隨著虛擬現(xiàn)實技術(shù)的飛速發(fā)展,室內(nèi)三維場景的重建引起了眾多學(xué)者的關(guān)注,目前大多三維場景重建都是基于激光掃描數(shù)據(jù)進(jìn)行,其雖然能達(dá)到較為理想的效果,但設(shè)備價格昂貴,RGB-D相機由于價格低廉、結(jié)構(gòu)小巧、操作簡單,能同時獲得彩色圖及深度圖,現(xiàn)已得到眾多學(xué)者的青睞。本文主要圍繞RGB-D圖像展開研究,對室內(nèi)三維重建過程中所涉及的深度圖像修復(fù)、點云配準(zhǔn)、點云分割、模型構(gòu)建等關(guān)鍵技術(shù)展開工作,具體內(nèi)容如下:（1）詳細(xì)分析了RGB-D傳感器獲取深度圖像及點云的生成原理,通過分析深度圖像中空洞及噪聲成因,提出了基于光線追蹤渲染降噪方法,該算法將每個像素的顏色分解成直接光照和間接光照兩部分,其中像素的照度通過紋理信息獲得,然后對深度圖像空洞進(jìn)行修復(fù),對照度信息采取時間及空間的聯(lián)合濾波來彌補因樣本少而造成的信息缺失。（2）點云配準(zhǔn)研究。針對最近點迭代算法（Iterative Closest Point,ICP）易陷入局部最優(yōu)解問題,本文在精配前首先對原始點云數(shù)據(jù)進(jìn)行粗配,在對原始數(shù)據(jù)預(yù)處理后,本文分別采用4PCS算法、PFH算法、FPFH算法和NDT四種粗配算法進(jìn)行實驗,通過分析四種粗配準(zhǔn)算法的運行效率及配... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于RGB-D點云室內(nèi)場景重建

第二章深度圖像獲取及空洞修復(fù)7第二章RGB-D深度圖像獲取及空洞修復(fù)當(dāng)前室內(nèi)點云數(shù)據(jù)的獲取方式有很多，如主動測距傳感及被動測距傳感，本文獲取數(shù)據(jù)方式為被動測距，本章首先對小覓深度相機作簡要介紹，詳細(xì)描述深度圖及點云的生成原理，由于設(shè)備自身原因及周邊環(huán)境影響，獲取的深度圖不可避免產(chǎn)生噪聲及空洞，通過詳細(xì)分析其形成原因，列出幾種常見的深度圖像修復(fù)算法，最后提出光線追蹤渲染降噪，對實測數(shù)據(jù)進(jìn)行實驗及分析，驗證該算法對空洞修復(fù)的效果。2.1小覓深度相機簡介小覓雙目深度相機產(chǎn)品（MYNTEYE）是基于“視覺+慣性導(dǎo)航+結(jié)構(gòu)光”的融合，是由小覓智能推出的業(yè)界領(lǐng)先的基于雙筒望遠(yuǎn)鏡的多傳感器融合模塊，現(xiàn)被廣泛使用，例如視覺定位導(dǎo)航領(lǐng)域（vSLAM）：用于無人駕駛車輛和機器人的實時視覺定位導(dǎo)航系統(tǒng)，無人機視覺定位系統(tǒng)，無人駕駛避障導(dǎo)航系統(tǒng)，增強現(xiàn)實（AR），虛擬現(xiàn)實（VR），如圖2.1所示。它為VIO視覺慣性里程表算法研究與vSLAM視覺定位導(dǎo)航算法研究提供準(zhǔn)確的數(shù)據(jù)信息。(a)服務(wù)機器人(b)無人機(c)AGV(d)AR/VR圖2.1雙目相機應(yīng)用場景自2017年發(fā)布首款產(chǎn)品以來，小覓雙目深度相機系列產(chǎn)品已成為全球市場上排名第一的產(chǎn)品，其具有出色的性能，極強的適應(yīng)性和高質(zhì)量的技術(shù)支持。圖2.2顯示了雙目視覺相機產(chǎn)品的外觀，它配備了兩個彩色攝像機和兩個紅外有源光電探測器。該系列中使用的高精度芯片能確保兩個協(xié)作相機采集的圖像幀的同

第二章深度圖像獲取及空洞修復(fù)7第二章RGB-D深度圖像獲取及空洞修復(fù)當(dāng)前室內(nèi)點云數(shù)據(jù)的獲取方式有很多，如主動測距傳感及被動測距傳感，本文獲取數(shù)據(jù)方式為被動測距，本章首先對小覓深度相機作簡要介紹，詳細(xì)描述深度圖及點云的生成原理，由于設(shè)備自身原因及周邊環(huán)境影響，獲取的深度圖不可避免產(chǎn)生噪聲及空洞，通過詳細(xì)分析其形成原因，列出幾種常見的深度圖像修復(fù)算法，最后提出光線追蹤渲染降噪，對實測數(shù)據(jù)進(jìn)行實驗及分析，驗證該算法對空洞修復(fù)的效果。2.1小覓深度相機簡介小覓雙目深度相機產(chǎn)品（MYNTEYE）是基于“視覺+慣性導(dǎo)航+結(jié)構(gòu)光”的融合，是由小覓智能推出的業(yè)界領(lǐng)先的基于雙筒望遠(yuǎn)鏡的多傳感器融合模塊，現(xiàn)被廣泛使用，例如視覺定位導(dǎo)航領(lǐng)域（vSLAM）：用于無人駕駛車輛和機器人的實時視覺定位導(dǎo)航系統(tǒng)，無人機視覺定位系統(tǒng)，無人駕駛避障導(dǎo)航系統(tǒng)，增強現(xiàn)實（AR），虛擬現(xiàn)實（VR），如圖2.1所示。它為VIO視覺慣性里程表算法研究與vSLAM視覺定位導(dǎo)航算法研究提供準(zhǔn)確的數(shù)據(jù)信息。(a)服務(wù)機器人(b)無人機(c)AGV(d)AR/VR圖2.1雙目相機應(yīng)用場景自2017年發(fā)布首款產(chǎn)品以來，小覓雙目深度相機系列產(chǎn)品已成為全球市場上排名第一的產(chǎn)品，其具有出色的性能，極強的適應(yīng)性和高質(zhì)量的技術(shù)支持。圖2.2顯示了雙目視覺相機產(chǎn)品的外觀，它配備了兩個彩色攝像機和兩個紅外有源光電探測器。該系列中使用的高精度芯片能確保兩個協(xié)作相機采集的圖像幀的同

【參考文獻(xiàn)】：
期刊論文
[1]巡檢機器人獲取柑橘樹上果實完整表面信息方法研究[J]. 王毅,何宇,王愷,熊龍燁,王卓,張藝譚.  農(nóng)業(yè)機械學(xué)報. 2020(04)
[2]基于模板替換的室內(nèi)場景建模方法研究[J]. 張肇軒,王誠斌,楊鑫,樸星霖,王鵬杰,尹寶才.  圖學(xué)學(xué)報. 2020(02)
[3]結(jié)合視覺慣性模組的室內(nèi)三維布局魯棒重建方法[J]. 張宏鑫,方雨桐,利明.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2020(02)
[4]基于深度相機的大場景三維重建[J]. 劉東生,陳建林,費點,張之江.  光學(xué)精密工程. 2020(01)
[5]一種三維激光點云中建筑物立面漸進(jìn)分割方法[J]. 盧秀山,邢愷強,劉如飛,王鵬.  測繪科學(xué). 2019(12)
[6]基于區(qū)域生長算法的復(fù)雜建筑物屋頂點云分割[J]. 朱軍桃,王雷,趙傳,鄭旭東.  國土資源遙感. 2019(04)
[7]基于深度融合的深度圖像修復(fù)算法[J]. 王殿偉,陳鵬,李大湘,許志杰,王晶.  光電子·激光. 2019(06)
[8]基于目標(biāo)特征的植株深度圖像修復(fù)[J]. 陳國軍,程琰,曹岳,李勝.  圖學(xué)學(xué)報. 2019(03)
[9]基于RGB-D SLAM手機的森林樣地調(diào)查系統(tǒng)研究[J]. 范永祥,馮仲科,陳盼盼,高祥,申朝永.  農(nóng)業(yè)機械學(xué)報. 2019(08)
[10]SLAM激光點云整體精配準(zhǔn)位姿圖技術(shù)[J]. 閆利,戴集成,譚駿祥,劉華,陳長軍.  測繪學(xué)報. 2019(03)



本文編號：3537251