本文關(guān)鍵詞：基于體感相機(jī)的點云數(shù)據(jù)配準(zhǔn)方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著社會的進(jìn)步和IT行業(yè)的發(fā)展,三維重建技術(shù)在各個領(lǐng)域中發(fā)揮越來越重要的作用。在三維重建的過程中,點云數(shù)據(jù)的配準(zhǔn)是關(guān)鍵技術(shù),因此三維數(shù)據(jù)的配準(zhǔn)研究是重建技術(shù)中的研究熱點。然而隨著三維掃描設(shè)備精準(zhǔn)度的提高,數(shù)據(jù)規(guī)模和配準(zhǔn)精度也在提高,經(jīng)典的點云配準(zhǔn)方法并不能滿足實時性的需求,因此在本文在傳統(tǒng)點云配準(zhǔn)ICP方法的基礎(chǔ)之上,提出了一種新型的基于Hausdorff距離和優(yōu)化K-D樹來改進(jìn)ICP算法。本文研究的主要內(nèi)容將多視角下采集到的三維點云數(shù)據(jù)配準(zhǔn)成一個整體的三維點云數(shù)據(jù)。具體研究內(nèi)容如下:首先,通過Kinect相機(jī)獲取不同角度下物體的點云數(shù)據(jù),以數(shù)據(jù)點主曲率和Haus dorff距離為依據(jù),利用正態(tài)分布圖將點云分為關(guān)鍵點和非關(guān)鍵點,關(guān)鍵點充分保留了點云的幾何特征用來進(jìn)行點云配準(zhǔn),而非關(guān)鍵點作為幾何特征不明顯的點,為提高算法效率不予匹配。對點云的預(yù)處理使得點云的配準(zhǔn)更具有針對性。其次,提出一種中值分割閾值優(yōu)化K-D樹的方法,該方法旨在提高K-D樹的查詢效率,保證K-D樹達(dá)到平衡狀態(tài)。首先將節(jié)點的屬性值按照從小到大的順序排列,取中指為分割閾值,同時結(jié)合空間的廣泛分布性對點云數(shù)據(jù)進(jìn)行K-D樹的構(gòu)造。優(yōu)化的K-D樹盡量使樹的層數(shù)最小,從而提高點云的搜索效率。再次,針對傳統(tǒng)ICP算法中復(fù)雜的數(shù)據(jù)量運算速度慢的缺點進(jìn)行了改進(jìn),利用改進(jìn)的Hausdorff距離和優(yōu)化K-D樹尋找關(guān)鍵點的匹配點進(jìn)行最小二乘迭代,直到滿足正確配準(zhǔn)的收斂精度要求為止。高精度的優(yōu)勢使得改進(jìn)的ICP算法可適用于海量數(shù)據(jù)的逆向工程。最后,為了驗證算法的正確性和有效性,與經(jīng)典算法作為對比,本文設(shè)計了幾組不同類型點云的配準(zhǔn)實驗,實驗看出改進(jìn)算法的配準(zhǔn)誤差明顯低于經(jīng)典算法,改進(jìn)算法在配準(zhǔn)精度上有明顯的優(yōu)勢,并且隨著數(shù)據(jù)量的增大配準(zhǔn)精度的優(yōu)勢越明顯。在實際應(yīng)用中,本文改進(jìn)的配準(zhǔn)算法應(yīng)用在對配準(zhǔn)精度要求較高、點云凹凸性比較明顯的物體上。
【關(guān)鍵詞】：ICP算法 Hausdorff距離 曲率 K-D樹 最小二乘迭代
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-17
• 1.1 課題研究背景及意義9-12
• 1.2 點云配準(zhǔn)的國內(nèi)外研究現(xiàn)狀及存在的主要問題12-15
• 1.2.1 點云配準(zhǔn)的國內(nèi)外研究現(xiàn)狀12-14
• 1.2.2 點云配準(zhǔn)的發(fā)展前景14
• 1.2.3 點云配準(zhǔn)的效果度量14-15
• 1.3 本文主要研究內(nèi)容與組織結(jié)構(gòu)15-16
• 1.3.1 本文主要研究內(nèi)容15
• 1.3.2 本文結(jié)構(gòu)安排15-16
• 1.4 本章小結(jié)16-17
• 2 基于HAUSDORFF距離的正態(tài)分布處理點云17-26
• 2.1 點云數(shù)據(jù)獲取17-19
• 2.1.1 點云的分類17-18
• 2.1.2 體感相機(jī)18-19
• 2.2 預(yù)處理19-23
• 2.2.1 點云去噪20
• 2.2.2 點云曲率計算20-21
• 2.2.3 基于Hausdorf f距離值的關(guān)鍵點選取21-23
• 2.3 預(yù)處理實驗23-24
• 2.4 本章小結(jié)24-26
• 3 采用中值分割閾值優(yōu)化K-D樹26-34
• 3.1 鄰域概念的K- D樹26-29
• 3.1.1 鄰域26-28
• 3.1.2 傳統(tǒng)K-D樹28-29
• 3.2 中值閾值優(yōu)化K-D樹29-31
• 3.3 優(yōu)化效果分析31-33
• 3.4 本章小結(jié)33-34
• 4 基于HAUSDORFF距離和優(yōu)化K-D樹改進(jìn)ICP算法34-42
• 4.1 ICP算法的實現(xiàn)步驟34
• 4.2 改進(jìn)的ICP算法34-40
• 4.2.1 目標(biāo)函數(shù)的建立及最小化34-37
• 4.2.2 基于Hausdorf f距離和優(yōu)化K- D樹改進(jìn)ICP算法37-40
• 4.3 算法的實現(xiàn)40-41
• 4.4 本章小結(jié)41-42
• 5 實驗結(jié)果與分析42-49
• 5.1 實驗結(jié)果42-46
• 5.2 結(jié)果分析46-48
• 5.2.1 誤差評估46
• 5.2.2 實驗結(jié)果分析46-48
• 5.3 本章小結(jié)48-49
• 6 總結(jié)與展望49-52
• 6.1 總結(jié)49-51
• 6.2 展望51-52
• 參考文獻(xiàn)52-57
• 攻讀碩士學(xué)位期間所取得的研究成果57-58
• 致謝58-59

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 閆龍;;攝影測量點云數(shù)據(jù)精簡研究[J];制造技術(shù)與機(jī)床;2010年07期

2 鄭德華;;點云數(shù)據(jù)直接縮減方法及縮減效果研究[J];測繪工程;2006年04期

3 張量;王敏;;基于k鄰域離散擴(kuò)張的點云數(shù)據(jù)分割[J];軟件導(dǎo)刊;2009年12期

4 周怡;周顧盛;;三維GIS數(shù)據(jù)的處理與提取方法的研究—以點云數(shù)據(jù)中提取樹木為例[J];計算機(jī)應(yīng)用與軟件;2010年10期

5 李鳳霞;饒永輝;劉陳;介飛;;基于法向夾角的點云數(shù)據(jù)精簡算法[J];系統(tǒng)仿真學(xué)報;2012年09期

6 嵇俊;云挺;薛聯(lián)鳳;張浩平;;基于激光點云數(shù)據(jù)的復(fù)雜植物葉片重建方法[J];西北林學(xué)院學(xué)報;2014年05期

7 吳福生,丁玉成,盧秉恒;基于點云數(shù)據(jù)復(fù)雜曲面產(chǎn)品的快速開發(fā)[J];西安交通大學(xué)學(xué)報;2002年11期

8 胡雪芬,陳愛萍,童水光,單新潮;基于點云數(shù)據(jù)的鞋楦數(shù)控編程及其仿真[J];組合機(jī)床與自動化加工技術(shù);2004年07期

9 陳飛舟;陳志楊;丁展;葉修梓;張三元;;基于徑向基函數(shù)的殘缺點云數(shù)據(jù)修復(fù)[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2006年09期

10 劉志軍;;基于三坐標(biāo)測量機(jī)的點云數(shù)據(jù)測量規(guī)劃研究[J];黑龍江科技信息;2008年20期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 閆龍;;攝影測量點云數(shù)據(jù)精簡研究[A];第二十九屆中國控制會議論文集[C];2010年

2 吳美金;;基于薄壁構(gòu)件的點云數(shù)據(jù)提取[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2009年

3 段文國;張愛武;蔡廣杰;;基于VTK的點云數(shù)據(jù)繪制研究與實現(xiàn)[A];《測繪通報》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

4 宋碧波;盧小平;盧遙;;基于點云數(shù)據(jù)的建筑物三維重建[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

5 張偉忠;張順海;于德敏;;點云數(shù)據(jù)與建模軟件的接口設(shè)計[A];全國第13屆計算機(jī)輔助設(shè)計與圖形學(xué)（CAD/CG）學(xué)術(shù)會議論文集[C];2004年

6 呂瓊瓊;楊曉暉;楊唐文;韓建達(dá);莊嚴(yán);;激光雷達(dá)點云數(shù)據(jù)的三維建模技術(shù)[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

7 劉佳;張愛武;楊麗萍;;室內(nèi)場景激光點云數(shù)據(jù)的三維建模[A];《測繪通報》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

8 隋立春;張熠斌;趙旦;;基于MicroStation的機(jī)載LiDAR點云數(shù)據(jù)分類處理軟件[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

9 黃承亮;吳侃;劉虎;;基于三維TIN的格網(wǎng)化點云數(shù)據(jù)特征提取[A];數(shù)字測繪與GIS技術(shù)應(yīng)用研討交流會論文集[C];2008年

10 楊銘;陳建峰;;基于CUDA的海量點云數(shù)據(jù)kNN查詢算法[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 趙江洪;古建筑散亂點云基準(zhǔn)面的提取與擬合[D];武漢大學(xué);2012年

2 谷曉英;三維重建中點云數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];燕山大學(xué);2015年

3 胡峰俊;三維離散點云數(shù)據(jù)的預(yù)處理和配準(zhǔn)技術(shù)研究[D];浙江工業(yè)大學(xué);2015年

4 董秀軍;三維空間影像技術(shù)在地質(zhì)工程中的綜合應(yīng)用研究[D];成都理工大學(xué);2015年

5 張學(xué)昌;基于點云數(shù)據(jù)的復(fù)雜型面數(shù)字化檢測關(guān)鍵技術(shù)研究及其系統(tǒng)開發(fā)[D];上海交通大學(xué);2006年

6 王果;不同平臺激光點云數(shù)據(jù)面狀信息自動提取研究[D];中國礦業(yè)大學(xué)（北京）;2014年

7 趙煦;基于地面激光掃描點云數(shù)據(jù)的三維重建方法研究[D];武漢大學(xué);2010年

8 張會霞;三維激光掃描點云數(shù)據(jù)組織與可視化研究[D];中國礦業(yè)大學(xué)（北京）;2010年

9 孫曉東;人體點云數(shù)據(jù)處理中若干問題的研究[D];北京工業(yè)大學(xué);2012年

10 張帆;點云數(shù)據(jù)幾何處理方法研究[D];西北大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張磊;大型鋼結(jié)構(gòu)建筑安裝質(zhì)量檢測與變形監(jiān)測軟件系統(tǒng)設(shè)計與實現(xiàn)[D];北京建筑大學(xué);2015年

2 饒杰;基于激光點云數(shù)據(jù)的建筑物快速三維建模[D];中國地質(zhì)大學(xué)(北京);2015年

3 李俊寶;TLS在古建筑物測繪及建模中的應(yīng)用研究[D];長安大學(xué);2015年

4 謝金坤;基于事故車輛車身變形的碰撞速度研究[D];長安大學(xué);2015年

5 顧品熒;基于點云數(shù)據(jù)的基本款女西裝樣板生成系統(tǒng)研究[D];蘇州大學(xué);2015年

6 李國瑞;車載LiDAR點云中的車輛自動檢測技術(shù)[D];長安大學(xué);2015年

7 江靜;建筑物L(fēng)iDAR點云數(shù)據(jù)特征檢測及配準(zhǔn)關(guān)鍵技術(shù)研究[D];集美大學(xué);2015年

8 梁子瑜;基于TLS點云數(shù)據(jù)的林分調(diào)查因子測定及收獲估計[D];南京林業(yè)大學(xué);2015年

9 喻W毶，

本文編號：400814