發(fā)布時(shí)間：2017-05-17 13:01

  本文關(guān)鍵詞：三維重建中點(diǎn)云數(shù)據(jù)處理關(guān)鍵技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來(lái),基于各種獲取設(shè)備生成逼真的三維數(shù)字化模型已成為獲取物體表面信息的主要手段之一,在計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺(jué)、測(cè)量學(xué)、機(jī)器人學(xué)、考古學(xué)等領(lǐng)域得到了廣泛應(yīng)用。獲取設(shè)備采集到的原始數(shù)據(jù)通常以三維點(diǎn)云表示,由于其簡(jiǎn)潔性和靈活性,逐漸成為各類(lèi)研究和工程應(yīng)用中常見(jiàn)的處理對(duì)象。利用三維數(shù)字化設(shè)備對(duì)已有實(shí)物進(jìn)行掃描獲取表面三維點(diǎn)云數(shù)據(jù),并對(duì)采集到的點(diǎn)云進(jìn)行分析處理,進(jìn)而進(jìn)行準(zhǔn)確、快速的三維重建,是當(dāng)前三維數(shù)字可視化處理技術(shù)的關(guān)鍵問(wèn)題。三維點(diǎn)云信息處理技術(shù)已成為當(dāng)前應(yīng)用的瓶頸,發(fā)展三維點(diǎn)云數(shù)據(jù)處理理論及方法已成為目前學(xué)術(shù)界研究的焦點(diǎn)。本文對(duì)重建過(guò)程中點(diǎn)云數(shù)據(jù)處理的關(guān)鍵技術(shù)進(jìn)行了深入研究,主要包括點(diǎn)云的去噪、配準(zhǔn)以及網(wǎng)格重建等技術(shù),具體研究工作總結(jié)如下。首先,為了提高點(diǎn)云的質(zhì)量,在消除離群點(diǎn)和噪聲點(diǎn)產(chǎn)生不利影響的同時(shí),保留物體表面的尖銳特征,提出一種基于法矢修正的點(diǎn)云去噪平滑算法。使用統(tǒng)計(jì)分析技術(shù)去除離群點(diǎn),通過(guò)加權(quán)協(xié)方差分析法進(jìn)行初始法向量和曲率估計(jì),采用自適應(yīng)動(dòng)態(tài)鄰域?qū)⒔忺c(diǎn)限制在法矢相近區(qū)域,進(jìn)而在三邊濾波因子修正法矢量的基礎(chǔ)上,三邊平滑降噪點(diǎn)的位置。實(shí)驗(yàn)結(jié)果表明,該算法不僅能夠有效去除點(diǎn)云模型中的大噪聲點(diǎn)(離群點(diǎn)),而且在對(duì)小噪聲平滑的同時(shí)保持了點(diǎn)云模型的尖銳及邊緣特征,去噪效果良好。其次,針對(duì)隨機(jī)采樣一致性(RANSAC)方法窮舉對(duì)應(yīng)關(guān)系導(dǎo)致多次重復(fù)計(jì)算的缺陷,結(jié)合特征描述的方法,提出一種基于關(guān)鍵點(diǎn)描述的RANSAC初始配準(zhǔn)方法。通過(guò)3DSIFT提取關(guān)鍵點(diǎn)縮小選點(diǎn)范圍,魯棒的FPFH描述子替代歐式距離進(jìn)行有效對(duì)應(yīng)關(guān)系查找,縮小樣本集以及設(shè)定最小距離閾值提高查找最優(yōu)變換的效率,最終縮短兩片點(diǎn)云間的距離。實(shí)驗(yàn)結(jié)果表明,該算法有效提高了配準(zhǔn)的準(zhǔn)確性和穩(wěn)定性,為下一步精確配準(zhǔn)提供了良好的初值。再次,針對(duì)傳統(tǒng)迭代最近點(diǎn)(ICP)算法迭代速度慢、錯(cuò)誤匹配點(diǎn)對(duì)多、耗時(shí)長(zhǎng)的問(wèn)題,提出一種基于鄰域特征的ICP點(diǎn)云精確配準(zhǔn)方法。采用均勻采樣和特征空間采樣相結(jié)合的方式快速提取參與匹配的特征點(diǎn),通過(guò)新的對(duì)應(yīng)點(diǎn)搜索方法,提高配準(zhǔn)的精度,并加入鄰域特征降低誤配的可能性,加速最近點(diǎn)的迭代收斂。實(shí)驗(yàn)結(jié)果表明,該方法提高了配準(zhǔn)的精度和速度,克服了ICP算法計(jì)算量大耗時(shí)長(zhǎng)的問(wèn)題,具有更高的可靠性和穩(wěn)定性。最后,為了能夠快速地由大噪聲重疊點(diǎn)云生成三角網(wǎng)格曲面,提出一種針對(duì)大噪聲重疊點(diǎn)云的快速網(wǎng)格重建算法。采用改進(jìn)降采樣方法去除冗余,得到均勻采樣的點(diǎn)云表面,通過(guò)移動(dòng)最小二乘法(MLS)獲取更魯棒表面法線的同時(shí),得到較光滑的流形表面,在此基礎(chǔ)上采用多準(zhǔn)則局部投影三角化算法快速完成點(diǎn)云的網(wǎng)格重建。實(shí)驗(yàn)結(jié)果表明,該算法顯著提高了曲面重建的速度,另外,采用的降采樣和MLS平滑策略有效提高了算法處理噪聲點(diǎn)云的能力。
【關(guān)鍵詞】：三維重建 點(diǎn)云處理 三邊濾波 RANSAC ICP配準(zhǔn) 網(wǎng)格重建
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要5-7
• Abstract7-12
• 第1章 緒論12-26
• 1.1 研究背景與意義12-15
• 1.1.1 研究背景12-13
• 1.1.2 應(yīng)用領(lǐng)域13-14
• 1.1.3 研究意義14-15
• 1.2 點(diǎn)云處理技術(shù)國(guó)內(nèi)外研究現(xiàn)狀15-23
• 1.2.1 點(diǎn)云去噪平滑技術(shù)15-17
• 1.2.2 點(diǎn)云初始配準(zhǔn)技術(shù)17-19
• 1.2.3 點(diǎn)云精確配準(zhǔn)技術(shù)19-21
• 1.2.4 點(diǎn)云曲面重建技術(shù)21-23
• 1.3 本文研究?jī)?nèi)容23-24
• 1.4 本文組織結(jié)構(gòu)24-26
• 第2章 點(diǎn)云獲取及鄰域特征估算26-37
• 2.1 引言26
• 2.2 點(diǎn)云獲取技術(shù)26-28
• 2.3 點(diǎn)云數(shù)據(jù)的鄰域28-31
• 2.3.1 鄰域的劃分方法28-30
• 2.3.2 基于kd-tree的鄰域查找30-31
• 2.4 點(diǎn)云幾何屬性估算方法分析31-35
• 2.4.1 法向量估計(jì)分析31-34
• 2.4.2 曲率估計(jì)分析34-35
• 2.5 獲取設(shè)備及實(shí)驗(yàn)環(huán)境35-36
• 2.5.1 點(diǎn)云獲取設(shè)備35
• 2.5.2 實(shí)驗(yàn)環(huán)境35-36
• 2.6 本章小結(jié)36-37
• 第3章 基于法矢修正的點(diǎn)云去噪平滑算法37-50
• 3.1 引言37
• 3.2 研究目標(biāo)和思路37-38
• 3.3 基于法矢修正的點(diǎn)云去噪平滑算法38-46
• 3.3.1 離群點(diǎn)濾除38-40
• 3.3.2 初始法向量估計(jì)40-42
• 3.3.3 基于三邊濾波的法矢修正42-44
• 3.3.4 三邊平滑采樣點(diǎn)位置44-45
• 3.3.5 算法流程45-46
• 3.4 實(shí)驗(yàn)結(jié)果及分析46-49
• 3.5 本章小結(jié)49-50
• 第4章 基于關(guān)鍵點(diǎn)描述的RANSAC初始配準(zhǔn)方法50-68
• 4.1 引言50-51
• 4.2 幾何特征描述子分析51-55
• 4.2.1 旋轉(zhuǎn)圖像51
• 4.2.23D形狀內(nèi)容51-52
• 4.2.3 點(diǎn)特征直方圖52-53
• 4.2.4 快速點(diǎn)特征直方圖53-55
• 4.2.5 高維特征描述子的分析與比較55
• 4.3 隨機(jī)采樣一致性算法55-56
• 4.4 基于關(guān)鍵點(diǎn)描述的RANSAC初始配準(zhǔn)方法56-64
• 4.4.1 尺度不變特征轉(zhuǎn)換關(guān)鍵點(diǎn)提取算法57-60
• 4.4.2 基于FPFH特征描述的對(duì)應(yīng)點(diǎn)查找方法60-62
• 4.4.3 隨機(jī)采樣一致性樣本集的優(yōu)化62
• 4.4.4 算法整體流程描述62-64
• 4.5 實(shí)驗(yàn)結(jié)果與分析64-67
• 4.6 本章小結(jié)67-68
• 第5章 基于鄰域特征的精確配準(zhǔn)算法68-82
• 5.1 引言68
• 5.2 ICP精細(xì)配準(zhǔn)68-71
• 5.2.1 ICP算法的提出68-70
• 5.2.2 ICP算法發(fā)展及分析70-71
• 5.3 基于鄰域特征的ICP精確配準(zhǔn)算法71-77
• 5.3.1 提取特征點(diǎn)72-73
• 5.3.2 搜索對(duì)應(yīng)點(diǎn)73-74
• 5.3.3 篩選對(duì)應(yīng)點(diǎn)對(duì)74-75
• 5.3.4 SVD求解剛體變換75-76
• 5.3.5 算法步驟76-77
• 5.4 實(shí)驗(yàn)結(jié)果及分析77-81
• 5.5 本章小結(jié)81-82
• 第6章 大噪聲重疊點(diǎn)云的三角網(wǎng)格表面重建算法82-96
• 6.1 引言82-83
• 6.2 算法思想83
• 6.3 預(yù)處理過(guò)程83-88
• 6.3.1 降采樣去除冗余84-85
• 6.3.2 移動(dòng)最小二乘光滑85-88
• 6.4 多準(zhǔn)則局部投影三角化88-92
• 6.4.1 局部投影三角化原理89
• 6.4.2 多準(zhǔn)則鄰域篩選89-91
• 6.4.3 多準(zhǔn)則投影三角化算法描述91-92
• 6.5 實(shí)驗(yàn)結(jié)果及分析92-95
• 6.6 本章小結(jié)95-96
• 結(jié)論96-98
• 參考文獻(xiàn)98-107
• 讀博士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果107-109
• 致謝109-110
• 作者簡(jiǎn)介110

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 姜德濤;呂乃光;譚啟蒙;;大型工件位姿估計(jì)中的稀疏點(diǎn)云配準(zhǔn)方法[J];北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

2 鄒北驥;周浩宇;王磊;梁毅雄;;大交疊區(qū)域的三維網(wǎng)格的融合與拼接[J];電子學(xué)報(bào);2012年05期

3 肖春霞;;Multi-Level Partition of Unity Algebraic Point Set Surfaces[J];Journal of Computer Science & Technology;2011年02期

4 曾鋒;楊通;姚山;;點(diǎn)云重構(gòu)三角網(wǎng)格的生長(zhǎng)型神經(jīng)氣算法[J];軟件學(xué)報(bào);2013年03期

5 孫金虎;周來(lái)水;安魯陵;;點(diǎn)云模型法矢調(diào)整優(yōu)化算法[J];中國(guó)圖象圖形學(xué)報(bào);2013年07期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 胡國(guó)飛;三維數(shù)字表面去噪光順技術(shù)研究[D];浙江大學(xué);2005年

2 姜巍;三維幾何模型的內(nèi)蘊(yùn)對(duì)稱(chēng)檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

  本文關(guān)鍵詞：三維重建中點(diǎn)云數(shù)據(jù)處理關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：373456