Kinfu算法关键技术的研究与改进

发布时间：2020-12-15 08:07

　　随着计算机硬件的发展,计算机视觉领域有了更加强大的后台支撑,二维图像已经满足不了研究的需求,对场景进行三维重建应运而生。目前常用的三维重建算法有体征提取算法,块匹配的重建,以及点云重建等,然而这些技术在重建方面都有一定的局限性。借助Kinect传感器来获取深度图像,进行多视角的数据对齐,而后用点云融合进行三维重建应运而生。但是,此项技术发展还不是很成熟,在重建图像中出现图像空洞,效率慢,程序运行帧数低等不足。为了改善Kinect重建中出现的问题,保证Kinect能在多领域下能够更好的应用。本文对Kinfu算法中关键算法进行改进,对其中的关键算法进行实验和理论分析,有效、快速、准确的实现三维场景重建。Kinfu算法中关键问题是对点云预处理,在处理点云时,一般都会遇到算法复杂,计算量大的缺点。经分析Kinect获取的点云是按照矩阵的形式有序排列的,本文利用遍历领点进行连线,组成三角面,快速进行三角化。配准阶段,对点云进行关键点提取,利用关键点进行配准,在保证配准结果的前提下,加快配准速度,提高算法运行时间。在重建阶段,利用彩色图像和深度图像像素点融合。由于kinfu算法单只用到深度图像,彩... 

【文章来源】：西南科技大学四川省

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 三维重建的发展及研究现状
    1.3 论文研究内容与组织结构
2 Kinfu算法原理
    2.1 Kinect传感器的硬件组成
    2.2 Kinect深度图获取
    2.3 Kinfu算法运行
    2.4 本章小结
3 点云处理
    3.1 点云预处理
    3.2 点云坐标运算
    3.3 ICP配准算法改进
        3.3.1 标准的ICP算法
        3.3.2 改进的ICP算法
    3.4 本章小结
4 彩色图像和深度图像融合
    4.1 像机标定
    4.2 相机参数计算
    4.3 配准与融合
    4.4 本章小结
5 实验结果
    5.1 实验环境
    5.2 实验流程及结果分析
6 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读硕士学位期间发表的学术论文



本文编号：2917955