基于模型的全局点云配准方法研究

发布时间：2017-08-21 22:14

  本文关键词：基于模型的全局点云配准方法研究

  更多相关文章： 双目视觉姿态估计 点云配准 隐式B样条曲面拟合 Levenberg-Marquardt算法 分支限界算法

【摘要】：随着航空航天空间探索的发展,自主交会对接等太空任务的实现技术已经成为现代科技领域的重要研究内容,其中的目标相对姿态测量技术是必不可少的关键。点云配准是计算机视觉领域许多研究重点的基本问题之一,能被广泛应用于三维重构、姿态估计及模式识别等领域,因此点云配准方法的研究具有重要意义。随着计算机视觉领域相关技术的研究与发展,基于稠密点云配准的双目视觉姿态估计系统具有配置简单、测量精度高及功耗低等优点,得到广泛关注与研究。该系统姿态参数的解算即采用稠密点云配准的方式实现,特别是基于模型的点云配准将测量所得的目标物体的部分数据点云与完整的模型点云进行配准,能够解决非合作目标的相对姿态估计问题。然而现存的点云配准算法由于在其精度、速度或鲁棒性等性能上的不足,难以保证将任何位置状态下具有大量噪声点或奇异点的测量数据点云成功配准到模型点云上,同时对于稠密点云配准的效率也较低,因此难以直接应用于双目视觉姿态估计系统的姿态参数解算过程中。为克服上述姿态解算过程存在的问题,本文主要研究基于模型的全局点云配准算法来满足应用要求。首先研究基于等效距离场的点云配准算法,采用隐式B样条曲面拟合建立距离场,并利用Levenberg-Marquardt算法优化求解配准参数,以满足配准过程的精度和速度要求。其次研究按照分支限界策略搜索具有非凸性的配准误差函数的全局最优解的方法,以此克服局部配准算法可能陷入局部最优位置的缺点。然后结合基于等效距离场的局部配准算法加速收敛,最终形成基于模型的全局点云配准算法,保证全局收敛性和鲁棒性要求。本文基于模型的点云配准通过结合利用等效距离场的局部点云配准和采用分支限界的全局最优配准参数搜索方法实现。通过采用经典三维点云库中的模型数据进行实验与分析,验证本文方法具有精度高、速度快、鲁棒性较好且保证全局收敛性的特点;采用双目视觉系统测量的点云数据进行三维姿态估计实验,证明本文方法能够满足基于稠密点云的双目视觉姿态估计系统的应用需求。
【关键词】：双目视觉姿态估计 点云配准 隐式B样条曲面拟合 Levenberg-Marquardt算法 分支限界算法
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V448.2;TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-17
• 1.1 课题背景及研究的目的和意义9-12
• 1.1.1 课题研究背景9-10
• 1.1.2 课题研究的目的和意义10-12
• 1.2 点云配准的研究现状12-15
• 1.2.1 点云配准方法研究现状12-13
• 1.2.2 点云配准算法研究现状13-15
• 1.3 本文主要研究内容15-17
• 第2章 点云配准算法综述17-28
• 2.1 点云配准基本概念17-19
• 2.1.1 基于模型的点云配准基本概念17-18
• 2.1.2 点云配准的数学模型18-19
• 2.2 局部点云配准算法19-24
• 2.2.1 迭代最近点配准算法20-21
• 2.2.2 基于距离场的点云配准算法21-24
• 2.3 全局点云配准算法24-27
• 2.4 本章小结27-28
• 第3章 基于模型的全局点云配准算法28-40
• 3.1 基于等效距离场的点云配准算法28-31
• 3.1.1 等效距离场的建立28-30
• 3.1.2 配准参数的优化求解30-31
• 3.2 基于分支限界算法的配准参数求解31-36
• 3.2.1 分支限界算法简介32-33
• 3.2.2 分支限界优化配准过程33-36
• 3.3 全局点云配准算法的实现36-39
• 3.3.1 内外分支限界算法36-38
• 3.3.2 全局配准算法38-39
• 3.4 本章小结39-40
• 第4章 基于模型的点云配准算法性能分析40-55
• 4.1 性能分析实验方案40-42
• 4.2 全局收敛性实验与分析42-46
• 4.2.1 点云全部重合情况42-43
• 4.2.2 点云部分重合情况43-45
• 4.2.3 噪声点云数据情况45-46
• 4.3 配准性能对比实验与分析46-53
• 4.3.1 收敛速度实验46-48
• 4.3.2 配准精度实验48-51
• 4.3.3 鲁棒性实验51-53
• 4.4 本章小结53-55
• 第5章 基于模型的三维姿态估计实验55-62
• 5.1 基于模型的三维姿态估计基本过程55-56
• 5.2 基于点云配准的姿态解算实验56-60
• 5.2.1 点云配准实验方案56-57
• 5.2.2 实验结果与分析57-60
• 5.3 存在的问题与展望60-61
• 5.4 本章小结61-62
• 结论62-64
• 参考文献64-69
• 攻读硕士学位期间发表的论文及其它成果69-71
• 致谢71

【相似文献】

中国期刊全文数据库 前10条

1 梁新合;梁晋;郭成;曹巨明;;法向约束的多幅点云数据融合算法[J];西安交通大学学报;2009年05期

2 孟凡文;吴禄慎;;用继承与优化算法精密拼接无序点云[J];光学精密工程;2009年04期

3 范然;金小刚;;大规模点云选择及精简[J];图学学报;2013年03期

4 李伟;李旭东;赵慧洁;张颖;;基于姿态标准化的线特征点云提取方法[J];北京航空航天大学学报;2013年08期

5 邱望标;吕圣楠;;带有矩形参照物的可程序化点云精确拼接算法[J];组合机床与自动化加工技术;2010年09期

6 史宝全;梁晋;张晓强;舒挽;;特征保持的点云精简技术研究[J];西安交通大学学报;2010年11期

7 陈国安;刘飞;李丽;;采用模糊规则的人体点云特征尺寸识别与提取[J];计算机辅助设计与图形学学报;2011年08期

8 张旭;张学昌;唐觉明;;点云对称边特征的最优化提取技术[J];中国机械工程;2013年05期

9 曹照均;李尚平;李冰;;多基准点下多视点云拼接对齐方法的研究[J];机械设计与制造;2014年04期

10 李启东;李文龙;周莉萍;;一种曲面特征保持的航空叶片点云精简方法[J];中国机械工程;2014年16期

中国重要会议论文全文数据库 前10条

1 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年

2 蔡来良;李儒;;点云数据处理算法与实现初步研究[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

3 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年

4 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年

6 李凯;张爱武;;基于激光点云的粮仓储粮数量测量方法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

7 朱晓强;余烨;刘晓平;袁晓辉;Bill P.Buckles;;基于航拍图像和LiDAR点云的城市道路提取[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

8 刘虎;;基于线性八叉树的点云简化与特征提取研究[A];促进科技经济结合，，服务创新驱动发展——蚌埠市科协2012年度学术年会论文集[C];2012年

9 李滨;王佳;;基于点云的建筑测绘信息提取[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

10 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年

中国重要报纸全文数据库 前2条

1 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年

2 中国工程院院士 刘先林;四维远见的装备创新[N];中国测绘报;2012年

中国博士学位论文全文数据库 前10条

1 彭检贵;融合点云与高分辨率影像的城区道路提取与表面重建研究[D];武汉大学;2012年

2 刘涌;基于连续序列自动快速拼接的全方位三维测量技术研究[D];西南交通大学;2013年

3 袁小翠;产品表面缺陷视觉检测数据处理关键技术研究[D];南昌大学;2015年

4 赖祖龙;基于LiDAR点云与影像的海岸线提取和地物分类研究[D];武汉大学;2013年

5 王瑞岩;计算机视觉中相机标定及点云配准技术研究[D];西安电子科技大学;2015年

6 韩峰;基于点云信息的既有铁路状态检测与评估技术研究[D];西南交通大学;2015年

7 金龙存;3D点云复杂曲面重构关键算法研究[D];上海大学;2012年

8 李扬彦;基于点云的三维重建与形变事件分析[D];中国科学院深圳先进技术研究院;2013年

9 杨德贺;面向虚拟测方系统的点云聚类与拟合理论[D];中国矿业大学（北京）;2014年

10 何朝明;离散点云处理的关键技术研究[D];西南交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 龚硕然;基于Delaunay三角剖分的点云三维网格重构[D];河北大学;2015年

2 杨红粉;频域技术应用于点云配准研究[D];北京建筑大学;2015年

3 段红娟;点云图像交互式曲线骨架提取技术及其应用[D];西南交通大学;2015年

4 张永恒;散乱点云数据配准方法研究[D];长安大学;2015年

5 吴爱;面向特征拟合的点云简化方法研究[D];中国地质大学(北京);2015年

6 薛广顺;基于立体视觉的牛体点云获取方法研究与实现[D];西北农林科技大学;2015年

7 胡诚;精度约束下地表LiDAR点云抽稀方法研究[D];西南交通大学;2015年

8 余明;三维离散点云数据处理技术研究[D];南京理工大学;2015年

9 陈星宇;基于三维彩色点云的地形分类方法研究[D];南京理工大学;2015年

10 朱东方;基于复杂拓扑结构点云的曲线拟合研究与应用[D];山东大学;2015年

本文编号：715415