本文關(guān)鍵詞：動(dòng)物體表三維數(shù)據(jù)獲取與處理算法研究

  更多相關(guān)文章： 動(dòng)物 三維數(shù)據(jù) 非剛體配準(zhǔn) 點(diǎn)匹配 點(diǎn)云 深度圖像 消費(fèi)級(jí)深度攝像頭

【摘要】：人類對(duì)生物有機(jī)體認(rèn)識(shí)和應(yīng)用系統(tǒng)的建立在很大程度上依賴于對(duì)其形態(tài)結(jié)構(gòu)的觀察、認(rèn)知和創(chuàng)新利用。在農(nóng)業(yè)生產(chǎn)應(yīng)用系統(tǒng)領(lǐng)域,動(dòng)植物的幾何形態(tài)表型是集約化、信息化、智能化精細(xì)農(nóng)業(yè)的基礎(chǔ)之一。目前,家畜如牛豬羊馬等中型動(dòng)物的幾何形態(tài)表型數(shù)據(jù)的獲取與處理手段的缺失是走向規(guī)模化和自動(dòng)化大牧場(chǎng)的瓶頸之一。為此,本文主要探索基于深度攝像頭的中型活體動(dòng)物體表三維數(shù)據(jù)獲取及后處理關(guān)鍵技術(shù),為動(dòng)物幾何形態(tài)表型信息的連續(xù)、快速且自動(dòng)化獲取及智能化測(cè)度奠定基礎(chǔ)。 本文提出基于消費(fèi)級(jí)深度攝像頭的中型活體動(dòng)物的體表三維數(shù)據(jù)獲取方案,以生豬等動(dòng)物及人體為例,對(duì)獲取的三維數(shù)據(jù)后處理關(guān)鍵步驟包括配準(zhǔn)、分割、非剛體三維模型點(diǎn)匹配等方法進(jìn)行研究,并在此基礎(chǔ)上實(shí)現(xiàn)雙深度攝像頭的動(dòng)物體表全視角三維數(shù)據(jù)獲取應(yīng)用系統(tǒng)。具體如下： (1)首次驗(yàn)證了消費(fèi)級(jí)深度攝像頭在動(dòng)物體表三維數(shù)據(jù)獲取及體尺測(cè)量應(yīng)用上的可行性和使用條件。選Xtion Pro作為采集設(shè)備,石膏奶牛模型和真實(shí)奶牛作為試驗(yàn)對(duì)象,在實(shí)驗(yàn)室環(huán)境下,通過(guò)統(tǒng)計(jì)誤差定量分析數(shù)據(jù)精度和點(diǎn)云密度隨采集距離變化的規(guī)律,以確定合適的采集距離。養(yǎng)殖場(chǎng)環(huán)境下,定性分析陽(yáng)光、體表材質(zhì)等因素對(duì)獲取點(diǎn)云數(shù)據(jù)質(zhì)量的影響。結(jié)果表明,在遮擋太陽(yáng)光和采集距離大于0.6小于1.2m條件下,平均誤差小于±5mm,相對(duì)誤差小于10%。最終確定Xtion Pro作為深度攝像頭用于動(dòng)物體表三維數(shù)據(jù)獲取是可行的,以及確定其應(yīng)用條件,為低成本地動(dòng)物體表三維數(shù)據(jù)獲取提供了一種可行有效的選擇。 (2)在已有的基于法線局部鄰域特征的配準(zhǔn)方法基礎(chǔ)上,通過(guò)引入曲率鄰域特征相似度測(cè)量和隨機(jī)采樣一致性匹配機(jī)制,提出一種改進(jìn)的點(diǎn)云數(shù)據(jù)粗配準(zhǔn)算法。首先利用法線局部鄰域特征結(jié)合曲率鄰域特征相似度測(cè)量,得到低錯(cuò)誤率、準(zhǔn)確度較高的對(duì)應(yīng)點(diǎn)對(duì),常用的歐氏距離約束匹配測(cè)度無(wú)法處理待配準(zhǔn)三維場(chǎng)景中包含相對(duì)小區(qū)域的非剛體變換對(duì)象,如包含運(yùn)動(dòng)動(dòng)物的三維場(chǎng)景數(shù)據(jù),因此采用隨機(jī)采樣一致性算法去除錯(cuò)誤點(diǎn)對(duì)的策略,從而得到一組與相對(duì)大部分剛體變換區(qū)域一致的正確匹配點(diǎn)對(duì),最終通過(guò)該匹配點(diǎn)對(duì)完成配準(zhǔn)參數(shù)估計(jì)。用剛體變換模型和含有相對(duì)大部分剛體變換區(qū)域的三維模型及場(chǎng)景序列對(duì)算法進(jìn)行驗(yàn)證。結(jié)果表明：本文算法精度高于已有方法,能夠使得精細(xì)配準(zhǔn)更快地收斂,并且能夠適應(yīng)于高噪聲、包含小區(qū)域非剛體變換的點(diǎn)云數(shù)據(jù),為后處理算法研究中常用的模型初始對(duì)齊和含有運(yùn)動(dòng)動(dòng)物的相鄰幀攝像頭相對(duì)位姿估計(jì)提供基礎(chǔ)。 (3)獲取包含有動(dòng)物的三維數(shù)據(jù)后,從三維數(shù)據(jù)中有效地分割出動(dòng)物體成為關(guān)鍵之一。為此,本文提出一種從深度圖像序列中分割和跟蹤運(yùn)動(dòng)目標(biāo)的新方法。該方法以消費(fèi)級(jí)深度攝像頭獲取的深度圖像序列為輸入,首先采用上述的粗配準(zhǔn)算法對(duì)當(dāng)前幀和參考幀的攝像頭進(jìn)行相對(duì)位姿估計(jì),再利用可視范圍約束消除全局運(yùn)動(dòng)引起的背景變化,然后利用傳統(tǒng)幀差法來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)種子,并結(jié)合光線跟蹤進(jìn)行遮擋分析以消除遮擋引起的偽目標(biāo)。然后對(duì)當(dāng)前幀和參考幀在空域進(jìn)行去除支撐域的空間聚類分割,同時(shí)用最近點(diǎn)和幾何特征匹配原則求取兩幀之間的對(duì)應(yīng)點(diǎn),進(jìn)而構(gòu)造本文提出的聯(lián)合時(shí)空信息的相鄰幀塊對(duì)應(yīng)矩陣,在該矩陣的指導(dǎo)下對(duì)前述的初始空域分割結(jié)果進(jìn)行優(yōu)化分割和跟蹤,最終輸出序列中運(yùn)動(dòng)目標(biāo)的準(zhǔn)確分割和跟蹤結(jié)果。以Xtion Pro獲取的含有動(dòng)物或人體運(yùn)動(dòng)的深度圖像序列為輸入對(duì)算法進(jìn)行驗(yàn)證。結(jié)果表明,該算法能夠處理多目標(biāo)、運(yùn)動(dòng)攝像頭、運(yùn)動(dòng)目標(biāo)之間或運(yùn)動(dòng)目標(biāo)與環(huán)境相切的復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)分割和跟蹤問(wèn)題。 (4)對(duì)于分割后得到的時(shí)變?nèi)S動(dòng)物模型序列,潛在的動(dòng)物姿勢(shì)歸一化等應(yīng)用都依賴三維模型的點(diǎn)對(duì)應(yīng)關(guān)系。為此,提出一種基于塊發(fā)現(xiàn)的非剛體三維形狀點(diǎn)對(duì)應(yīng)算法。該算法基于一般動(dòng)物身軀表面積相對(duì)四肢較大和關(guān)節(jié)式運(yùn)動(dòng)的假設(shè),以兩組非剛體模型為輸入,通過(guò)粗配準(zhǔn)初始化模型的位姿使得最大剛體塊盡可能重合,然后根據(jù)距離最近原則對(duì)與粗配準(zhǔn)不一致的區(qū)域進(jìn)行分割處理構(gòu)造新的對(duì)應(yīng)塊。對(duì)最大剛體塊采用幾何特征和歐氏距離相似性測(cè)度獲取初始匹配點(diǎn)對(duì),同時(shí)利用匹配點(diǎn)對(duì)之間的相容性關(guān)系通過(guò)譜匹配技術(shù)來(lái)獲取準(zhǔn)確率較高的稀疏對(duì)應(yīng)點(diǎn)作為核心對(duì)應(yīng)點(diǎn)對(duì),最后通過(guò)核心對(duì)應(yīng)點(diǎn)對(duì)、分割區(qū)域之間的連續(xù)性,求解出對(duì)應(yīng)塊的對(duì)齊矩陣。對(duì)構(gòu)造的對(duì)應(yīng)塊,遞歸進(jìn)行上述處理,直到無(wú)符合條件的對(duì)應(yīng)塊,這樣有效避免了對(duì)稱性問(wèn)題。最終在近似保測(cè)地線約束下,根據(jù)求得的所有塊的核心對(duì)應(yīng)點(diǎn)對(duì)擴(kuò)散得到整個(gè)模型的稠密對(duì)應(yīng)點(diǎn)對(duì)。采用公開(kāi)的數(shù)據(jù)以及分割后的人和動(dòng)物時(shí)變運(yùn)動(dòng)序列數(shù)據(jù)對(duì)算法進(jìn)行測(cè)試。結(jié)果表明,該算法能夠處理完整曲面數(shù)據(jù)模型、不完整點(diǎn)云數(shù)據(jù)模型以及高噪聲、大變形等典型情況。 (5)單深度攝像頭有視場(chǎng)局限性,為盡可能全面地獲取動(dòng)物體表三維數(shù)據(jù),提出一種多深度攝像頭動(dòng)物體表實(shí)時(shí)三維數(shù)據(jù)獲取應(yīng)用系統(tǒng)。本系統(tǒng)采用基于隨機(jī)采樣一致性算法的標(biāo)靶球標(biāo)定方法對(duì)攝像頭外參數(shù)進(jìn)行離線且非現(xiàn)場(chǎng)自動(dòng)標(biāo)定,并設(shè)計(jì)簡(jiǎn)易可調(diào)節(jié)式深度攝像頭固定機(jī)構(gòu)用于現(xiàn)場(chǎng)固定深度攝像頭,該機(jī)構(gòu)能夠暫存標(biāo)定得到的外參數(shù),在現(xiàn)場(chǎng)時(shí)結(jié)合ICP精細(xì)配準(zhǔn)來(lái)進(jìn)行二次標(biāo)定以彌補(bǔ)重新安裝固定機(jī)構(gòu)帶來(lái)的外參數(shù)偏差。最后利用二次標(biāo)定得到的外參數(shù)將同步獲取的深度數(shù)據(jù)進(jìn)行在線對(duì)齊,以達(dá)到實(shí)時(shí)全面的動(dòng)物體表三維數(shù)據(jù)獲取,并且采用優(yōu)化拾取機(jī)制后的交互式測(cè)量方法進(jìn)行動(dòng)物體尺測(cè)量應(yīng)用。以生豬標(biāo)本和動(dòng)物分別作為靜態(tài)試驗(yàn)及動(dòng)態(tài)試驗(yàn)對(duì)象,對(duì)系統(tǒng)進(jìn)行驗(yàn)證。結(jié)果表明：標(biāo)靶球標(biāo)定算法能夠全自動(dòng)快速地獲取深度攝像頭外參數(shù),系統(tǒng)以15fps的速度獲取豬體體表數(shù)據(jù),用該系統(tǒng)能夠得到靜態(tài)和動(dòng)態(tài)生豬體表三維數(shù)據(jù)交互式測(cè)量不確定性分別在4%和6%以內(nèi)的體尺信息。動(dòng)態(tài)可調(diào)節(jié)式深度攝像頭固定機(jī)構(gòu)可以適應(yīng)不同大小的動(dòng)物,且它的引入避免了養(yǎng)殖環(huán)境下現(xiàn)場(chǎng)進(jìn)行標(biāo)定等帶來(lái)的操作不便及對(duì)動(dòng)物的應(yīng)激干擾問(wèn)題。該系統(tǒng)可用于精度要求不高的動(dòng)物體表三維數(shù)據(jù)全視角獲取場(chǎng)合。 最后對(duì)基于深度攝像頭的動(dòng)物體表三維數(shù)據(jù)獲取與處理應(yīng)用技術(shù)中尚未存在的不足和未解決的問(wèn)題進(jìn)行了總結(jié)歸納,為后續(xù)研究提供參考。
【關(guān)鍵詞】：動(dòng)物 三維數(shù)據(jù) 非剛體配準(zhǔn) 點(diǎn)匹配 點(diǎn)云 深度圖像 消費(fèi)級(jí)深度攝像頭
【學(xué)位授予單位】：中國(guó)農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-11
• 圖表目錄11-14
• 所有表目錄14-15
• 第一章 緒論15-27
• 1.1 研究背景和意義15
• 1.2 國(guó)內(nèi)外研究進(jìn)展及存在問(wèn)題15-22
• 1.3 項(xiàng)目來(lái)源與經(jīng)費(fèi)支持22
• 1.4 研究目標(biāo)和研究?jī)?nèi)容22-24
• 1.5 研究方法與技術(shù)路線24-25
• 1.6 本文創(chuàng)新點(diǎn)25-27
• 第二章 動(dòng)物體表三維數(shù)據(jù)獲取技術(shù)選擇27-41
• 2.1 三維數(shù)據(jù)獲取技術(shù)概述27-30
• 2.2 基于PS1080芯片的深度攝像頭研究應(yīng)用30-31
• 2.3 基于Xtion Pro三維數(shù)據(jù)獲取31-35
• 2.4 Xtion Pro深度攝像頭成像精度與使用條件測(cè)試35-39
• 2.5 本章小結(jié)39-41
• 第三章 點(diǎn)云數(shù)據(jù)剛體配準(zhǔn)算法研究41-63
• 3.1 點(diǎn)云配準(zhǔn)技術(shù)現(xiàn)狀41-47
• 3.2 一種基于三維局部特征描述的粗配準(zhǔn)方法47-52
• 3.3 基于ICP的精細(xì)配準(zhǔn)52-53
• 3.4 試驗(yàn)結(jié)果分析與討論53-62
• 3.5 本章小結(jié)62-63
• 第四章 深度圖像序列非剛體運(yùn)動(dòng)目標(biāo)分割與跟蹤算法研究63-93
• 4.1 相關(guān)基礎(chǔ)知識(shí)63-67
• 4.2 運(yùn)動(dòng)目標(biāo)分割技術(shù)現(xiàn)狀67-70
• 4.3 深度圖像序列非剛體運(yùn)動(dòng)目標(biāo)分割與跟蹤算法70-81
• 4.4 實(shí)驗(yàn)結(jié)果與分析81-92
• 4.5 本章小結(jié)92-93
• 第五章 基于塊發(fā)現(xiàn)的非剛體三維形狀點(diǎn)對(duì)應(yīng)算法研究93-113
• 5.1 相關(guān)基礎(chǔ)知識(shí)93-94
• 5.2 三維形狀點(diǎn)對(duì)應(yīng)技術(shù)現(xiàn)狀94-100
• 5.3 一種基于塊發(fā)現(xiàn)的非剛體三維形狀點(diǎn)對(duì)應(yīng)算法100-107
• 5.4 試驗(yàn)結(jié)果與分析107-112
• 5.5 本章小結(jié)112-113
• 第六章 多深度攝像頭動(dòng)物體表三維數(shù)據(jù)獲取應(yīng)用系統(tǒng)113-131
• 6.1 全視角三維數(shù)據(jù)獲取技術(shù)現(xiàn)狀113-117
• 6.2 多深度攝像頭動(dòng)物體表三維數(shù)據(jù)獲取應(yīng)用系統(tǒng)117-122
• 6.3 試驗(yàn)結(jié)果分析與討論122-129
• 6.4 本章小結(jié)129-131
• 第七章 總結(jié)與展望131-135
• 7.1 本文工作總結(jié)131-132
• 7.2 今后研究展望132-135
• 參考文獻(xiàn)135-153
• 致謝153-155
• 作者簡(jiǎn)歷155-156

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王文娣,錢(qián)東平,楊世風(fēng);基于圖像處理的奶牛體型線性評(píng)分系統(tǒng)研究[J];河北農(nóng)業(yè)大學(xué)學(xué)報(bào);2004年05期

2 胡登林;龔飛飛;余雄;趙正劍;李艷麗;閆京陽(yáng);朱飛飛;;補(bǔ)飼營(yíng)養(yǎng)調(diào)控劑對(duì)暖季放牧羔羊體尺及增重的影響[J];中國(guó)草食動(dòng)物;2011年02期

3 李勇,付小莉;基于紅外的三維人體自動(dòng)測(cè)量系統(tǒng)[J];紡織學(xué)報(bào);2003年01期

4 王佳,金偉其;人體外形三維光學(xué)測(cè)量方法的研究[J];光電子·激光;2001年08期

5 牛小兵,林玉池,趙美蓉,程冬梅,蔣誠(chéng)志;光柵投影三維輪廓測(cè)量及關(guān)鍵技術(shù)分析[J];光電子·激光;2002年09期

6 唐俊;劉志忠;梁棟;王年;;基于多譜特征表示的點(diǎn)模式匹配算法[J];光學(xué)學(xué)報(bào);2013年12期

7 郭連朋;陳向?qū)?徐萬(wàn)朋;劉田間;;基于kinect傳感器的物體三維重建[J];四川兵工學(xué)報(bào);2014年11期

8 孫莉;楊國(guó)梁;王軍毅;陳國(guó)宏;;龍鳳鯉體型性狀的相關(guān)及聚類分析[J];河北漁業(yè);2009年05期

9 張鴻賓,謝豐;基于表面間距離度量的多視點(diǎn)距離圖像的對(duì)準(zhǔn)算法[J];中國(guó)科學(xué)E輯:信息科學(xué);2005年02期

10 朱延娟;周來(lái)水;張麗艷;;散亂點(diǎn)云數(shù)據(jù)配準(zhǔn)算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2006年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王麗輝;三維點(diǎn)云數(shù)據(jù)處理的技術(shù)研究[D];北京交通大學(xué);2011年

2 李寶;三維點(diǎn)云的魯棒處理技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

3 徐勝勇;植物形態(tài)構(gòu)型三維掃描儀關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2012年

4 張效棟;便攜式數(shù)字相位光柵投影全貌測(cè)量系統(tǒng)的研究[D];天津大學(xué);2007年

5 王立中;基于機(jī)器視覺(jué)的奶牛體型評(píng)定中的關(guān)鍵技術(shù)研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2009年

6 劉宇;基于微分信息的散亂點(diǎn)云拼合和分割[D];華中科技大學(xué);2008年

7 許麗;動(dòng)態(tài)場(chǎng)景的三維信息獲取相關(guān)技術(shù)研究[D];上海大學(xué);2009年

8 薛耀紅;點(diǎn)云數(shù)據(jù)配準(zhǔn)及曲面細(xì)分技術(shù)研究[D];吉林大學(xué);2010年

9 陳京;新一代人機(jī)交互中基于多視點(diǎn)圖像的三維信息獲取研究[D];北京交通大學(xué);2013年

10 皮志明;結(jié)合深度信息的圖像分割算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

，

本文編號(hào)：1060249