三维点云配准识别与标记技术研究

发布时间：2020-12-17 14:28

　　随着传感器技术的不断进步,人类对世界的感知已经从传统的二维成像发展到三维成像。特别是随着激光成像技术的发展,采用激光成像传感器获取单个物体、室内外不同场景的三维点云数据已经广泛普及。三维激光点云数据的与日俱增,使得基于点云数据的物体建模、场景建模,以及在此之上的目标识别、场景理解等技术取得了长足的发展。但是,三维点云配准、目标识别与场景标记,依然是一个具有重要研究价值且富有挑战性的问题。鉴于此,本文围绕上述任务对三维点云智能信息处理展开深入理论与应用研究,在系统分析点云数据特点的基础上,在点云配准、三维目标识别、三维场景标记等方面取得了如下成果。在三维点云配准方面,针对场景中点云特征存在重复不易建立对应关系等问题,提出了一种基于方向角直方图的旋转参数估计方法,将配准问题分解为旋转参数估计与平移参数估计两部分:在旋转参数估计中,基于点云的法向量方向定义了点云的方向角,并基于方向角的直方图统计关系估算点云之间的旋转角度;在平移参数估计中,利用简化的迭代最近点算法求解点云之间的平移矢量。相对于基于特征的三维点云配准算法,该方法能够很好的适用于纹理较少的结构化场景点云配准,并且避免了提取特征的... 

【文章来源】：国防科技大学湖南省 211工程院校 985工程院校

【文章页数】：136 页

【学位级别】：博士

【部分图文】：

三维点云示例

国防科技大学研究生院博士学位论文图1.3 ICCV2017分主题投稿与录用统计情况International Conference on Computer Vision (ICCV)以及International Conference on3D Vision (3DV)）也组织了多场主题交流与研讨会，比如ICCV 2017中单独开辟了三维计算机视觉的主题，其投稿量和录用量居所有主题的前列，如图1.3所示。此外，全球高水平研究机构，如美国华盛顿大学、德国慕尼黑工业大学、澳大利亚西澳大学、美国普林斯顿大学、苏黎世联邦理工学院、英国帝国理工学院、微软亚洲研究院、百度研究院、中国科学院自动化所、深圳先进技术研究院、厦门大学智慧城市感知与计算福建省重点实验室、国防科技大学等都投入了大量的财力与人力开展三维点云信息处理的相关理论与技术研究。针对本文的研究内容，本节将全面总结相关工作的研究现状，主要包括三维点云配准（第1.3.1节）、三维目标识别（第1.3.2节）、三维点云标记（第1.3.3节）等。1.3.1 三维点云配准研究进展三维点云配准的实质是计算同一物体或场景不同视点下采集到的点云之间的变换关系，以将其统一到同一坐标系下得到完整的点云。由于数据采集传感器的视角有限，单次测量只能得到目标场景的部分数据，点云配准能够将多次测量的数据拼接起来以获得完备的点云，为后续三维建模、目标识别、场景理解奠定数据基础

）局部感受野对于多层感知器，又称全连接网络，每个神经元与前一层的所有神经元相连接，如图3.4(a)所示。假设输入数据尺寸为1000 × 1000，当前层神经元数目为 100，则全连接网络存在1000 × 1000 × 100 = 108个连接，即需要108权值参数。多层网络的堆叠必然会导致参数的进一步增加，进而要求更多的存储容量。局部感受野能够有效减少网络连接数，即减少网络权值参数。人类视觉认知中，人对外部世界的感知存在从局部到全局的过程，即不需要完整的全局信息即可完成认知过程。图像中像素之间的相关性也是距离较近的像素相关性较大，距离较远的像素相关性则要弱很多。因此


本文编号：2922199