本文選題：激光雷達 + 距離像�。� 參考：《哈爾濱工業(yè)大學》2016年博士論文

【摘要】：激光成像雷達是一種三維立體傳感器,與傳統(tǒng)二維平面?zhèn)鞲衅?如被動紅外、可見光CCD等)相比,能同時獲得反映目標材質特性的強度像和反映目標表面空間結構的三維幾何距離像,統(tǒng)稱為四維像,即三維距離像+一維強度像,提供了豐富的目標信息,在提升目標識別率能力方面是一革命化進步。為充分挖掘激光雷達三維目標識別能力,本論文圍繞三維目標點法向量展開點云模型匹配算法研究,提出一種采集圖像直接與三維模型進行匹配的識別算法,通過采集多視角激光雷達距離像,實現(xiàn)三維模型重建,建立匹配模型庫;對采集距離像進行姿態(tài)估計,轉換目標位姿,實現(xiàn)粗匹配;最后采用迭代最近點(Iterative Closest Point,ICP)算法完成目標與模型的精匹配,達到識別目的。本算法主要包括三維模型重建、點法向量姿態(tài)估計和ICP匹配三部分,其中點法向量姿態(tài)估計是核心研究內容,也是實現(xiàn)三維模型直接匹配的關鍵技術。首先研究了三維模型重構算法,主要包括數(shù)據配準和數(shù)據整合兩部分。在數(shù)據配準中,針對手動設定偽點對篩選閾值所引起的配準精度下降問題,提出了一種改進ICP算法(IICP),利用目標三維距離像中多種表面類型之間的分類比較進行自動獲取篩選閾值,并與已有的改進ICP算法進行了比較,實驗結果表明,IICP算法提高了數(shù)據配準精度;在數(shù)據整合中,針對點鄰域判別(Point Neighborhood Discrimination,PND)法中手動選取檢測閾值所引起的整合精度下降問題,本文提出了一種優(yōu)化算法(IPND),利用配準后的三維點云模型中局部點密度方差的分布特性進行自適應地確定檢測閾值,經實驗驗證,IPND算法能夠得到無重疊、無空洞的整合結果,優(yōu)于PND算法。其次,針對任意姿態(tài)的剛性非鉸接式目標識別問題,提出一種基于三維點法向量姿態(tài)估計(PEPPN)的距離像模型匹配識別方法,通過對目標三維距離像的點法向量估計、引入點彎曲度特性進行平面點法向量過濾、自適應K-means聚類算法進行平面點法向量分類、用聚類中法向量之間夾角和最小的法向量作為聚類代表法向量、以及用聚類代表法向量確定目標坐標系各坐標軸方向向量的一系列方案,實現(xiàn)目標三維姿態(tài)估計,達到粗匹配的目的,再通過ICP算法完成精匹配。分別從測距精度、信噪比和遮擋率三方面驗證了識別算法性能,結果表明,姿態(tài)估計精度和識別率隨測距精度、信噪比提高而提高,對遮擋有一定的抑制作用。最后,針對任意姿態(tài)的剛性鉸接式目標識別問題,提出了一種基于目標各部分姿態(tài)估計的三維模型匹配識別方法,本方法通過PEPPN算法估計目標主體部分三維姿態(tài)、點直方圖分布特性分割目標主體和鉸接部分、鉸接部分三維幾何特性(點直方圖分布、點距離度量、直線特性)分解鉸接子部分及估計相應姿態(tài),完成目標各部分到規(guī)范姿態(tài)的變換,實現(xiàn)粗匹配及精匹配的目標識別。本論文提出的方法通過姿態(tài)角估計實現(xiàn)了距離像與三維模型的直接匹配,完成了任意姿態(tài)下的三維目標識別問題,降低了算法復雜度,達到了較高的目標識別率,具有良好的應用前景。
[Abstract]:......
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TN958.98

【相似文獻】

相關期刊論文 前10條

1 張彩霞;孫鳳梅;;基于對偶數(shù)的透視N線姿態(tài)估計[J];計算機工程與應用;2012年18期

2 馬瑾;陳立潮;張永梅;;基于分類的頭部姿態(tài)估計算法的研究[J];科技情報開發(fā)與經濟;2006年02期

3 傅澤寧;邵曉巍;龔德仁;段登平;;最優(yōu)遞歸線性姿態(tài)估計算法[J];測控技術;2012年06期

4 張小平,朱紅鋒,劉志鏡;多姿態(tài)人臉照片的姿態(tài)估計[J];計算機仿真;2005年04期

5 史東承,于德海,楊冬;一種多視角人臉姿態(tài)估計算法[J];長春工業(yè)大學學報(自然科學版);2004年01期

6 鐘志光;易建強;趙冬斌;洪義平;李新征;;一種魯棒的只需兩幀圖像的姿態(tài)估計方法[J];模式識別與人工智能;2005年04期

7 張根寶;楊永;;粒子濾波器及其在衛(wèi)星姿態(tài)估計中的應用[J];計算機工程與科學;2011年06期

8 張彩霞;趙青娥;;基于旋轉體的攝像機姿態(tài)估計[J];北方工業(yè)大學學報;2011年03期

9 郭作敏;飛行器實時姿態(tài)估計系統(tǒng)[J];光機電信息;1997年12期

10 陳曉鋼;陸玲;周書民;劉向陽;;一種新的人臉姿態(tài)估計算法[J];數(shù)據采集與處理;2009年04期

相關會議論文 前10條

1 葉蓬;劉方;;一種基于李群的目標姿態(tài)估計方法[A];全國第二屆信號處理與應用學術會議�？痆C];2008年

2 牟忠凱;隋立芬;甘雨;黃賢源;;觀測噪聲為有色噪聲的UKF姿態(tài)估計算法[A];第二屆中國衛(wèi)星導航學術年會電子文集[C];2011年

3 羅會信;莫燕;;基于頂點法向量的三維模型簡化算法[A];人才、創(chuàng)新與老工業(yè)基地的振興——2004年中國機械工程學會年會論文集[C];2004年

4 王宇;鐘秋海;;用統(tǒng)計模式識別方法建立海上目標識別的數(shù)學模型[A];1995中國控制與決策學術年會論文集[C];1995年

5 鄭援;胡成軍;;基于數(shù)據融合的魚雷目標識別[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

6 李夕海;趙克;慕曉冬;劉代志;;目標識別中的特征相空間吸引子分析[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

7 馮杰;蓋強;古軍峰;;模糊聚類分析方法在海上目標識別中的應用[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

8 羅會信;莫燕;;基于頂點法向量的三維模型簡化算法[A];2004年中國機械工程學會年會論文集：物流工程與中國現(xiàn)代經濟——第七屆物流工程學術年會專輯[C];2004年

9 趙克;劉代志;慕曉東;蘇娟;;目標識別的特征量約束[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

10 李正東;陳興無;宋琛;何武良;;多傳感器的目標識別[A];中國工程物理研究院科技年報（1999）[C];1999年

相關博士學位論文 前10條

1 呂丹;基于點法向量姿態(tài)估計的激光雷達距離像目標識別算法研究[D];哈爾濱工業(yè)大學;2016年

2 劉袁緣;自然環(huán)境下頭部姿態(tài)估計方法的研究與應用[D];華中師范大學;2015年

3 崔錦實;基于三維模型的關節(jié)式物體姿態(tài)估計與跟蹤方法研究[D];清華大學;2004年

4 趙松;人臉識別中的姿態(tài)估計、識別算法和融合算法的研究[D];中國科學技術大學;2009年

5 歐陽毅;單目視頻中人體運動建模及姿態(tài)估計研究[D];浙江大學;2012年

6 劉施菲;激光雷達輔助的慣性導航組合系統(tǒng)技術研究[D];哈爾濱工程大學;2015年

7 王強;基于激光雷達數(shù)據與多角度遙感模型的森林參數(shù)反演研究[D];哈爾濱工業(yè)大學;2017年

8 徐璐;Gm-APD脈沖累積激光雷達探測性能提高的研究[D];哈爾濱工業(yè)大學;2017年

9 葉光超;條紋陣列探測激光雷達測距精度與三維測繪技術研究[D];哈爾濱工業(yè)大學;2016年

10 肖永生;射頻隱身雷達信號設計與目標識別研究[D];南京航空航天大學;2014年

相關碩士學位論文 前10條

1 石廣升;基于Kinect的物體三維模型構建和姿態(tài)估計方法研究[D];哈爾濱工業(yè)大學;2015年

2 杜署明;基于捷聯(lián)慣性傳感的吊鉤姿態(tài)估計技術研究[D];大連理工大學;2015年

3 丁卓;基于單幅靜止圖像的人臉姿態(tài)估計的研究[D];華東師范大學;2014年

4 侯佳麗;基于視覺的無人機姿態(tài)估計方法研究[D];北京理工大學;2016年

5 趙俊寶;駕駛員頭部姿態(tài)估計系統(tǒng)的設計與實現(xiàn)[D];華中科技大學;2014年

6 馬召賓;融合眼部特征及頭部姿態(tài)的實時疲勞駕駛檢測技術研究[D];山東大學;2016年

7 高彪;視障者視覺輔助技術中剛性物體全方位姿態(tài)估計方法[D];天津工業(yè)大學;2016年

8 花景培;監(jiān)控視頻中行人跟蹤及姿態(tài)估計[D];南京郵電大學;2016年

9 程科文;基于自適應三維人臉模型的實時頭部姿態(tài)估計[D];合肥工業(yè)大學;2016年

10 劉少雄;微型飛行器姿態(tài)估計系統(tǒng)設計與實現(xiàn)[D];湖南大學;2015年

，

本文編號：1755342