結(jié)構(gòu)光三維建模技術(shù)重建效率高,更適用于缺乏紋理特征的物體,是計算機領(lǐng)域的一個研究與應(yīng)用熱點,但存在投影圖案易被場景中光線干擾,同時建模尺寸受限的問題。本文設(shè)計紅外結(jié)構(gòu)光及點云拼接的方案,實現(xiàn)室外場景下實體車輛的三維建模。本方案包括車輛點云采集、精簡及三角網(wǎng)格化三個步驟:⑴車輛三維點云采集。設(shè)計制造了一臺剛性龍門架,用以搭載紅外深度傳感器,采集車輛頭部、尾部、頂部及兩側(cè)的點云數(shù)據(jù),依據(jù)空間直角坐標(biāo)系下的旋轉(zhuǎn)及平移變換,完成點云坐標(biāo)歸一化,拼接獲得完整車輛的三維點云。⑵車輛點云精簡與去噪。本文首先提出一種曲率精簡算法,其以柵格內(nèi)K-means聚類結(jié)果構(gòu)造三角形,以相鄰三角形法線夾角平均值作為局部曲率估計值,在車輛高曲率區(qū)域保留更多三維數(shù)據(jù)點,與均勻精簡相比,對車輛輪廓細(xì)節(jié)描述更加精確。之后針對人為設(shè)定精簡規(guī)則可能存在誤采樣的缺陷,本文又設(shè)計了一種用于車輛點云采樣的多層卷積神經(jīng)網(wǎng)絡(luò),將柵格內(nèi)點云輸入卷積神經(jīng)網(wǎng)絡(luò)進行通道伸縮與特征映射,用以挖掘車輛點云的空間結(jié)構(gòu)共性,在完成訓(xùn)練后依據(jù)前饋神經(jīng)網(wǎng)絡(luò)進行點云采樣,增強了點云精簡過程中的非線性表征能力。最后依據(jù)空間位置濾除地表密集噪點,沿三個坐標(biāo)軸向...

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 車輛建模及其應(yīng)用
        1.2.2 結(jié)構(gòu)光三維測量
    1.3 本文研究內(nèi)容
    1.4 本文章節(jié)安排
第二章 結(jié)構(gòu)光三維測量基礎(chǔ)理論
    2.1 結(jié)構(gòu)光編碼方式
        2.1.1 時間編碼
        2.1.2 鄰域編碼
        2.1.3 直接編碼
    2.2 相機成像模型與參數(shù)標(biāo)定
        2.2.1 相機成像模型
        2.2.2 相機參數(shù)標(biāo)定
    2.3 結(jié)構(gòu)光解碼
    2.4 三維坐標(biāo)計算
    2.5 本章小結(jié)
第三章 車輛三維點云采集
    3.1 點云采集設(shè)備
        3.1.1 紅外深度傳感器
        3.1.2 剛性龍門架
    3.2 坐標(biāo)歸一化推導(dǎo)
        3.2.1 平移變換
        3.2.2 旋轉(zhuǎn)變換
        3.2.3 多采集位置坐標(biāo)歸一化
    3.3 室外場景下車輛點云采集
        3.3.1 采集過程
        3.3.2 數(shù)據(jù)記錄
    3.4 數(shù)據(jù)處理與實驗結(jié)果
        3.4.1 數(shù)據(jù)預(yù)處理
        3.4.2 坐標(biāo)歸一化
        3.4.3 實驗結(jié)果
    3.5 本章小結(jié)
第四章 車輛點云精簡與去噪
    4.1 點云柵格存儲
        4.1.1 柵格存儲定義
        4.1.2 柵格存儲步驟
    4.2 點云均勻精簡
        4.2.1 算法原理
        4.2.2 實驗結(jié)果及分析
    4.3 點云曲率精簡
        4.3.1 K-means聚類算法
        4.3.2 曲率估計
        4.3.3 實驗結(jié)果及分析
    4.4 基于卷積神經(jīng)網(wǎng)絡(luò)的點云精簡
        4.4.1 采樣網(wǎng)絡(luò)結(jié)構(gòu)
        4.4.2 損失函數(shù)設(shè)計
        4.4.3 訓(xùn)練及驗證過程
    4.5 車輛外部點云去噪
        4.5.1 地面高密度噪點清除
        4.5.2 車輛外部低密度噪點清除
        4.5.3 去噪結(jié)果及分析
    4.6 本章小結(jié)
第五章 車輛點云三角網(wǎng)格化
    5.1 相關(guān)概念
        5.1.1 三角網(wǎng)格
        5.1.2 Delaunay三角剖分
        5.1.3 空間生長法
    5.2 車輛點云三角網(wǎng)格化方法
        5.2.1 鄰近點搜索
        5.2.2 構(gòu)造種子三角形
        5.2.3 擴展點約束條件
        5.2.4 頂點評價函數(shù)
    5.3 三角網(wǎng)格化結(jié)果及分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 問題與展望
參考文獻
致謝
作者簡介



本文編號：3971761