原理
    5.5 基于FPFH特征的改進點云配準算法的對比實驗和分析
    5.6 本章小結(jié)
6 基于FPFH特征的改進點云配準算法的實現(xiàn)
    6.1 圍繞物體的小范圍點云配準
    6.2 小場景多幅點云配準
    6.3 本章小結(jié)
結(jié)論
參考文獻
在學(xué)研究成果
致謝


【參考文獻】：
期刊論文
[1]PCL環(huán)境搭建與在三維重建中的應(yīng)用[J]. 姜子鵬,卜凡亮,秦靜.  軟件導(dǎo)刊. 2018(11)
[2]彩色三維掃描中紋理重建技術(shù)研究進展[J]. 吳佳琛,曹良才,陳海龍,彭翔,金國藩.  激光與光電子學(xué)進展. 2018(11)
[3]Learning stratified 3D reconstruction[J]. Qiulei DONG,Mao SHU,Hainan CUI,Huarong XU,Zhanyi HU.  Science China（Information Sciences）. 2018(02)
[4]基于Eigen和OpenCV的圖像算法加速[J]. 舒暢,秦肖臻.  微型機與應(yīng)用. 2017(24)
[5]保持特征的散亂點云數(shù)據(jù)去噪[J]. 崔鑫,閆秀天,李世鵬.  光學(xué)精密工程. 2017(12)
[6]基于ISS特征點結(jié)合改進ICP的點云配準算法[J]. 李仁忠,楊曼,田瑜,劉陽陽,張緩緩.  激光與光電子學(xué)進展. 2017(11)
[7]一種基于八叉樹的快速體素化方法[J]. 段偉偉,羅健欣,倪桂強,唐斌.  微型機與應(yīng)用. 2017(11)
[8]非接觸式三維重建測量方法綜述[J]. 丁少聞,張小虎,于起峰,楊夏.  激光與光電子學(xué)進展. 2017(07)
[9]基于灰度約束的三維數(shù)字散斑整像素相關(guān)搜索[J]. 何進英,劉曉利,彭翔,李阿蒙,蔡澤偉.  中國激光. 2017(04)
[10]基于PCL的點云數(shù)據(jù)壓縮研究[J]. 閆帥,邱崧,劉錦高.  信息通信. 2015(04)



本文編號：3704430