基于Kinect的植物三维点云获取与重建方法研究

发布时间：2017-06-08 10:12

  本文关键词：基于Kinect的植物三维点云获取与重建方法研究，由笔耕文化传播整理发布。

【摘要】：随着数字农业的发展,植物三维建模技术在农业生产中应用越来越广泛。研究植物三维形态结构,对作物的种植间隔、套种模式、修剪方法、药物喷洒以及作物产量变化规律等方面的研究具有指导性意义。植物三维重建多采用三维扫描仪获取数据,存在设备昂贵、数据采集过程复杂等问题。本文以玉米等植物为研究对象,利用Kinect深度传感器获取植物三维点云数据,研究点云数据预处理、去噪的方法,对不同方位的三维点云数据进行高效配准的方法,以及从获取的点云数据快速重建三维植物模型的方法,为后期的渲染处理提供便利。本文主要研究工作和结论如下：(1)在分析目前植物三维点云数据获取方法的基础上,采用多视角的数据采集方式获取植物三维点云数据。以玉米等植物为主要研究对象,采用Kinect从8个主视角度和4个辅助角度获取植株的深度数据,每个视角采集10帧数据,并转化为带有颜色信息的三维点云数据。为了提高每个视角有效点云数量,提出了多帧数据均值融合的方法,将每个视角的10帧数据融合为1帧。试验结果表明,与10帧平均有效点数相比,经过融合的有效点云数量增加14.6%。(2)为了解决点云数据中的噪声问题,提出一种基于统计分析和深度数据双边滤波结合的点云去噪方法。该方法对离群点噪声和内部高频噪声进行分步处理。试验表明,该方法能够很好地解决Kinect所获点云数据噪声偏多的问题,提高点云数据质量,且本文算法对玉米、白掌内部高频噪声的去噪时间仅为传统双边滤波算法的2.71%和1.78%。(3)为提高配准精确并提高配准效率,采用一种基于标定物的点云配准方法。采集植物三维点云数据时,在待重建对象周围放置8个直径为70mm的圆形薄片作为标定物,通过不同视角的共有标定物,计算相邻视角间的旋转和平移矩阵,并通过迭代最近点(ICP)算法进行数据的精确配准,最终将各个视角的数据匹配到同一坐标系下,得到完整的植物三维点云模型。试验结果表明,配准后的标定点平均误差为9.02mm,经过ICP精确配准优化后的标定点平均误差为7.13mmm,二者接近,配准效果良好,该方法能够快速、有效地完成数据的初始配准。(4)为了提高重建效率,提出一种基于密度采样的点云精简方法。根据预设采样密度对数据进行精简处理,该方法能够快速有效地完成点云数据精简,并采用邻域聚类的方法对数据分布进行优化。最后采用基于PCL的贪婪投影三角化网格算法对点云数据进行网格重建,并将初始获取的颜色数据映射到点云上,呈现植物自然的颜色。本文研究能够为快速获取植物三维点云数据,并实现植物三维形态的重建提供一种廉价、快速和高效的手段。
【关键词】：植物三维重建 Kinect 点云去噪 点云配准 点云精简
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要6-8
• ABSTRACT8-12
• 第1章 绪论12-21
• 1.1 研究背景及意义12-13
• 1.2 国内外研究现状13-16
• 1.2.1 虚拟植物三维重建13-15
• 1.2.2 点云数据处理15-16
• 1.3 存在问题分析16-17
• 1.4 主要研究内容17-18
• 1.5 研究方法及技术路线18-19
• 1.5.1 研究方法18
• 1.5.2 技术路线18-19
• 1.6 论文结构19-21
• 第2章 植物三维点云数据的采集与预处理方法21-29
• 2.1 微软Kinect设备技术分析21-22
• 2.2 Kinect采集植物三维点云数据方法22-24
• 2.2.2 植物三维点云数据的获取22-24
• 2.3 点云数据预处理方法24-28
• 2.3.1 背景数据剔除24-25
• 2.3.2 多帧数据融合方法25-28
• 2.4 本章小结28-29
• 第3章 植物三维点云去噪29-39
• 3.1 点云去噪方法29-32
• 3.1.1 Kd-Tree邻近点搜索29
• 3.1.2 离散点去除29-30
• 3.1.3 内部高频噪声去除30-32
• 3.2 试验结果及分析32-37
• 3.2.1 试验对象及条件32
• 3.2.2 试验方法32
• 3.2.3 离群点去噪结果及分析32-35
• 3.2.4 内部高频噪声去噪试验结果及分析35-37
• 3.4 本章小结37-39
• 第4章 植物三维点云配准方法39-52
• 4.1 点云配准关键技术分析39
• 4.2 点云初始配准39-46
• 4.2.1 标定物选择40-41
• 4.2.2 标定物提取41-43
• 4.2.3 点云初始配准方法43-46
• 4.3 植物三维点云精确配准方法46-47
• 4.4 配准试验结果及分析47-51
• 4.4.1 标定物提取试验与分析47-48
• 4.4.2 初始配准试验结果与分析48-50
• 4.4.3 精确配准结果与分析50-51
• 4.5 本章小结51-52
• 第5章 植物点云数据精简与曲面重构方法52-58
• 5.1 植物点云数据精简方法52-55
• 5.1.1 基于密度采样的点云简化方法52-53
• 5.1.2 点云精简试验及分析53-55
• 5.2 植物三维点云聚类方法55
• 5.3 点云数据网格化方法55-57
• 5.4 本章小结57-58
• 第6章 结论与展望58-60
• 6.1 结论58-59
• 6.2 创新点59
• 6.3 存在的问题与展望59-60
• 参考文献60-64
• 致谢64-65
• 作者简介65

【相似文献】

中国期刊全文数据库 前10条

1 段红娟;;简述三维点云处理技术的研究[J];电子技术与软件工程;2013年14期

2 马牧运;张爱武;王书民;崔营营;;手持数码相机获取场景三维点云的实现[J];光学与光电技术;2011年03期

3 徐胜攀;刘正军;左志权;;大规模三维点云快速拾取技术研究[J];计算机工程与设计;2013年08期

4 王震;刘进;;基于激光影像的物体三维点云获取系统[J];城市勘测;2013年06期

5 钟晨;王伟;庄严;;基于三维点云的阶梯目标检测与参数估计[J];控制理论与应用;2013年06期

6 马彩虹;程昱;何明光;曾阳发;刘东峰;;海德堡视网膜断层扫描仪的三维点云去噪方法研究[J];计算机工程与科学;2010年08期

7 王丽辉;罗晓玲;张娜;;三维点云模型的参数化方法[J];信息与电脑(理论版);2013年05期

8 周勇飞;徐昱琳;吕晓梦;王明;;基于双目的三维点云数据的获取与预处理[J];计算机技术与发展;2014年03期

9 杨蕾;;一种高效的支持向量回归三维点云修补算法[J];计算机应用研究;2009年10期

10 谭志国;鲁敏;郭裕兰;左超;;基于投影分布熵的多视点三维点云场景拼接方法[J];中国激光;2012年11期

中国重要会议论文全文数据库 前1条

1 陈宝权;;Towards Building a Live Digital City through Laser Scanning[A];第四届全国几何设计与计算学术会议论文集[C];2009年

中国博士学位论文全文数据库 前3条

1 王丽辉;三维点云数据处理的技术研究[D];北京交通大学;2011年

2 安毅;三维点云数据的几何特性估算与特征识别[D];大连理工大学;2011年

3 万国伟;面向建筑物的三维点云生成、增强和重建技术研究[D];国防科学技术大学;2011年

中国硕士学位论文全文数据库 前10条

1 张楠;铁路场景下三维点云识别与分类算法研究[D];北京交通大学;2016年

2 杨小青;基于法向量的三维点云配准方法研究[D];中北大学;2016年

3 王洪宝;基于车辆变形三维点云数据的碰撞事故再现[D];江苏大学;2016年

4 蒋峥;室外三维点云采集系统研究[D];南京大学;2016年

5 李博阳;自然环境下植物三维点云远程快速获取关键技术研究[D];西北农林科技大学;2016年

6 牛晓静;玉米植株三维点云处理及重构方法研究[D];西北农林科技大学;2016年

7 邵小宁;基于Kinect的植物三维点云获取与重建方法研究[D];西北农林科技大学;2016年

8 刘丹丹;基于表面特征的变电站设备三维点云识别[D];郑州大学;2016年

9 窦本君;基于激光扫描的变电站设备三维点云数据识别技术研究[D];郑州大学;2016年

10 陆桂亮;三维点云场景语义分割建模研究[D];南京大学;2014年

  本文关键词：基于Kinect的植物三维点云获取与重建方法研究，，由笔耕文化传播整理发布。

本文编号：432200