基于点云处理的场景三维重建

1 绪论 (1)

１.1课题研究背景及选题意义 (1)

１.2国内外研究现状 (3)

1.2.1 点云拼接算法的研究现状 (3)

1.2.2 点云曲面重建算法的研究现状 (4)

１.3论文主要研究内容 (6)

１.4论文的结构安排 (7)

2 点云数据获取与预处理 (8)

2.1点云数据获取 (8)

2.1.1 Kinect以及软件开发工具包开源框架 (8)

2.1.2 点云数据获取 (12)

2.1.3 实验结果 (13)

2.2点云处理的相关技术 (13)

2.2.1 刚体变换矩阵 (14)

2.2.2 KD树最近邻搜索 (16)

2.2.3 法线估计 (18)

2.2.4 体像素网格滤波处理 (19)

2.3本章小结 (21)

3 点云拼接算法的研究与改进 (22)

3.1点云拼接算法简介 (22)

3.1.1 迭代最近点算法 (22)

3.1.2 SVD算法求取变换矩阵 (26)

3.1.3 LM算法求取变换矩阵 (28)

3.2基于LM和SVD混合的点云拼接算法 (30)

3.2.1 3D-2D的正交投影 (30)

3.2.2 特征提取 (32)

3.2.3 改进的变换矩阵求取 (36)

3.3实验结果与分析 (37)

3.3.1 迭代最近点算法拼接 (38)

3.3.2 改进点云拼接算法 (41)

3.4本章小结 (44)

4 点云曲面重建算法的研究与改进 (45)

4.1三维重建算法简介 (45)

4.1.1 泊松曲面重建 (45)

4.1.2 贪婪投影三角化曲面重建 (48)

4.2基于贪婪投影三角化算法改进 (52)

4.2.1 加权PCA法线估计 (53)

4.2.2 MLS求解法向量 (54)

4.2.3 改进的法向量求取 (55)

4.3改进点云预处理和八叉树优化 (56)

4.3.1 拟合函数的建立 (57)

4.3.2 改进点云预处理 (58)

4.3.3 八叉树优化 (60)

4.4实验结果与分析 (61)

4.3.1 传统三维重建算法 (61)

4.3.2 基于贪婪投影三角化算法改进 (62)

4.3.3 改进点云预处理和八叉树优化 (63)

4.3.4 场景的三维重建 (68)

4.5本章小结 (72)

结论 (73)

致谢 (75)

参考文献 (76)

攻读硕士学位期间发表的学术论文及研究成果 (81)

西南科技大学硕士研究生学位论文第1页

1绪论

１.1课题研究背景及选题意义

随着机器人相关技术的不断发展，其应用领域不断更新变化，至今为止，该技术能够作为人类工作上的替代品，同时能够辅助人类在更多困难的工作方面有很好的表现[1]。面对核辐射、太空等这类未知的环境，如果要识别这些环境，就需要重建出机器人所“看到”的场景。人类是通过双眼来观察这个世界，并对不同的外界环境做出不同的反应来应对；而机器人是通过数字化方法来模拟人类对外界信息的获取及处理，这种方式具有重要的现实意义，因此近些年对视觉系统的研究迅速成为了热点，其相关的一些技术也相继出现并在原有的基础上有了长足的进步[2] 。逆向工程、虚拟现实、数字城市等各种专业名词出现并进入研究，而这些研究应用中三维重建技术都是不可或缺的关键技术。三维重建的英文术语名称是3D Reconstruction，它能够建立适合计算机显示和处理的三维物体数学模型，在计算机环境下，可以视为对三维物体进行操作、处理和分析其性质的基础，作为在计算机中建立表达虚拟现实的关键技术。而如何更加快速和准确的将周围场景在计算机中重建也一直是当下的热门研究课题。点云逐步成为较常用的三维模型表示方法之一，因为其具有获取便利、表示简单、灵活等优点。

三维重建技术的应用范围十分广泛，但是会涉及到多个学科，比如计算机学、人工智能、模式识别、图形学等，且一直以来由于获取三维点云的手段昂贵，严重阻碍其在各个行业上的应用，因此使得国内外点云处理的理论性和工具性书籍匮乏。消费级RGBD设备在2010年大量上市，该设备可以实现低成本的点云获取，以微软的Kinect作为前导，该设备已经被多家公司包括华硕、三星等开始批量生产，点云库(Point Cloud Library，PCL)也因此应运而生[2] 。在跟踪过程中发现，PCL在3D信息的获取和处理方面非常有效，对RGBD数据的获取和处理提供了强大支持，并有大量的机器人、虚拟现实、机器视觉等领域的案例，目前几乎每半个月就有新的开发计划，或者有新的资助者或开发者加入。三维信息的处理和重建正在吸引着各行各业的人才加入。