計(jì)算機(jī)視覺領(lǐng)域中,對場景中物體的識別及其姿態(tài)估計(jì),具有重要作用和極大的應(yīng)用前景。該技術(shù)被廣泛應(yīng)用于機(jī)械臂抓取、自動導(dǎo)航和智能監(jiān)控等科技與工業(yè)領(lǐng)域。但是,光照變化、遮擋等復(fù)雜環(huán)境條件,將極大影響對象識別和姿態(tài)估計(jì)的精度;此外,在實(shí)際應(yīng)用中算法還需要保障高準(zhǔn)確性和實(shí)時(shí)性,亟待深入研究。相較于普通RGB成像設(shè)備,RGB-D傳感設(shè)備能提供豐富的三維信息,研究基于RGB-D的相關(guān)算法,可望在弱紋理與低光照的條件下實(shí)現(xiàn)較好的三維對象識別與姿態(tài)估計(jì)效果。經(jīng)典的三維對象識別算法通過三維描述子匹配實(shí)現(xiàn)對象識別。但是三維描述子僅能用于單個目標(biāo)的識別,無法做到對復(fù)雜結(jié)構(gòu)三維對象進(jìn)行整體描述�；谏窠�(jīng)網(wǎng)絡(luò)的方法也是對象識別與姿態(tài)估計(jì)的一個研究熱點(diǎn)。此類工作都針對已知對象,需要大量的目標(biāo)數(shù)據(jù)進(jìn)行訓(xùn)練,無法實(shí)現(xiàn)未知對象的姿態(tài)估計(jì)。除此之外,它們還需要復(fù)雜的后期優(yōu)化步驟優(yōu)化最終結(jié)果,很難滿足一些高實(shí)時(shí)性的應(yīng)用需求。針對上述問題,本文著重對復(fù)雜結(jié)構(gòu)三維對象識別與實(shí)時(shí)未知目標(biāo)姿態(tài)估計(jì)進(jìn)行研究,具體工作如下:1.提出一種基于空間相關(guān)性的三維結(jié)構(gòu)描述子,用于對復(fù)雜結(jié)構(gòu)三維對象進(jìn)行識別。對三維場景進(jìn)行實(shí)時(shí)稠密SLAM重建,并...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號說明
第一章 緒論
    1.1 研究背景與研究意義
        1.1.1 研究背景
        1.1.2 技術(shù)存在的難點(diǎn)
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)的三維對象識別與姿態(tài)估計(jì)方法
        1.2.2 基于神經(jīng)網(wǎng)絡(luò)的三維對象識別與姿態(tài)估計(jì)
    1.3 論文的主要研究內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 相關(guān)算法分析
    2.1 引言
    2.2 基于傳統(tǒng)描述子的對象識別與姿態(tài)估計(jì)方法
        2.2.1 PFH描述子
        2.2.2 FPFH描述子
        2.2.3 VFH描述子
        2.2.4 算法分析
    2.3 基于深度學(xué)習(xí)的對象識別與姿態(tài)估計(jì)方法
        2.3.1 神經(jīng)網(wǎng)絡(luò)
        2.3.2 PoseCNN算法
        2.3.3 Pointnet算法
        2.3.4 算法分析
    2.4 本章小結(jié)
第三章 基于RGB-D信息的三維對象識別
    3.1 引言
    3.2 三維重建
        3.2.1 相機(jī)位姿估計(jì)
        3.2.2 點(diǎn)云融合
    3.3 三維場景分割
        3.3.1 深度圖分割
        3.3.2 連通區(qū)域標(biāo)記與邊界點(diǎn)賦值
        3.3.3 Label一致性
        3.3.4 部件融合
    3.4 基于三維結(jié)構(gòu)描述子的三維對象識別
        3.4.1 標(biāo)準(zhǔn)三維結(jié)構(gòu)描述子提取
        3.4.2 使用三維結(jié)構(gòu)描述子識別目標(biāo)
    3.5 實(shí)驗(yàn)設(shè)計(jì)
    3.6 本章小結(jié)
第四章 基于RGB-D信息的三維對象姿態(tài)估計(jì)
    4.1 引言
    4.2 未知目標(biāo)跨視場姿態(tài)估計(jì)
        4.2.1 初始相對姿態(tài)測量
        4.2.2 最優(yōu)相機(jī)選取
        4.2.3 特征提取
        4.2.4 光束平差法
        4.2.5 相機(jī)切換與姿態(tài)轉(zhuǎn)化
    4.3 實(shí)驗(yàn)設(shè)計(jì)
        4.3.1 光照條件測試
        4.3.2 紋理?xiàng)l件測試
        4.3.3 仿真實(shí)驗(yàn)
        4.3.4 HEXAPOD高精度云臺實(shí)驗(yàn)
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來的研究方向及展望
參考文獻(xiàn)
致謝
作者簡介
    1 作者簡歷
    2 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
    3 發(fā)明專利
學(xué)位論文數(shù)據(jù)集



本文編號：3899708