基于体感相机的点云数据配准方法研究

发布时间：2017-05-27 18:15

  本文关键词：基于体感相机的点云数据配准方法研究，由笔耕文化传播整理发布。

【摘要】：随着社会的进步和IT行业的发展,三维重建技术在各个领域中发挥越来越重要的作用。在三维重建的过程中,点云数据的配准是关键技术,因此三维数据的配准研究是重建技术中的研究热点。然而随着三维扫描设备精准度的提高,数据规模和配准精度也在提高,经典的点云配准方法并不能满足实时性的需求,因此在本文在传统点云配准ICP方法的基础之上,提出了一种新型的基于Hausdorff距离和优化K-D树来改进ICP算法。本文研究的主要内容将多视角下采集到的三维点云数据配准成一个整体的三维点云数据。具体研究内容如下:首先,通过Kinect相机获取不同角度下物体的点云数据,以数据点主曲率和Haus dorff距离为依据,利用正态分布图将点云分为关键点和非关键点,关键点充分保留了点云的几何特征用来进行点云配准,而非关键点作为几何特征不明显的点,为提高算法效率不予匹配。对点云的预处理使得点云的配准更具有针对性。其次,提出一种中值分割阈值优化K-D树的方法,该方法旨在提高K-D树的查询效率,保证K-D树达到平衡状态。首先将节点的属性值按照从小到大的顺序排列,取中指为分割阈值,同时结合空间的广泛分布性对点云数据进行K-D树的构造。优化的K-D树尽量使树的层数最小,从而提高点云的搜索效率。再次,针对传统ICP算法中复杂的数据量运算速度慢的缺点进行了改进,利用改进的Hausdorff距离和优化K-D树寻找关键点的匹配点进行最小二乘迭代,直到满足正确配准的收敛精度要求为止。高精度的优势使得改进的ICP算法可适用于海量数据的逆向工程。最后,为了验证算法的正确性和有效性,与经典算法作为对比,本文设计了几组不同类型点云的配准实验,实验看出改进算法的配准误差明显低于经典算法,改进算法在配准精度上有明显的优势,并且随着数据量的增大配准精度的优势越明显。在实际应用中,本文改进的配准算法应用在对配准精度要求较高、点云凹凸性比较明显的物体上。
【关键词】：ICP算法 Hausdorff距离 曲率 K-D树 最小二乘迭代
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-17
• 1.1 课题研究背景及意义9-12
• 1.2 点云配准的国内外研究现状及存在的主要问题12-15
• 1.2.1 点云配准的国内外研究现状12-14
• 1.2.2 点云配准的发展前景14
• 1.2.3 点云配准的效果度量14-15
• 1.3 本文主要研究内容与组织结构15-16
• 1.3.1 本文主要研究内容15
• 1.3.2 本文结构安排15-16
• 1.4 本章小结16-17
• 2 基于HAUSDORFF距离的正态分布处理点云17-26
• 2.1 点云数据获取17-19
• 2.1.1 点云的分类17-18
• 2.1.2 体感相机18-19
• 2.2 预处理19-23
• 2.2.1 点云去噪20
• 2.2.2 点云曲率计算20-21
• 2.2.3 基于Hausdorf f距离值的关键点选取21-23
• 2.3 预处理实验23-24
• 2.4 本章小结24-26
• 3 采用中值分割阈值优化K-D树26-34
• 3.1 邻域概念的K- D树26-29
• 3.1.1 邻域26-28
• 3.1.2 传统K-D树28-29
• 3.2 中值阈值优化K-D树29-31
• 3.3 优化效果分析31-33
• 3.4 本章小结33-34
• 4 基于HAUSDORFF距离和优化K-D树改进ICP算法34-42
• 4.1 ICP算法的实现步骤34
• 4.2 改进的ICP算法34-40
• 4.2.1 目标函数的建立及最小化34-37
• 4.2.2 基于Hausdorf f距离和优化K- D树改进ICP算法37-40
• 4.3 算法的实现40-41
• 4.4 本章小结41-42
• 5 实验结果与分析42-49
• 5.1 实验结果42-46
• 5.2 结果分析46-48
• 5.2.1 误差评估46
• 5.2.2 实验结果分析46-48
• 5.3 本章小结48-49
• 6 总结与展望49-52
• 6.1 总结49-51
• 6.2 展望51-52
• 参考文献52-57
• 攻读硕士学位期间所取得的研究成果57-58
• 致谢58-59

【相似文献】

中国期刊全文数据库 前10条

1 闫龙;;摄影测量点云数据精简研究[J];制造技术与机床;2010年07期

2 郑德华;;点云数据直接缩减方法及缩减效果研究[J];测绘工程;2006年04期

3 张量;王敏;;基于k邻域离散扩张的点云数据分割[J];软件导刊;2009年12期

4 周怡;周顾盛;;三维GIS数据的处理与提取方法的研究—以点云数据中提取树木为例[J];计算机应用与软件;2010年10期

5 李凤霞;饶永辉;刘陈;介飞;;基于法向夹角的点云数据精简算法[J];系统仿真学报;2012年09期

6 嵇俊;云挺;薛联凤;张浩平;;基于激光点云数据的复杂植物叶片重建方法[J];西北林学院学报;2014年05期

7 吴福生,丁玉成,卢秉恒;基于点云数据复杂曲面产品的快速开发[J];西安交通大学学报;2002年11期

8 胡雪芬,陈爱萍,童水光,单新潮;基于点云数据的鞋楦数控编程及其仿真[J];组合机床与自动化加工技术;2004年07期

9 陈飞舟;陈志杨;丁展;叶修梓;张三元;;基于径向基函数的残缺点云数据修复[J];计算机辅助设计与图形学学报;2006年09期

10 刘志军;;基于三坐标测量机的点云数据测量规划研究[J];黑龙江科技信息;2008年20期

中国重要会议论文全文数据库 前10条

1 闫龙;;摄影测量点云数据精简研究[A];第二十九届中国控制会议论文集[C];2010年

2 吴美金;;基于薄壁构件的点云数据提取[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年

3 段文国;张爱武;蔡广杰;;基于VTK的点云数据绘制研究与实现[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

4 宋碧波;卢小平;卢遥;;基于点云数据的建筑物三维重建[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

5 张伟忠;张顺海;于德敏;;点云数据与建模软件的接口设计[A];全国第13届计算机辅助设计与图形学（CAD/CG）学术会议论文集[C];2004年

6 吕琼琼;杨晓晖;杨唐文;韩建达;庄严;;激光雷达点云数据的三维建模技术[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

7 刘佳;张爱武;杨丽萍;;室内场景激光点云数据的三维建模[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

8 隋立春;张熠斌;赵旦;;基于MicroStation的机载LiDAR点云数据分类处理软件[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

9 黄承亮;吴侃;刘虎;;基于三维TIN的格网化点云数据特征提取[A];数字测绘与GIS技术应用研讨交流会论文集[C];2008年

10 杨铭;陈建峰;;基于CUDA的海量点云数据kNN查询算法[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

中国博士学位论文全文数据库 前10条

1 赵江洪;古建筑散乱点云基准面的提取与拟合[D];武汉大学;2012年

2 谷晓英;三维重建中点云数据处理关键技术研究[D];燕山大学;2015年

3 胡峰俊;三维离散点云数据的预处理和配准技术研究[D];浙江工业大学;2015年

4 董秀军;三维空间影像技术在地质工程中的综合应用研究[D];成都理工大学;2015年

5 张学昌;基于点云数据的复杂型面数字化检测关键技术研究及其系统开发[D];上海交通大学;2006年

6 王果;不同平台激光点云数据面状信息自动提取研究[D];中国矿业大学（北京）;2014年

7 赵煦;基于地面激光扫描点云数据的三维重建方法研究[D];武汉大学;2010年

8 张会霞;三维激光扫描点云数据组织与可视化研究[D];中国矿业大学（北京）;2010年

9 孙晓东;人体点云数据处理中若干问题的研究[D];北京工业大学;2012年

10 张帆;点云数据几何处理方法研究[D];西北大学;2013年

中国硕士学位论文全文数据库 前10条

1 张磊;大型钢结构建筑安装质量检测与变形监测软件系统设计与实现[D];北京建筑大学;2015年

2 饶杰;基于激光点云数据的建筑物快速三维建模[D];中国地质大学(北京);2015年

3 李俊宝;TLS在古建筑物测绘及建模中的应用研究[D];长安大学;2015年

4 谢金坤;基于事故车辆车身变形的碰撞速度研究[D];长安大学;2015年

5 顾品荧;基于点云数据的基本款女西装样板生成系统研究[D];苏州大学;2015年

6 李国瑞;车载LiDAR点云中的车辆自动检测技术[D];长安大学;2015年

7 江静;建筑物LiDAR点云数据特征检测及配准关键技术研究[D];集美大学;2015年

8 梁子瑜;基于TLS点云数据的林分调查因子测定及收获估计[D];南京林业大学;2015年

9 喻W毶，

本文编号：400814