基于RGB-D相机的室内场景三维重建方法研究

发布时间：2021-11-24 03:38

　　随着近些年人工智能技术的发展,在各种复杂的工业应用中,机器人从原先的协助人类进行一些简单工作,越来越多地开始转向自主完成某些复杂任务。为了赋予工业机器人更强自主性和智能性,解决其在室内复杂未知场景中特别是低光照场景下的定位与建图问题,本文通过RGB-D相机将视觉SLAM（Simultaneous Localization and Mapping,同时定位与地图构建）技术应用于室内场景的三维重建中。提出了改进的Gamma校正算法,以优化低光场景下基于特征点法的位姿估计效果,并将SLAM算法流程拆解成位姿估计、后端优化以及回环检测三大部分进行改进和优化。经验证,本文所提出的算法在低光场景下表现优越,并对于室内场景实现了很好的三维重建效果。其具体内容如下:首先,根据课题所要研究的内容,选择了在室内场景下重建效率更高的RGB-D相机进行研究,并通过参数对比最终选用了微软的Kinect V2相机作为主要实验设备。为了提高相机获取图像信息的精度,基于张正友的棋盘格标定法,对其内参和畸变系数以及彩色和深度相机的配准进行了重新标定。接着,设计并改进了基于RGB-D SLAM的重建方案:先是基于特征点法... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

稀疏建图和

三维

哈尔滨工业大学工学硕士学位论文-3-三维视图、立体仓库内部的三维视图等，这些三维视图的输入对于其后续的检修、控制工作等都会带来很大的帮助。图1-3动车底部三维重建场景特别是近年来随着深度学习技术的发展，像素级的三维重建地图可以用来更高效地获取场景信息，从而分割并识别出包含一定场景信息的语义地图[7-10]，为结合语义的场景理解和分析提供了大量的数据。对于采集到的三维数据信息，还可以借助目前发达的通讯技术，实时传递到移动端，方便操作人员高效地进行检查和控制，这也是未来室内三维地图重建技术的一个应用方向。基于视觉的SLAM（SimultaneousLocalizationandMapping，即时定位与地图构建）技术可以很好地解决上述问题，并且相对于基于激光雷达的SLAM技术，视觉SLAM的研究具有成本低、灵活性高等优点，所以在小型化、轻量化设备上被越来越广泛地应用，这也为其在室内各个场景的研究和应用提供了方便。在运用视觉SLAM技术进行室内的工业检修时，常常会遇到一些光线较差的场景，比如对动车底部的检修以及对大型发动机机舱内部的检修场景等。由于相机成像是通过感知环境中的光线进行曝光得到的，当环境过暗时，整个曝光过程持续时间较长，且拍摄的图片质量不佳，这就给后面基于图像特征进行的定位和建图工作带来很大困难[11]。本课题的研究意义就在于，将RGB-D相机的SLAM技术应用于室内场景的三维重建中，并使其能够适应一定的低光照环境，以期获得可用于后期避障导航、故障检修、语义学习等应用领域所需要的精密三维地图。1.2国内外研究现状及分析1.2.1视觉SLAM稠密建图研究现状基于视觉SLAM的稠密建图主要是依靠相机作为唯一的外部传感器进行


本文编号：3515154