基于深度相机的三维重建方法研究

发布时间：2021-08-11 15:13

　　基于深度相机的三维建模方法由于设备成本低、视觉效果强、精度相对较高等优点,已经被广泛运用于建筑、游戏、教育等各行各业。然而,深度相机采集的数据存在大量的噪声,导致目前的技术存在诸多问题,例如重建得到的模型存在模糊、过平滑现象,细节部分精度不够,依赖彩色图作为输入,应用场景受限等等。为了解决上述问题,设计基于点云的三维重建方法。该方法包含三个关键步骤:模型的表示与聚合、子图构建、闭环检测。使用完全基于点云的方法对这三个阶段进行处理,减少数据源拓宽了应用场景。对于模型的表示与聚合,使用带概率模型的点云,在模型聚合过程中充分考虑数据噪声的影响,增强模型的质量,同时使用点云表示模型,减少数据量,拥有更多的灵活性。设计全局的位姿估计方法,增加算法的并行度,提高硬件的利用效率。对于子图的构建,使用一种松散的结构,将整个场景分片,片与片之间用位姿关系约束,使用点云的匹配构建共视关系,减少了累积漂移。设计了基于场景特征的子图划分方法,减少冗余子图,使用基于点云的方法进行位姿图优化。对于闭环检测,从点云上提取特征点进行匹配,摆脱对彩色图的依赖,提高鲁棒性,使用显卡对算法进行加速,满足实时性的需求。实验结... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

法线调整示意图

很难用于实时的三维重建中。使用 GPU 对 FPFH 算法进行加速，使其满足实时性要求。图 4.1 闭环检测失败图4.1 FPFH 算法FPFH 是一种基于直方图的算法，通过对点周围的集合特征进行描述，构造描述子。一共有四个步骤：法线估计、构造 Darbouxframe、计算 SPF 描述子、计算 FPFH

于点云的三维重建系统。设计实验对各个算法的性能进行衡量。实验环示。表 5.1 实验环境配置表环境 配置CPU Intel Core i5内存 8GB显卡 NVIDAGeForce GTX 960显存 6GB操作系统 Windows 10 64 位型效果展示基于点云的三维重建系统对在真实环境中采集的数据和公开数据集 T]数据集进行三维重建，效果图如图 5.1 所示。


本文编号：3336389