【摘要】：基于攝像機(jī)位姿估計(jì)的數(shù)學(xué)模型,提出了一種檢測(cè)攝像機(jī)位移前后目標(biāo)圖像特征點(diǎn)的方法,通過(guò)求解攝像機(jī)發(fā)生位移前后的相對(duì)位姿矩陣來(lái)解決應(yīng)用視覺(jué)圖像獲得點(diǎn)云的初始配準(zhǔn)問(wèn)題。首先,介紹了攝像機(jī)位姿估計(jì)模型,包括本質(zhì)矩陣、旋轉(zhuǎn)矩陣以及平移矩陣;然后,介紹了SURF算子的特征點(diǎn)檢測(cè)、描述和匹配的方法,在此基礎(chǔ)上面向雙目視覺(jué)和單目結(jié)構(gòu)光系統(tǒng),分別提出了攝像機(jī)位移前后目標(biāo)圖像SURF特征點(diǎn)匹配和深度估計(jì)模型;最后,分別進(jìn)行雙目視覺(jué)和單目結(jié)構(gòu)光系統(tǒng)點(diǎn)云的獲取、位移前后目標(biāo)圖像特征點(diǎn)檢測(cè)匹配和深度估計(jì)實(shí)驗(yàn),應(yīng)用攝像機(jī)位姿估計(jì)模型求解旋轉(zhuǎn)矩陣和位移矩陣,并對(duì)位移矩陣進(jìn)行統(tǒng)計(jì)分析剔除粗差。實(shí)驗(yàn)中采用基于點(diǎn)云空間特征點(diǎn)和基于圖像的方法進(jìn)行對(duì)比,點(diǎn)云對(duì)應(yīng)特征點(diǎn)均方誤差縮小至12.46mm。實(shí)驗(yàn)結(jié)果驗(yàn)證了方法的可行性,表明本文的點(diǎn)云初始配準(zhǔn)方法能較好地獲得點(diǎn)云精確配準(zhǔn)初值。
[Abstract]:Based on the mathematical model of camera position and pose estimation, a method to detect the feature points of the target image before and after the displacement of the camera is proposed. By solving the relative pose matrix before and after the displacement of the camera, the initial registration problem of the point cloud is solved by using the visual image. Firstly, the camera pose estimation model is introduced, including essential matrix, rotation matrix and translation matrix. Then, the method of feature point detection, description and matching of SURF operator is introduced. Based on this, the SURF feature point matching and depth estimation model of target image before and after camera displacement are proposed for binocular vision and monocular structured light system. Finally, the point clouds of binocular vision system and monocular structure light system are obtained, the target image feature point detection matching and depth estimation experiment are carried out before and after displacement, and the rotation matrix and displacement matrix are solved by using camera pose estimation model. The gross error is eliminated by statistical analysis of displacement matrix. The experimental results show that the mean square error of point cloud corresponding feature points is reduced to 12.46 mm by using point cloud spatial feature points and image based methods. The experimental results verify the feasibility of the method and show that the initial registration method of point cloud in this paper can obtain the accurate initial value of point cloud registration.
【作者單位】： 華南理工大學(xué)機(jī)械與汽車工程學(xué)院;
【基金】：廣東省省級(jí)科技計(jì)劃研發(fā)與產(chǎn)業(yè)化項(xiàng)目(No.2013B090600052)
【分類號(hào)】：TN948.41;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葉愛(ài)芬;龔聲蓉;王朝暉;劉純平;;基于隨機(jī)分布估計(jì)的點(diǎn)云密度提取[J];計(jì)算機(jī)工程;2009年04期

2 梁新合;梁晉;郭成;曹巨明;;法向約束的多幅點(diǎn)云數(shù)據(jù)融合算法[J];西安交通大學(xué)學(xué)報(bào);2009年05期

3 孟凡文;吳祿慎;;用繼承與優(yōu)化算法精密拼接無(wú)序點(diǎn)云[J];光學(xué)精密工程;2009年04期

4 李海亮;鄧非;李剛;;攝影測(cè)量激光點(diǎn)云空洞修補(bǔ)[J];測(cè)繪科學(xué);2010年05期

5 張晶;楊云生;豐少偉;;基于點(diǎn)云法矢變化的點(diǎn)云簡(jiǎn)化方法研究[J];計(jì)算機(jī)與數(shù)字工程;2011年12期

6 李曉久;景曉寧;;基于非接觸式測(cè)量的人體點(diǎn)云簡(jiǎn)化方法[J];紡織學(xué)報(bào);2012年07期

7 高恩陽(yáng);鄭昊鴻;;點(diǎn)云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

8 范然;金小剛;;大規(guī)模點(diǎn)云選擇及精簡(jiǎn)[J];圖學(xué)學(xué)報(bào);2013年03期

9 李偉;李旭東;趙慧潔;張穎;;基于姿態(tài)標(biāo)準(zhǔn)化的線特征點(diǎn)云提取方法[J];北京航空航天大學(xué)學(xué)報(bào);2013年08期

10 錢偉春;3DSMAX中動(dòng)態(tài)云的制作[J];多媒體世界;1999年03期

相關(guān)會(huì)議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點(diǎn)云生成和預(yù)處理[A];2011年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

2 蔡來(lái)良;李儒;;點(diǎn)云數(shù)據(jù)處理算法與實(shí)現(xiàn)初步研究[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

3 馬國(guó)慶;陶萍萍;楊周旺;;點(diǎn)云空間曲線的微分信息計(jì)算及匹配方法[A];第四屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點(diǎn)云精簡(jiǎn)算法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

5 解輝;張愛(ài)武;孟憲剛;;機(jī)載激光點(diǎn)云快速繪制方法[A];第二十五屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)摘要集[C];2012年

6 李凱;張愛(ài)武;;基于激光點(diǎn)云的糧倉(cāng)儲(chǔ)糧數(shù)量測(cè)量方法[A];第二屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 朱曉強(qiáng);余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點(diǎn)云的城市道路提取[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

8 劉虎;;基于線性八叉樹(shù)的點(diǎn)云簡(jiǎn)化與特征提取研究[A];促進(jìn)科技經(jīng)濟(jì)結(jié)合，，服務(wù)創(chuàng)新驅(qū)動(dòng)發(fā)展——蚌埠市科協(xié)2012年度學(xué)術(shù)年會(huì)論文集[C];2012年

9 李濱;王佳;;基于點(diǎn)云的建筑測(cè)繪信息提取[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點(diǎn)云切片技術(shù)研究[A];全國(guó)先進(jìn)制造技術(shù)高層論壇暨第八屆制造業(yè)自動(dòng)化與信息化技術(shù)研討會(huì)論文集[C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點(diǎn)云 亦真亦幻[N];解放軍報(bào);2013年

2 中國(guó)工程院院士 劉先林;四維遠(yuǎn)見(jiàn)的裝備創(chuàng)新[N];中國(guó)測(cè)繪報(bào);2012年

相關(guān)博士學(xué)位論文 前10條

1 彭檢貴;融合點(diǎn)云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

2 劉涌;基于連續(xù)序列自動(dòng)快速拼接的全方位三維測(cè)量技術(shù)研究[D];西南交通大學(xué);2013年

3 袁小翠;產(chǎn)品表面缺陷視覺(jué)檢測(cè)數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];南昌大學(xué);2015年

4 賴祖龍;基于LiDAR點(diǎn)云與影像的海岸線提取和地物分類研究[D];武漢大學(xué);2013年

5 王瑞巖;計(jì)算機(jī)視覺(jué)中相機(jī)標(biāo)定及點(diǎn)云配準(zhǔn)技術(shù)研究[D];西安電子科技大學(xué);2015年

6 段敏燕;機(jī)載激光雷達(dá)點(diǎn)云電力線三維重建方法研究[D];武漢大學(xué);2015年

7 李艷紅;車載移動(dòng)測(cè)量系統(tǒng)數(shù)據(jù)配準(zhǔn)與分類識(shí)別關(guān)鍵技術(shù)研究[D];武漢大學(xué);2014年

8 韓峰;基于點(diǎn)云信息的既有鐵路狀態(tài)檢測(cè)與評(píng)估技術(shù)研究[D];西南交通大學(xué);2015年

9 金龍存;3D點(diǎn)云復(fù)雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學(xué);2012年

10 李揚(yáng)彥;基于點(diǎn)云的三維重建與形變事件分析[D];中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院;2013年

相關(guān)碩士學(xué)位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點(diǎn)云三維網(wǎng)格重構(gòu)[D];河北大學(xué);2015年

2 楊紅粉;頻域技術(shù)應(yīng)用于點(diǎn)云配準(zhǔn)研究[D];北京建筑大學(xué);2015年

3 段紅娟;點(diǎn)云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學(xué);2015年

4 張永恒;散亂點(diǎn)云數(shù)據(jù)配準(zhǔn)方法研究[D];長(zhǎng)安大學(xué);2015年

5 吳愛(ài);面向特征擬合的點(diǎn)云簡(jiǎn)化方法研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

6 薛廣順;基于立體視覺(jué)的牛體點(diǎn)云獲取方法研究與實(shí)現(xiàn)[D];西北農(nóng)林科技大學(xué);2015年

7 胡誠(chéng);精度約束下地表LiDAR點(diǎn)云抽稀方法研究[D];西南交通大學(xué);2015年

8 余明;三維離散點(diǎn)云數(shù)據(jù)處理技術(shù)研究[D];南京理工大學(xué);2015年

9 陳星宇;基于三維彩色點(diǎn)云的地形分類方法研究[D];南京理工大學(xué);2015年

10 朱東方;基于復(fù)雜拓?fù)浣Y(jié)構(gòu)點(diǎn)云的曲線擬合研究與應(yīng)用[D];山東大學(xué);2015年

本文編號(hào)：2420928