本文關鍵詞：基于點云數(shù)據(jù)的水下目標三維特征提取與定位技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：水下無人機器人(AUV)在執(zhí)行交互任務時需要準確的視覺引導信息,由于結(jié)構(gòu)光測量系統(tǒng)的測量精度基本不受光線折射和衰減效應的影響,被廣泛應用于水下目標的三維重建。而水下場景的非結(jié)構(gòu)化、目標與其他水下物體重疊和遮擋、測量數(shù)據(jù)單視散亂的特點,均為水下目標的定位帶來困難。針對水下目標定位的諸多問題,本文在隨機抽樣一致性原理(RANSAC)的基礎上,研究了一種基于點云數(shù)據(jù)的水下目標三維特征提取與定位技術(shù)。本文的研究內(nèi)容有以下幾個方面：1.基于水下目標包含的規(guī)則部件模型的曲面特征及成像后的邊緣特征,將目標模型描述成圖像線特征與點云面特征的組合,并以目標的線特征與面特征作為定位的先驗信息。2.對目標視場圖像進行分割運算和邊緣提取運算,將視場圖像分割成若干包含目標或者不包含目標的區(qū)域。按照先驗信息中對目標線特征的描述,依次對分割區(qū)進行特征線檢測,滿足條件的作為目標區(qū)域。3.提出一種基于RANSAC算法的二維橢圓線檢測方法,依據(jù)表征橢圓完整度的評價系數(shù),實現(xiàn)對圖像邊緣中的橢圓線的檢測。4.根據(jù)結(jié)構(gòu)光測量系統(tǒng)所得圖像與點云的映射關系,提取投影到目標區(qū)域中的點云,并按照先驗信息中對目標面特征的描述,對該部分點云進行特征面檢測,初步估計目標的尺寸和位姿參數(shù)的近似值并提取目標點云。5.采用基于RANSAC算法的三維曲面檢測方法,實現(xiàn)對點云中的規(guī)則曲面如：球面、圓柱面、圓錐面、圓臺面及長方體面等的識別。6.針對曲面模型參數(shù)不統(tǒng)一的問題,采用超二次曲面作為目標的部件化模型,將不同類型的曲面變?yōu)榫哂幸恢聟?shù)的超二次曲面模型。7.以目標的尺寸和位姿參數(shù)的近似值為初值,基于超二次曲面的標準方程建立非線性目標函數(shù),采用Levenberg-Marquardt(LM)算法對目標參數(shù)進行全局優(yōu)化,從而得到目標的定位結(jié)果。本文算法無需對目標場景點云進行分割,也無需對目標進行離線建模,僅需要提供目標成像邊緣包含的線特征及本身曲面特征,即可實現(xiàn)目標的自主定位。通過實際實驗對本文算法進行驗證,實驗結(jié)果表明：本文算法定位精度高,能有效定位未知尺寸的人造目標,且對水下復雜環(huán)境有較強的適應性。
【關鍵詞】：機器視覺 人造目標定位 橢圓檢測 隨機抽樣一致性 超二次曲面
【學位授予單位】：中國海洋大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-10
• 1. 緒論10-16
• 1.1. 研究背景與研究意義10-13
• 1.2. 基于點云的目標定位算法研究現(xiàn)狀13-14
• 1.3. 論文的主要內(nèi)容及結(jié)構(gòu)安排14-16
• 2. 水下三維數(shù)據(jù)獲取方法16-22
• 2.1. 三維數(shù)據(jù)獲取方法概述16-17
• 2.2. 水下線結(jié)構(gòu)光測量系統(tǒng)17-22
• 2.2.1. 結(jié)構(gòu)光測量系統(tǒng)模型17-18
• 2.2.2. 水下折射補償18-20
• 2.2.3. 點云數(shù)據(jù)與圖像的映射關系20-22
• 3. 基于線特征識別的目標粗定位22-30
• 3.1. 圖像預處理22-23
• 3.2. 基于RANSAC算法的橢圓檢測方法23-28
• 3.2.1. 隨機抽樣一致性算法(RANSAC)23-25
• 3.2.2. 邊緣點法矢量的計算25-26
• 3.2.3. 橢圓參數(shù)的計算方法26
• 3.2.4. 最理想橢圓的選擇方法26-27
• 3.2.5. 實驗驗證27-28
• 3.3. 目標粗定位的依據(jù)28-30
• 4. 基于點云面特征的定位算法30-40
• 4.1. 三維數(shù)據(jù)點的法矢量30
• 4.2. 曲面參數(shù)模型30-32
• 4.3. 目標位姿初始值的計算32-33
• 4.4. 超二次曲面33-35
• 4.4.1. 超二次曲面的數(shù)學描述33-34
• 4.4.2. 超二次曲面的變形34-35
• 4.5. Levenberg-Marquardt優(yōu)化算法35-38
• 4.5.1. 非線性最小二乘問題的描述35-36
• 4.5.2. 非線性優(yōu)化算法原理36-38
• 4.6. 目標參數(shù)的優(yōu)化38-40
• 5. 水下人造目標定位實驗與分析40-48
• 5.1. 多目標定位實驗40-43
• 5.2. 定位精度驗證實驗43-44
• 5.3. 復雜水下環(huán)境中定位實驗44-48
• 6. 結(jié)論與展望48-50
• 6.1. 結(jié)論48-49
• 6.2. 展望49-50
• 參考文獻50-54
• 致謝54-56
• 個人簡歷56
• 學術(shù)成果56

【相似文獻】

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鄰域離散擴張的點云數(shù)據(jù)分割[J];軟件導刊;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];計算機應用與軟件;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)的復雜植物葉片重建方法[J];西北林學院學報;2014年05期

7 吳福生,丁玉成,盧秉恒;基于點云數(shù)據(jù)復雜曲面產(chǎn)品的快速開發(fā)[J];西安交通大學學報;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[J];計算機輔助設計與圖形學學報;2006年09期

10 劉志軍;;基于三坐標測量機的點云數(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計[A];全國第13屆計算機輔助設計與圖形學（CAD/CG）學術(shù)會議論文集[C];2004年

6 呂瓊瓊;楊曉暉;楊唐文;韓建達;莊嚴;;激光雷達點云數(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的機載LiDAR點云數(shù)據(jù)分類處理軟件[A];第二屆“測繪科學前沿技術(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“測繪科學前沿技術(shù)論壇”論文精選[C];2012年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 趙江洪;古建筑散亂點云基準面的提取與擬合[D];武漢大學;2012年

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

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

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

5 張學昌;基于點云數(shù)據(jù)的復雜型面數(shù)字化檢測關鍵技術(shù)研究及其系統(tǒng)開發(fā)[D];上海交通大學;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（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;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（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;2012年

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

中國碩士學位論文全文數(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)設計與實現(xiàn)[D];北京建筑大學;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(北京);2015年

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

7 江靜;建筑物LiDAR點云數(shù)據(jù)特征檢測及配準關鍵技術(shù)研究[D];集美大學;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;2015年

9 喻W毶

本文編號：302486