移動機(jī)器人最主要的功能之一就是能夠?qū)崟r感知其周圍環(huán)境,及時處理來自周圍環(huán)境的信息。相對于簡單的平面圖像,3D點(diǎn)云數(shù)據(jù)不僅包含物體的顏色信息,而且包含更多的幾何信息。基于協(xié)方差描述符的圖像識別方法已經(jīng)發(fā)展了幾十年,但是如何將協(xié)方差描述符有效應(yīng)用到3D點(diǎn)云對象識別與分類中卻是近幾年才興起的研究熱點(diǎn)。本文從實(shí)際出發(fā),分別研究了局部描述符和全局描述符在3D點(diǎn)云中對象識別與分類中的應(yīng)用,并對點(diǎn)云匹配過程中的誤匹配校正算法進(jìn)行了研究。同時針對點(diǎn)云的不均勻、無序、稀疏等特點(diǎn),本文提出了一種基于拓?fù)浣Y(jié)構(gòu)不變性的3D點(diǎn)云分割方法。本文的主要的創(chuàng)新研究成果如下:（1）針對一般描述符維度大、對噪聲敏感、匹配運(yùn)算時間長等問題,結(jié)合3D點(diǎn)云提出了一種新的局部協(xié)方差描述符,并結(jié)合點(diǎn)云協(xié)方差特征描述符的特點(diǎn),提出了相應(yīng)的誤匹配校正算法,有效的減少了描述符匹配過程中誤匹配的數(shù)量,從而提高了對象識別的精確度和魯棒性。（2）結(jié)合全局描述符處理速度快的特點(diǎn),從3D點(diǎn)云的顏色、深度、形狀、大小以及其他不同方面的幾何信息提取特征描述符,并對其進(jìn)行串行融合,生成不同組合的全局特征描述符。通過實(shí)體和類別兩種不同方式的分類實(shí)驗(yàn),驗(yàn)證... 

【文章來源】：華東交通大學(xué)江西省

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與研究意義
    1.2 國內(nèi)外研究概況
        1.2.1 3D點(diǎn)云協(xié)方差的研究概況
        1.2.2 3D點(diǎn)云分割的研究概況
    1.3 論文主要工作及結(jié)構(gòu)安排
第二章 3D點(diǎn)云及其協(xié)方差描述符的理論基礎(chǔ)
    2.1 3D點(diǎn)云
        2.1.1 3D點(diǎn)云的基本概念
        2.1.2 深度圖像轉(zhuǎn)為點(diǎn)云的基本原理
    2.2 協(xié)方差描述符
        2.2.1 協(xié)方差基本概念
        2.2.2 描述符之間的相似度衡量
    2.3 協(xié)方差描述符的分類
        2.3.1 K近鄰(KNN)算法
        2.3.2 支持向量機(jī)(SVMs)
        2.3.3 基于字典學(xué)習(xí)的協(xié)方差分類
    2.4 本章小結(jié)
第三章 3D點(diǎn)云的協(xié)方差描述符及其誤匹配校正算法
    3.1 基于局部特征的描述符
    3.2 常見的局部描述符
        3.2.1 FPFH描述符
        3.2.2 SHOT描述符
        3.2.3 自旋圖
    3.3 協(xié)方差描述符
        3.3.1 協(xié)方差描述符性能描述
        3.3.2 特征描述符
    3.4 誤匹配校正算法的研究
        3.4.1 多個尺度的協(xié)方差描述符
        3.4.2 基于CCA的誤匹配剔除算法
    3.5 實(shí)驗(yàn)結(jié)果和分析
        3.5.1 實(shí)驗(yàn)過程
        3.5.2 結(jié)果及分析
    3.6 本章小結(jié)
第四章 基于3D點(diǎn)云全局特征描述符的對象分類
    4.1 全局特征描述符
        4.1.1 特征描述
        4.1.2 特征組合
    4.2 實(shí)驗(yàn)準(zhǔn)備及過程
        4.2.1 數(shù)據(jù)集
        4.2.2 實(shí)驗(yàn)過程
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 實(shí)體分類
        4.3.2 類別分類
        4.3.3 誤差分析
    4.4 本章小結(jié)
第五章 基于拓?fù)浣Y(jié)構(gòu)不變性的3D點(diǎn)云分割算法
    5.1 拓?fù)浣Y(jié)構(gòu)
        5.1.1 拓?fù)淇臻g
        5.1.2 從簡單到復(fù)雜的拓?fù)浣Y(jié)構(gòu)
        5.1.3 同調(diào)
    5.2 基于拓?fù)洳蛔冃缘姆指钏惴?br>        5.2.1 特征一致性標(biāo)準(zhǔn)
        5.2.2 構(gòu)造輸入空間Vietoris-Rips復(fù)形
        5.2.3 持續(xù)同調(diào)的計算
    5.3 實(shí)驗(yàn)結(jié)果及分析
        5.3.1 實(shí)驗(yàn)過程
        5.3.2 結(jié)果及分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文的主要工作
    6.2 工作展望
參考文獻(xiàn)
個人簡歷 在讀期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]分層結(jié)構(gòu)直方圖及其應(yīng)用[J]. 余旺盛,李衛(wèi)華,侯志強(qiáng).  電子學(xué)報. 2017(11)
[2]鐵路場景三維點(diǎn)云分割與分類識別算法[J]. 郭保青,余祖俊,張楠,朱力強(qiáng),高晨光.  儀器儀表學(xué)報. 2017(09)
[3]三維點(diǎn)云數(shù)據(jù)分割原理及應(yīng)用[J]. 師域軒,褚智威.  科技資訊. 2017(24)
[4]基于OpenCL的點(diǎn)云分割方法[J]. 范昱伶,王美麗,何東健.  計算機(jī)工程與應(yīng)用. 2018(01)
[5]特征聯(lián)合和旋轉(zhuǎn)不變空間分割聯(lián)合的局部圖像描述符[J]. 許允喜,陳方.  自動化學(xué)報. 2016(04)
[6]基于典型相關(guān)分析方法的尺度不變特征變換誤匹配剔除[J]. 趙偉,田錚,楊麗娟,延偉東,溫金環(huán).  計算機(jī)應(yīng)用. 2015(11)
[7]局部圖像描述符最新研究進(jìn)展[J]. 許允喜,陳方.  中國圖象圖形學(xué)報. 2015(09)
[8]一種新的點(diǎn)云平面混合分割方法[J]. 閆利,謝洪,胡曉斌,鮑秀武.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2013(05)
[9]二值圖像輪廓局部描述和檢索方法[J]. 楊曉東,吳玲達(dá),謝毓湘,楊征,周文.  計算機(jī)應(yīng)用. 2010(01)
[10]散亂噪聲點(diǎn)云的數(shù)據(jù)分割[J]. 吳世雄,王成勇.  機(jī)械工程學(xué)報. 2007(02)



本文編號：3336723