基于3D点云数据的室内物体识别技术研究

发布时间：2021-07-06 03:35

　　随着人工智能的发展,机器视觉的应用从传统制造行业拓展到室内服务行业,作为室内场景感知与理解的核心环节,室内物体识别技术成为研究的热点。同时,由于3D扫描设备价格越来越低廉和点云处理技术的兴起,图像识别逐渐从2D图像过渡到3D点云数据,这种数据自身具备3D空间几何特征,可天然解耦物体和背景。故利用3D点云数据能够更好识别室内场景中物体,如何有效地预处理原始室内3D点云数据,选择和提取合适的3D特征准确分割室内场景及识别物体,并在提高识别准确率的同时保证识别速度成为了研究的重点与难点。本文重点对室内3D点云数据的预处理、场景分割、物体特征提取及识别技术进行研究,主要工作包括:（1）根据现有3D点云场景物体识别技术的研究现状、存在问题及发展前景,提出本文研究计划。设计了基于3D点云数据的室内物体识别总体架构,并对3D点云数据预处理、分割及识别的经典算法进行介绍。（2）在室内3D点云数据的预处理方面,首先,针对原始室内3D点云数据存在离群点、起伏噪点及边界毛刺的问题,提出一种混合滤波方法对其去噪,以保证后续3D特征的准确估计;其次利用体素网格采样算法降低室内3D点云数据数量和密度,以提高后续分... 

【文章来源】：西安工程大学陕西省

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

室内服务机器人

图 2-2 Kinect 结构图备本身的缺陷以及室内光线环境等因素，采集到的 3D 点云数些离群点、起伏噪点以及边缘毛刺，这会对后续 3D 点云室取及识别产生很大的干扰，另外，有时采集的 3D 点云数据密理速度，因此就需要对其进行预处理，即去噪和简化。针对所据的噪声特点，本文提出一种混合滤波方法去除室内 3D 点云点以及边缘毛刺现象，利用体素网格采样算法[28]简化 3D 点云后的室内 3D 点云数据，通常包含背景和当前场景中形形色色如：室内场景中的地面、墙壁、桌子、座椅、沙发、以及圆因此需要将整个室内场景的 3D 点云数据分割成一个个代表不通过对 3D 点云分割算法的比较，本文采用随机采样一致性算内场景中的地面和墙壁，并提出了一种改进的区域增长彩色 效果更好的超体素多特征融合的 3D 点云分割方法，以分割前

特殊的距离值法，亦称范围滤波法。其基者指定区间内部或外部的点，即沿指定粗滤波。上存在一定空间特点的 3D 点云数据，例据，沿 z 轴方向分布较广泛，但在 x 和通滤波算法，能够划定 3D 点云数据在需要的 3D 点云数据，实现第一步粗处理较简单的一种滤波算法。主要过程为：以形，统计该球中点的数量，当点数量大于小于所设定阈值时，剔除该点。快，最终留下的都是比较密集的点，但需意图如图 2-3 所示，以圆形示意半径球 f 点；当规定近邻数不低于 5 时，则 e 和


本文编号：3267437