本文關(guān)鍵詞：基于深度攝像機的三維場景表面重建關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：三維表面重建技術(shù)通過獲取的圖像或圖像序列來恢復目標物體的三維立體信息,在遠程醫(yī)療、沉浸式虛擬交互、文物保護、3D打印等領(lǐng)域有著廣闊的應用前景和商業(yè)價值。三維表面重建技術(shù)作為計算機視覺、增強現(xiàn)實以及新型人機交互等前沿領(lǐng)域的關(guān)鍵技術(shù)和研究熱點,是人類在基礎(chǔ)研究和應用研究中面臨的重大挑戰(zhàn)之一。近些年來隨著新型深度采集設備的不斷發(fā)展,基于主動式深度獲取的三維場景表面重建技術(shù)成為新的研究熱點。本文圍繞提高三維場景表面重建模型的精度和尺度這一核心問題,針對三維場景重建過程中的深度圖像預處理、點云配準、點云數(shù)據(jù)融合、深度攝像機重定位等問題進行研究,主要的創(chuàng)新點和貢獻如下：1.在分析ToF深度攝像機的光學成像機制并建立誤差數(shù)學模型的基礎(chǔ)上,提出了一種基于加權(quán)最小二乘法(Weighted Least Squares)的去噪濾波算法來消除深度圖像中的原始誤差。實驗結(jié)果表明本文提出的算法和主流的深度圖像濾波算法相比,可有效消除ToF深度攝像機所捕獲深度圖像中的原始誤差,并且保護深度圖像中物體邊緣區(qū)域的階躍信息,提高深度測量的準確度。2.提出一種基于注視點變化的數(shù)據(jù)立方體移動算法實現(xiàn)遞增式的三維場景表面重建,有效擴展了場景重建的空間尺度。為提升攝像機在大尺度空間場景中的追蹤精度和魯棒性,提出了一種改進的攝像機追蹤優(yōu)化算法,分別通過攝像機姿態(tài)的運動補償、帶有權(quán)重的ICP點云配準、攝像機姿態(tài)的多幀聯(lián)合估計等方法對追蹤過程進行優(yōu)化,減小攝像機追蹤過程中的誤差累積。提出了一種基于八叉樹森林的體素數(shù)據(jù)存取方法,在減少非場景表面區(qū)域體素冗余的同時提高場景表面區(qū)域的體素密度,實現(xiàn)了有限內(nèi)存資源下的場景模型重建精度優(yōu)化。3.為解決三維場景重建過程中存在的攝像機追蹤丟失問題,提出了一種基于隨機森林模型的深度攝像機重定位算法,可以快速高效地建立起二維圖像像素點和三維世界坐標值的映射關(guān)系,在攝像機追蹤失敗時利用單幀RGB-D圖像即可完成攝像機的重定位運算。相比于基于圖像匹配的攝像機重定位算法,本文提出的算法節(jié)省了特征點檢測、描述、匹配的時間,降低了匹配特征點對數(shù)量不足的風險,提高了攝像機重定位結(jié)果的精度和魯棒性。
【關(guān)鍵詞】：三維表面重建 深度圖像去噪 加權(quán)最小二乘法 迭代最近點 攝像機追蹤 八叉樹 攝像機重定位 隨機森林
【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-8
• Abstract8-16
• 第1章 緒論16-32
• 1.1 引言16-17
• 1.2 三維重建技術(shù)的發(fā)展17-21
• 1.3 三維場景表面重建技術(shù)研究現(xiàn)狀21-23
• 1.4 基于深度攝像機的三維場景表面重建的關(guān)鍵問題23-27
• 1.5 論文的主要工作及內(nèi)容組織結(jié)構(gòu)27-32
• 1.5.1 論文的主要研究內(nèi)容27-29
• 1.5.2 論文的主要研究成果29-30
• 1.5.3 論文的組織結(jié)構(gòu)30-32
• 第2章 深度攝像機噪聲分析和去噪算法研究32-61
• 2.1 ToF深度攝像機成像原理分析32-44
• 2.1.1 ToF深度攝像機簡介32-34
• 2.1.2 ToF攝像機的數(shù)學模型34-37
• 2.1.3 ToF攝像機的噪聲模型37-44
• 2.2 深度圖像去噪濾波常用算法44-50
• 2.2.1 高斯濾波45-46
• 2.2.2 中值濾波46
• 2.2.3 均值濾波46
• 2.2.4 雙邊濾波46-49
• 2.2.5 非局部均值濾波49-50
• 2.3 基于加權(quán)最小二乘法的深度圖像濾波算法50-54
• 2.4 實驗結(jié)果分析及討論54-59
• 2.5 本章小結(jié)59-61
• 第3章 點云配準算法研究61-86
• 3.1 深度圖像配準常用算法62-67
• 3.2 攝像機追蹤優(yōu)化算法67-74
• 3.2.1 攝像機姿態(tài)的運動補償67-70
• 3.2.2 帶有權(quán)重的ICP點云配準70-72
• 3.2.3 攝像機姿態(tài)的多幀聯(lián)合估計72-74
• 3.3 基于注視點變化的數(shù)據(jù)立方體移動算法74-78
• 3.4 實驗結(jié)果分析及討論78-85
• 3.4.1 攝像機追蹤優(yōu)化算法的追蹤性能78-82
• 3.4.2 大尺度室內(nèi)場景表面重建的實驗結(jié)果82-85
• 3.5 本章小結(jié)85-86
• 第4章 點云模型融合算法研究86-105
• 4.1 基于體集成算法的點云數(shù)據(jù)融合86-92
• 4.1.1 點云融合算法簡介86-87
• 4.1.2 場景模型融合87-90
• 4.1.3 三維點云提取90-92
• 4.2 基于八叉樹森林的點云數(shù)據(jù)融合92-100
• 4.2.1 八叉樹基本原理92-95
• 4.2.2 八叉樹森林的構(gòu)建95-98
• 4.2.3 八叉樹森林的搜索98-100
• 4.3 實驗結(jié)果分析及討論100-104
• 4.4 本章小結(jié)104-105
• 第5章 深度攝像機重定位算法研究105-122
• 5.1 基于圖像匹配的攝像機重定位算法105-107
• 5.2 基于隨機森林的攝像機重定位算法107-118
• 5.2.1 決策樹107-109
• 5.2.2 隨機森林模型109-112
• 5.2.3 結(jié)合深度信息的圖像特征提取112-113
• 5.2.4 隨機森林的生成113-115
• 5.2.5 攝像機姿態(tài)估計115-118
• 5.3 實驗結(jié)果分析及討論118-121
• 5.4 本章小結(jié)121-122
• 第6章 總結(jié)和展望122-125
• 參考文獻125-137
• 攻讀博士學位期間主要的研究成果137-138

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王臨生;;談實驗教學用攝像機的管理與維護[J];實驗室科學;2007年05期

2 錢小韻;;北京奧運會上的特種攝像機[J];現(xiàn)代電視技術(shù);2009年05期

3 陳幼林;;防暴攝像機不是防爆攝像機[J];中國公共安全(綜合版);2009年06期

4 雷玉堂;楊中東;周宇翔;;十字標尺攝像機的原理及其在軍事與測量方面的應用[J];中國公共安全(綜合版);2009年06期

5 康名穎;;攝像機鏡頭的維護與維修[J];電子世界;2013年21期

6 張金生;掌中寶三談——家用攝像機使用知識[J];當代電視;1995年09期

7 張?zhí)m英;電視攝像機鏡頭防水滴防水汽裝置[J];電視技術(shù);1999年07期

8 周光義;;對攝像機鏡頭維修的研究[J];通訊世界;2014年01期

9 王明明;;礦用防爆攝像機,讓“井下”環(huán)境更安全[J];中國安防;2014年06期

10 任立春;專業(yè)與家用攝像機的調(diào)整使用技巧[J];德州學院學報(自然科學版);2001年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 楊雪發(fā);;工業(yè)攝像機鏡頭選用與調(diào)整[A];中國計量協(xié)會冶金分會2008年會論文集[C];2008年

2 楊雪發(fā);;工業(yè)攝像機鏡頭選用與調(diào)整[A];2008全國第十三屆自動化應用技術(shù)學術(shù)交流會論文集[C];2008年

3 王繼春;;高空攝像機鏡頭的設計[A];2006年全國光電技術(shù)學術(shù)交流會會議文集（B 光學系統(tǒng)設計與制造技術(shù)專題）[C];2006年

4 羅飛路;姬濤;陳棣湘;;統(tǒng)計檢驗在攝像機成像誤差修正中的應用[A];1995年中國智能自動化學術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

5 吳曄華;康正平;王佩;徐妍;;高清與標清攝像機與燈光照度之間的關(guān)系測試分析[A];中國照明論壇——綠色照明與照明節(jié)能科技研討會專題報告文集[C];2008年

6 吳曄華;王s，

本文編號：256748