點(diǎn)云匹配在計(jì)算圖形學(xué)和視覺中具有重要的意義,為了改變目前部分三維點(diǎn)云數(shù)據(jù)集存在分辨率低、有噪聲干擾和只有部分三維數(shù)據(jù)的問(wèn)題,并且受最近神經(jīng)網(wǎng)絡(luò)成功的啟發(fā),本文主要研究基于深度學(xué)習(xí)的點(diǎn)云匹配,其主要核心處理可以分為三個(gè)步驟:關(guān)鍵點(diǎn)的獲取、關(guān)鍵點(diǎn)的描述和用描述子進(jìn)行匹配。針對(duì)這三個(gè)步驟,本文提出了一種獲取關(guān)鍵點(diǎn)的方法,來(lái)獲取進(jìn)行深度學(xué)習(xí)的數(shù)據(jù)集,從而獲取關(guān)鍵點(diǎn);然后利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)訓(xùn)練,得出匹配對(duì)對(duì)應(yīng)的描述子,最后使用了RANSAC算法完成點(diǎn)云匹配,使點(diǎn)云的匹配更加準(zhǔn)確。本文主要工作與成果如下:（1）針對(duì)目前三維數(shù)據(jù)分辨率低、有噪聲干擾、不完整的問(wèn)題,提出了一種獲取點(diǎn)云中關(guān)鍵點(diǎn)對(duì)的方法,并基于關(guān)鍵點(diǎn)對(duì)建立了數(shù)據(jù)集。首先,將兩張RGB-D圖片重建成三維點(diǎn)云,從中隨機(jī)采樣獲取關(guān)鍵點(diǎn),將關(guān)鍵點(diǎn)在重建中的3D位置映射到其位于攝像機(jī)視錐體內(nèi)且未被遮擋的兩幅RGB-D幀中,直接將該關(guān)鍵點(diǎn)在兩幅RGB-D幀中的相應(yīng)位置,作為關(guān)鍵點(diǎn)對(duì)。實(shí)驗(yàn)結(jié)果表明:該方法獲取的關(guān)鍵點(diǎn)對(duì),省時(shí)省力,并且精度較高,可以很好地作為深度學(xué)習(xí)訓(xùn)練的數(shù)據(jù)集。（2）針對(duì)目前描述子大部分是人為手工定義,從而精度、準(zhǔn)確度較低的... 

【文章來(lái)源】：中北大學(xué)山西省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

初始圖

中北大學(xué)學(xué)位論文8三個(gè)對(duì)應(yīng)點(diǎn)才可求解出該問(wèn)題，匹配的過(guò)程可以表示為以下方程：ptpsRt式（2-1）公式（2-1）中的pt代表目標(biāo)點(diǎn)云中的關(guān)鍵點(diǎn)，ps代表的是與目標(biāo)點(diǎn)云中關(guān)鍵點(diǎn)相匹配的源點(diǎn)云中的關(guān)鍵點(diǎn)。而求解點(diǎn)云匹配的過(guò)程需要求出矩陣R與向量t，匹配關(guān)系如圖2-2中的藍(lán)色線所示：圖2-2匹配關(guān)系圖Figure2-2Matchingrelationshipdiagram在以上的步驟計(jì)算出兩片點(diǎn)云之間的旋轉(zhuǎn)平移矩陣后，把源點(diǎn)云經(jīng)過(guò)該旋轉(zhuǎn)平移矩陣變換后，得到兩片點(diǎn)云的匹配結(jié)果圖，結(jié)果如圖2-3所示：圖2-3匹配結(jié)果圖Figure2-3Matchingresults上面所述的三維點(diǎn)云經(jīng)過(guò)旋轉(zhuǎn)平移矩陣變換匹配在一起的例子，即為三維點(diǎn)云匹配的一般情況，即將兩片點(diǎn)云經(jīng)過(guò)剛體變換匹配在一起。點(diǎn)云匹配在應(yīng)用中經(jīng)常

匹配結(jié)果圖

【參考文獻(xiàn)】：
期刊論文
[1]基于點(diǎn)對(duì)特征的三維點(diǎn)云匹配算法[J]. 易杰,李蹊,易輝成,劉苗,鐘凱,胡興.  傳感器與微系統(tǒng). 2019(09)
[2]基于關(guān)鍵點(diǎn)提取與優(yōu)化迭代最近點(diǎn)的點(diǎn)云配準(zhǔn)[J]. 彭真,呂遠(yuǎn)健,渠超,朱大虎.  激光與光電子學(xué)進(jìn)展. 2020(06)
[3]基于機(jī)器學(xué)習(xí)的光刻壞點(diǎn)檢測(cè)研究進(jìn)展[J]. 蓋天洋,粟雅娟,陳穎,韋亞一.  微納電子技術(shù). 2019(06)
[4]基于樣本協(xié)方差矩陣最大特征值的低信噪比環(huán)境電網(wǎng)異常狀態(tài)檢測(cè)[J]. 周忠強(qiáng),韓松.  電力系統(tǒng)保護(hù)與控制. 2019(08)
[5]一種非結(jié)構(gòu)環(huán)境下目標(biāo)識(shí)別和3D位姿估計(jì)方法[J]. 任秉銀,魏坤,代勇.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2019(01)
[6]基于MATLAB三種濾波算法的圖像去噪技術(shù)研究[J]. 李宸鑫.  通訊世界. 2018(06)
[7]基于運(yùn)動(dòng)平滑約束項(xiàng)的快速誤匹配剔除算法[J]. 李為,李為相,張璠,揭偉.  計(jì)算機(jī)應(yīng)用. 2018(09)
[8]直線簇約束下的地面LiDAR點(diǎn)云配準(zhǔn)方法[J]. 盛慶紅,張斌,肖暉,陳姝文,王青,柳建峰.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(03)
[9]基于兩層策略的SAR圖像局部不變特征點(diǎn)的匹配方法[J]. 趙愛罡,范小虎,趙乾,王建永,葛春.  電光與控制. 2019(01)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)Caffe框架的圖像分類[J]. 楊曉旭,高巍,顧颋.  電子技術(shù)與軟件工程. 2017(24)

博士論文
[1]三維點(diǎn)云配準(zhǔn)技術(shù)研究[D]. 熊風(fēng)光.中北大學(xué) 2018
[2]地面三維激光掃描點(diǎn)云場(chǎng)景重建方法研究[D]. 龔珍.中國(guó)地質(zhì)大學(xué) 2017
[3]基于點(diǎn)法向量姿態(tài)估計(jì)的激光雷達(dá)距離像目標(biāo)識(shí)別算法研究[D]. 呂丹.哈爾濱工業(yè)大學(xué) 2016
[4]基于特征點(diǎn)的圖像配準(zhǔn)及其在穩(wěn)像中的應(yīng)用[D]. 易盟.西安電子科技大學(xué) 2013

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的點(diǎn)云配準(zhǔn)方法研究[D]. 李丹煜.中北大學(xué) 2018
[2]基于特征點(diǎn)匹配的點(diǎn)云粗配準(zhǔn)算法研究[D]. 霍旺.中北大學(xué) 2018
[3]三維點(diǎn)云模型的自動(dòng)配準(zhǔn)算法研究[D]. 李羿辰.西北大學(xué) 2017
[4]基于三維激光掃描點(diǎn)云數(shù)據(jù)特征點(diǎn)提取及建筑物重建[D]. 楊明珠.昆明理工大學(xué) 2017
[5]一種增強(qiáng)現(xiàn)實(shí)幾何一致性算法的優(yōu)化研究[D]. 楊陽(yáng).北京理工大學(xué) 2016
[6]基于計(jì)算機(jī)視覺的平面特征點(diǎn)定位與多分辨率分析研究[D]. 徐凱.東南大學(xué) 2016
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法與應(yīng)用研究[D]. 陳先昌.浙江工商大學(xué) 2014



本文編號(hào)：3034578