三維物體檢測與追蹤,指的是針對指定的一個或者多個三維物體,在一個連續(xù)的圖像序列中進行這些物體的目標檢測與姿態(tài)求解�；谌S物體的檢測與追蹤獲得的結果,可以為增強現(xiàn)實中虛實物體的交互提供信息,為機器人的抓取的任務規(guī)劃提供依據(jù),為車輛之間的定位提供參考,因此三維物體檢測與追蹤在增強現(xiàn)實、機器人、自動駕駛領域有非常重要的應用價值。三維物體檢測與追蹤本質上是對現(xiàn)實世界中存在的物體進行感知。該感知分為兩個層面,第一個層面是興趣物體是否存在于環(huán)境中,以及在環(huán)境中的具體位置,由識別與檢測算法實現(xiàn);第二個層面是該物體的在連續(xù)的時間域中的姿態(tài)變化,由跟蹤算法實現(xiàn)。目前,三維物體檢測與追蹤在業(yè)界還處于發(fā)展階段,相比成熟的二維物體檢測與追蹤,有很多需要解決的關鍵問題,比如三維物體本身的多樣性和復雜性使得檢測和跟蹤容易失敗,檢測與追蹤算法涉及大量的參數(shù)使得算法效率較低。本文深入研究了當前學術界對三維物體檢測與追蹤的各種嘗試,然后基于神經(jīng)網(wǎng)絡相關知識,結合SLAM系統(tǒng),提出了一套可行而高效的三維物體檢測與追蹤系統(tǒng)。本文的主要貢獻如下:1)因為三維物體本身的復雜性以及計算時涉及到的大量姿態(tài)參數(shù),目前主流的一些方法... 

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 三維物體的模型分類
        1.2.1 三維物體的CAD模型
        1.2.2 三維物體的點云模型
        1.2.3 三維物體在多種視點下的2D圖像特征
        1.2.4 三維物體的平面組件
        1.2.5 不同的模型適用的檢測與跟蹤方法
    1.3 三維物體的檢測
        1.3.1 基于特征的方法
        1.3.2 基于模版匹配的方法
        1.3.3 基于神經(jīng)網(wǎng)絡的端到端的方法
        1.3.4 基于模型組件的方法
        1.3.5 基于霍夫森林的方法
        1.3.6 其他方法
    1.4 三維物體的跟蹤
        1.4.1 基于模型的方法
        1.4.2 基于特征的方法
        1.4.3 基于神經(jīng)網(wǎng)絡的方法
        1.4.4 基于SLAM的方法
        1.4.5 其他方法
    1.5 本文的主要研究內(nèi)容及貢獻
    1.6 本章小結
第2章 基于神經(jīng)網(wǎng)絡的三維物體檢測
    2.1 三維旋轉與李代數(shù)
    2.2 模型框架
        2.2.1 YOLOv3網(wǎng)絡模型
        2.2.2 MobileNet
        2.2.3 本文的三維物體檢測網(wǎng)絡模型
    2.3 網(wǎng)絡的訓練
        2.3.1 網(wǎng)絡的損失函數(shù)
        2.3.2 預訓練的三維包圍盒大小
        2.3.3 預訓練的數(shù)據(jù)處理
        2.3.4 位姿估計方法
    2.4 運行與對比
        2.4.1 算法運行環(huán)境與度量標準
        2.4.2 算法運行結果
    2.5 真實感渲染獲得數(shù)據(jù)
    2.6 本章小結
第3章 基于邊緣的三維物體位姿優(yōu)化
    3.1 Canny邊緣檢測算法
    3.2 距離場變化
    3.3 基于邊緣的三維物體位姿優(yōu)化
    3.4 結果對比
    3.5 本章小結
第4章 基于三維物體檢測和跟蹤的增強現(xiàn)實
    4.1 SLAM的初始化
        4.1.1 基于滑動窗口的視覺SfM
        4.1.2 IMU的預積分
        4.1.3 視覺-慣性融合
    4.2 三維物體的注冊
    4.3 與經(jīng)典三維物體跟蹤算法的對比
    4.4 增強現(xiàn)實效果展示
    4.5 本章小結
第5章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
致謝



本文編號：3732877