基于Kinect的物体模型建立及识别定位技术研究
发布时间：2020-12-24 07:51
随着老龄化社会问题的加剧,家庭服务机器迎来了更广阔的应用前景。复杂环境下对常见物体的抓取是服务机器人不可或缺的功能,物体识别定位技术是服务机器人完成抓取任务的先决条件,物体完整三维模型是位姿计算过程重要的先验知识。本课题旨在设计一种方便用户操作的物体重构方法和复杂环境下物体识别定位的方案,从视觉系统搭建,数据预处理流程、物体模型重构技术、复杂场景下物体识别定位技术等方面展开研究。首先,采用点云数据作为环境感知的载体,搭建了Kinect点云数据采集及处理系统。根据相机成像过程,构建了测量坐标系与摄像机线性及非线性模型,采用张正友标定法求解相机内外参数矩阵并计算彩色相机与深度相机位置变换关系,最终完成了点云实时采集系统的搭建。其次,针对从环境中精准分离目标物体的应用要求,研究点云预处理算法。根据Kinect拍摄过程中产生的噪声类型,提出多重滤波算法,利用统计分析法去除点云边缘噪声,采用主成分分析法提取点云表面法线及曲率,利用改进的双边滤波算法平滑点云表面小噪声。再通过随机采样一致性算法去除支撑平面点云,并采用平滑度欧氏距离聚类法进行点云聚类,从而达到目标与环境分离的目的。再次,对三维重构技...
【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】：81 页
【学位级别】：硕士
【部分图文】：
Kinectv2点云采集传感器
完成 Kinect 相机点云采集及处理平台的搭建。根据成像原理，建立相机线性及非线性模型。针对相机畸变问题，采用张氏标定法确定彩色相机及深度相机内外参数矩阵，并求解两摄像机之间的变换矩阵。通过深度图像进行三维场景还原，并利用彩色图片进行染色，获得场景彩色点云数据，作为后续处理的载体。2.2 测量系统和软件平台搭建2.2.1 点云采集硬件系统环境搭建本文采用 Kinect V2 传感器获取点云，如图 2-1 所示。Kinect 是一款可同时获得彩色图像和深度图像的 3D 传感器，因其价格低廉、数据获取速度快、可靠性高等优点而广泛应用于 3D 场景重建、SLAM 导航、物体识别等领域。其深度传感器采用 Time of Flight 方式，利用红外相机和脉冲变调红外线投影仪器，通过从投影的红外线反射信号的时间差来计算点距离传感器的距离，如图2-2所示。初代Kinect与 Kinect V2 传感器的测量能力如表 2-1 所示。相比于初代 Kinect，KinectV2 在具有更高的彩色分辨率、更准确的深度精度，如图 2-3 所示。
哈尔滨工业大学工程硕士学位论文表 2-1 初代 Kinect 与 Kinect V2 相机测量参数对比相机参数 初代 Kinect Kinect V2颜色分辨率 640×480 1920×1080深度分辨率 320×240 512×424采样频率 30Hz 30Hz测量范围 0.5~4.0m 0.8~4.5m水平测量角 57° 70°垂直测量角 43° 60°
【参考文献】：
期刊论文
[1]2018中国科技机器人企业排行榜[J]. 易观. 商业观察. 2018(04)
[2]面向点云的三维物体识别方法综述[J]. 郝雯,王映辉,宁小娟,梁玮,石争浩. 计算机科学. 2017(09)
[3]一种基于TOF相机与CCD相机的联合标定算法研究[J]. 郭宁博,陈向宁,姜明勇. 计算机应用研究. 2018(09)
[4]基于RANSAC算法的稳健点云平面拟合方法[J]. 杨军建,吴良才. 北京测绘. 2016(02)
[5]平滑度欧式聚类算法分割点云数据[J]. 吴燕雄,李峰,刘芳,程丽娜,郭丽丽. 测控技术. 2016(03)
[6]基于噪声分类的双边滤波点云去噪算法[J]. 袁华,庞建铿,莫建文. 计算机应用. 2015(08)
[7]数字媒体专业学习中基于Kinect的互动应用开发实践[J]. 刘曼曼,徐策,宋瑾钰. 中国校外教育. 2012(33)
[8]基于八叉树及KD树的混合型点云数据存储结构[J]. 廖丽琼,白俊松,罗德安. 计算机系统应用. 2012(03)
[9]基于自旋图的三维自动目标识别[J]. 刘瑶,马杰,赵季,田金文,熊凌. 红外与激光工程. 2012(02)
[10]利用飞行时间三维相机的非刚体形状三维重建[J]. 童晶,向学勤,田洪波,潘志庚,张明敏. 计算机辅助设计与图形学学报. 2011(03)
博士论文
[1]三维重建中点云数据处理关键技术研究[D]. 谷晓英.燕山大学 2015
硕士论文
[1]发动机叶片磨削余量检测及表面重建算法与系统研究[D]. 李明.哈尔滨工业大学 2017
[2]复杂三维点云场景中的目标识别方法研究[D]. 袁天文.吉林大学 2017
[3]基于结构光的3D重建系统[D]. 赵东威.南京大学 2013
[4]基于K近邻的分类算法研究[D]. 桑应宾.重庆大学 2009
本文编号：2935277
【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】：81 页
【学位级别】：硕士
【部分图文】：
Kinectv2点云采集传感器
完成 Kinect 相机点云采集及处理平台的搭建。根据成像原理，建立相机线性及非线性模型。针对相机畸变问题，采用张氏标定法确定彩色相机及深度相机内外参数矩阵，并求解两摄像机之间的变换矩阵。通过深度图像进行三维场景还原，并利用彩色图片进行染色，获得场景彩色点云数据，作为后续处理的载体。2.2 测量系统和软件平台搭建2.2.1 点云采集硬件系统环境搭建本文采用 Kinect V2 传感器获取点云，如图 2-1 所示。Kinect 是一款可同时获得彩色图像和深度图像的 3D 传感器，因其价格低廉、数据获取速度快、可靠性高等优点而广泛应用于 3D 场景重建、SLAM 导航、物体识别等领域。其深度传感器采用 Time of Flight 方式，利用红外相机和脉冲变调红外线投影仪器，通过从投影的红外线反射信号的时间差来计算点距离传感器的距离，如图2-2所示。初代Kinect与 Kinect V2 传感器的测量能力如表 2-1 所示。相比于初代 Kinect，KinectV2 在具有更高的彩色分辨率、更准确的深度精度，如图 2-3 所示。
哈尔滨工业大学工程硕士学位论文表 2-1 初代 Kinect 与 Kinect V2 相机测量参数对比相机参数 初代 Kinect Kinect V2颜色分辨率 640×480 1920×1080深度分辨率 320×240 512×424采样频率 30Hz 30Hz测量范围 0.5~4.0m 0.8~4.5m水平测量角 57° 70°垂直测量角 43° 60°
【参考文献】：
期刊论文
[1]2018中国科技机器人企业排行榜[J]. 易观. 商业观察. 2018(04)
[2]面向点云的三维物体识别方法综述[J]. 郝雯,王映辉,宁小娟,梁玮,石争浩. 计算机科学. 2017(09)
[3]一种基于TOF相机与CCD相机的联合标定算法研究[J]. 郭宁博,陈向宁,姜明勇. 计算机应用研究. 2018(09)
[4]基于RANSAC算法的稳健点云平面拟合方法[J]. 杨军建,吴良才. 北京测绘. 2016(02)
[5]平滑度欧式聚类算法分割点云数据[J]. 吴燕雄,李峰,刘芳,程丽娜,郭丽丽. 测控技术. 2016(03)
[6]基于噪声分类的双边滤波点云去噪算法[J]. 袁华,庞建铿,莫建文. 计算机应用. 2015(08)
[7]数字媒体专业学习中基于Kinect的互动应用开发实践[J]. 刘曼曼,徐策,宋瑾钰. 中国校外教育. 2012(33)
[8]基于八叉树及KD树的混合型点云数据存储结构[J]. 廖丽琼,白俊松,罗德安. 计算机系统应用. 2012(03)
[9]基于自旋图的三维自动目标识别[J]. 刘瑶,马杰,赵季,田金文,熊凌. 红外与激光工程. 2012(02)
[10]利用飞行时间三维相机的非刚体形状三维重建[J]. 童晶,向学勤,田洪波,潘志庚,张明敏. 计算机辅助设计与图形学学报. 2011(03)
博士论文
[1]三维重建中点云数据处理关键技术研究[D]. 谷晓英.燕山大学 2015
硕士论文
[1]发动机叶片磨削余量检测及表面重建算法与系统研究[D]. 李明.哈尔滨工业大学 2017
[2]复杂三维点云场景中的目标识别方法研究[D]. 袁天文.吉林大学 2017
[3]基于结构光的3D重建系统[D]. 赵东威.南京大学 2013
[4]基于K近邻的分类算法研究[D]. 桑应宾.重庆大学 2009
本文编号：2935277
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2935277.html
