隨著老齡化社會(huì)問題的加劇,家庭服務(wù)機(jī)器迎來了更廣闊的應(yīng)用前景。復(fù)雜環(huán)境下對(duì)常見物體的抓取是服務(wù)機(jī)器人不可或缺的功能,物體識(shí)別定位技術(shù)是服務(wù)機(jī)器人完成抓取任務(wù)的先決條件,物體完整三維模型是位姿計(jì)算過程重要的先驗(yàn)知識(shí)。本課題旨在設(shè)計(jì)一種方便用戶操作的物體重構(gòu)方法和復(fù)雜環(huán)境下物體識(shí)別定位的方案,從視覺系統(tǒng)搭建,數(shù)據(jù)預(yù)處理流程、物體模型重構(gòu)技術(shù)、復(fù)雜場(chǎng)景下物體識(shí)別定位技術(shù)等方面展開研究。首先,采用點(diǎn)云數(shù)據(jù)作為環(huán)境感知的載體,搭建了Kinect點(diǎn)云數(shù)據(jù)采集及處理系統(tǒng)。根據(jù)相機(jī)成像過程,構(gòu)建了測(cè)量坐標(biāo)系與攝像機(jī)線性及非線性模型,采用張正友標(biāo)定法求解相機(jī)內(nèi)外參數(shù)矩陣并計(jì)算彩色相機(jī)與深度相機(jī)位置變換關(guān)系,最終完成了點(diǎn)云實(shí)時(shí)采集系統(tǒng)的搭建。其次,針對(duì)從環(huán)境中精準(zhǔn)分離目標(biāo)物體的應(yīng)用要求,研究點(diǎn)云預(yù)處理算法。根據(jù)Kinect拍攝過程中產(chǎn)生的噪聲類型,提出多重濾波算法,利用統(tǒng)計(jì)分析法去除點(diǎn)云邊緣噪聲,采用主成分分析法提取點(diǎn)云表面法線及曲率,利用改進(jìn)的雙邊濾波算法平滑點(diǎn)云表面小噪聲。再通過隨機(jī)采樣一致性算法去除支撐平面點(diǎn)云,并采用平滑度歐氏距離聚類法進(jìn)行點(diǎn)云聚類,從而達(dá)到目標(biāo)與環(huán)境分離的目的。再次,對(duì)三維重構(gòu)技... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Kinectv2點(diǎn)云采集傳感器

完成 Kinect 相機(jī)點(diǎn)云采集及處理平臺(tái)的搭建。根據(jù)成像原理，建立相機(jī)線性及非線性模型。針對(duì)相機(jī)畸變問題，采用張氏標(biāo)定法確定彩色相機(jī)及深度相機(jī)內(nèi)外參數(shù)矩陣，并求解兩攝像機(jī)之間的變換矩陣。通過深度圖像進(jìn)行三維場(chǎng)景還原，并利用彩色圖片進(jìn)行染色，獲得場(chǎng)景彩色點(diǎn)云數(shù)據(jù)，作為后續(xù)處理的載體。2.2 測(cè)量系統(tǒng)和軟件平臺(tái)搭建2.2.1 點(diǎn)云采集硬件系統(tǒng)環(huán)境搭建本文采用 Kinect V2 傳感器獲取點(diǎn)云，如圖 2-1 所示。Kinect 是一款可同時(shí)獲得彩色圖像和深度圖像的 3D 傳感器，因其價(jià)格低廉、數(shù)據(jù)獲取速度快、可靠性高等優(yōu)點(diǎn)而廣泛應(yīng)用于 3D 場(chǎng)景重建、SLAM 導(dǎo)航、物體識(shí)別等領(lǐng)域。其深度傳感器采用 Time of Flight 方式，利用紅外相機(jī)和脈沖變調(diào)紅外線投影儀器，通過從投影的紅外線反射信號(hào)的時(shí)間差來計(jì)算點(diǎn)距離傳感器的距離，如圖2-2所示。初代Kinect與 Kinect V2 傳感器的測(cè)量能力如表 2-1 所示。相比于初代 Kinect，KinectV2 在具有更高的彩色分辨率、更準(zhǔn)確的深度精度，如圖 2-3 所示。

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文表 2-1 初代 Kinect 與 Kinect V2 相機(jī)測(cè)量參數(shù)對(duì)比相機(jī)參數(shù) 初代 Kinect Kinect V2顏色分辨率 640×480 1920×1080深度分辨率 320×240 512×424采樣頻率 30Hz 30Hz測(cè)量范圍 0.5~4.0m 0.8~4.5m水平測(cè)量角 57° 70°垂直測(cè)量角 43° 60°

【參考文獻(xiàn)】：
期刊論文
[1]2018中國(guó)科技機(jī)器人企業(yè)排行榜[J]. 易觀.  商業(yè)觀察. 2018(04)
[2]面向點(diǎn)云的三維物體識(shí)別方法綜述[J]. 郝雯,王映輝,寧小娟,梁瑋,石爭(zhēng)浩.  計(jì)算機(jī)科學(xué). 2017(09)
[3]一種基于TOF相機(jī)與CCD相機(jī)的聯(lián)合標(biāo)定算法研究[J]. 郭寧博,陳向?qū)?姜明勇.  計(jì)算機(jī)應(yīng)用研究. 2018(09)
[4]基于RANSAC算法的穩(wěn)健點(diǎn)云平面擬合方法[J]. 楊軍建,吳良才.  北京測(cè)繪. 2016(02)
[5]平滑度歐式聚類算法分割點(diǎn)云數(shù)據(jù)[J]. 吳燕雄,李峰,劉芳,程麗娜,郭麗麗.  測(cè)控技術(shù). 2016(03)
[6]基于噪聲分類的雙邊濾波點(diǎn)云去噪算法[J]. 袁華,龐建鏗,莫建文.  計(jì)算機(jī)應(yīng)用. 2015(08)
[7]數(shù)字媒體專業(yè)學(xué)習(xí)中基于Kinect的互動(dòng)應(yīng)用開發(fā)實(shí)踐[J]. 劉曼曼,徐策,宋瑾鈺.  中國(guó)校外教育. 2012(33)
[8]基于八叉樹及KD樹的混合型點(diǎn)云數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)[J]. 廖麗瓊,白俊松,羅德安.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2012(03)
[9]基于自旋圖的三維自動(dòng)目標(biāo)識(shí)別[J]. 劉瑤,馬杰,趙季,田金文,熊凌.  紅外與激光工程. 2012(02)
[10]利用飛行時(shí)間三維相機(jī)的非剛體形狀三維重建[J]. 童晶,向?qū)W勤,田洪波,潘志庚,張明敏.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2011(03)

博士論文
[1]三維重建中點(diǎn)云數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D]. 谷曉英.燕山大學(xué) 2015

碩士論文
[1]發(fā)動(dòng)機(jī)葉片磨削余量檢測(cè)及表面重建算法與系統(tǒng)研究[D]. 李明.哈爾濱工業(yè)大學(xué) 2017
[2]復(fù)雜三維點(diǎn)云場(chǎng)景中的目標(biāo)識(shí)別方法研究[D]. 袁天文.吉林大學(xué) 2017
[3]基于結(jié)構(gòu)光的3D重建系統(tǒng)[D]. 趙東威.南京大學(xué) 2013
[4]基于K近鄰的分類算法研究[D]. 桑應(yīng)賓.重慶大學(xué) 2009



本文編號(hào)：2935277