結(jié)構(gòu)光三維建模技術(shù)重建效率高,更適用于缺乏紋理特征的物體,是計(jì)算機(jī)領(lǐng)域的一個(gè)研究與應(yīng)用熱點(diǎn),但存在投影圖案易被場(chǎng)景中光線(xiàn)干擾,同時(shí)建模尺寸受限的問(wèn)題。本文設(shè)計(jì)紅外結(jié)構(gòu)光及點(diǎn)云拼接的方案,實(shí)現(xiàn)室外場(chǎng)景下實(shí)體車(chē)輛的三維建模。本方案包括車(chē)輛點(diǎn)云采集、精簡(jiǎn)及三角網(wǎng)格化三個(gè)步驟:⑴車(chē)輛三維點(diǎn)云采集。設(shè)計(jì)制造了一臺(tái)剛性龍門(mén)架,用以搭載紅外深度傳感器,采集車(chē)輛頭部、尾部、頂部及兩側(cè)的點(diǎn)云數(shù)據(jù),依據(jù)空間直角坐標(biāo)系下的旋轉(zhuǎn)及平移變換,完成點(diǎn)云坐標(biāo)歸一化,拼接獲得完整車(chē)輛的三維點(diǎn)云。⑵車(chē)輛點(diǎn)云精簡(jiǎn)與去噪。本文首先提出一種曲率精簡(jiǎn)算法,其以柵格內(nèi)K-means聚類(lèi)結(jié)果構(gòu)造三角形,以相鄰三角形法線(xiàn)夾角平均值作為局部曲率估計(jì)值,在車(chē)輛高曲率區(qū)域保留更多三維數(shù)據(jù)點(diǎn),與均勻精簡(jiǎn)相比,對(duì)車(chē)輛輪廓細(xì)節(jié)描述更加精確。之后針對(duì)人為設(shè)定精簡(jiǎn)規(guī)則可能存在誤采樣的缺陷,本文又設(shè)計(jì)了一種用于車(chē)輛點(diǎn)云采樣的多層卷積神經(jīng)網(wǎng)絡(luò),將柵格內(nèi)點(diǎn)云輸入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行通道伸縮與特征映射,用以挖掘車(chē)輛點(diǎn)云的空間結(jié)構(gòu)共性,在完成訓(xùn)練后依據(jù)前饋神經(jīng)網(wǎng)絡(luò)進(jìn)行點(diǎn)云采樣,增強(qiáng)了點(diǎn)云精簡(jiǎn)過(guò)程中的非線(xiàn)性表征能力。最后依據(jù)空間位置濾除地表密集噪點(diǎn),沿三個(gè)坐標(biāo)軸向...

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 車(chē)輛建模及其應(yīng)用
        1.2.2 結(jié)構(gòu)光三維測(cè)量
    1.3 本文研究?jī)?nèi)容
    1.4 本文章節(jié)安排
第二章 結(jié)構(gòu)光三維測(cè)量基礎(chǔ)理論
    2.1 結(jié)構(gòu)光編碼方式
        2.1.1 時(shí)間編碼
        2.1.2 鄰域編碼
        2.1.3 直接編碼
    2.2 相機(jī)成像模型與參數(shù)標(biāo)定
        2.2.1 相機(jī)成像模型
        2.2.2 相機(jī)參數(shù)標(biāo)定
    2.3 結(jié)構(gòu)光解碼
    2.4 三維坐標(biāo)計(jì)算
    2.5 本章小結(jié)
第三章 車(chē)輛三維點(diǎn)云采集
    3.1 點(diǎn)云采集設(shè)備
        3.1.1 紅外深度傳感器
        3.1.2 剛性龍門(mén)架
    3.2 坐標(biāo)歸一化推導(dǎo)
        3.2.1 平移變換
        3.2.2 旋轉(zhuǎn)變換
        3.2.3 多采集位置坐標(biāo)歸一化
    3.3 室外場(chǎng)景下車(chē)輛點(diǎn)云采集
        3.3.1 采集過(guò)程
        3.3.2 數(shù)據(jù)記錄
    3.4 數(shù)據(jù)處理與實(shí)驗(yàn)結(jié)果
        3.4.1 數(shù)據(jù)預(yù)處理
        3.4.2 坐標(biāo)歸一化
        3.4.3 實(shí)驗(yàn)結(jié)果
    3.5 本章小結(jié)
第四章 車(chē)輛點(diǎn)云精簡(jiǎn)與去噪
    4.1 點(diǎn)云柵格存儲(chǔ)
        4.1.1 柵格存儲(chǔ)定義
        4.1.2 柵格存儲(chǔ)步驟
    4.2 點(diǎn)云均勻精簡(jiǎn)
        4.2.1 算法原理
        4.2.2 實(shí)驗(yàn)結(jié)果及分析
    4.3 點(diǎn)云曲率精簡(jiǎn)
        4.3.1 K-means聚類(lèi)算法
        4.3.2 曲率估計(jì)
        4.3.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 基于卷積神經(jīng)網(wǎng)絡(luò)的點(diǎn)云精簡(jiǎn)
        4.4.1 采樣網(wǎng)絡(luò)結(jié)構(gòu)
        4.4.2 損失函數(shù)設(shè)計(jì)
        4.4.3 訓(xùn)練及驗(yàn)證過(guò)程
    4.5 車(chē)輛外部點(diǎn)云去噪
        4.5.1 地面高密度噪點(diǎn)清除
        4.5.2 車(chē)輛外部低密度噪點(diǎn)清除
        4.5.3 去噪結(jié)果及分析
    4.6 本章小結(jié)
第五章 車(chē)輛點(diǎn)云三角網(wǎng)格化
    5.1 相關(guān)概念
        5.1.1 三角網(wǎng)格
        5.1.2 Delaunay三角剖分
        5.1.3 空間生長(zhǎng)法
    5.2 車(chē)輛點(diǎn)云三角網(wǎng)格化方法
        5.2.1 鄰近點(diǎn)搜索
        5.2.2 構(gòu)造種子三角形
        5.2.3 擴(kuò)展點(diǎn)約束條件
        5.2.4 頂點(diǎn)評(píng)價(jià)函數(shù)
    5.3 三角網(wǎng)格化結(jié)果及分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 問(wèn)題與展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3971761