基于点云数据的水下目标三维特征提取与定位技术研究

发布时间：2017-04-13 01:18

  本文关键词：基于点云数据的水下目标三维特征提取与定位技术研究，，由笔耕文化传播整理发布。

【摘要】：水下无人机器人(AUV)在执行交互任务时需要准确的视觉引导信息,由于结构光测量系统的测量精度基本不受光线折射和衰减效应的影响,被广泛应用于水下目标的三维重建。而水下场景的非结构化、目标与其他水下物体重叠和遮挡、测量数据单视散乱的特点,均为水下目标的定位带来困难。针对水下目标定位的诸多问题,本文在随机抽样一致性原理(RANSAC)的基础上,研究了一种基于点云数据的水下目标三维特征提取与定位技术。本文的研究内容有以下几个方面：1.基于水下目标包含的规则部件模型的曲面特征及成像后的边缘特征,将目标模型描述成图像线特征与点云面特征的组合,并以目标的线特征与面特征作为定位的先验信息。2.对目标视场图像进行分割运算和边缘提取运算,将视场图像分割成若干包含目标或者不包含目标的区域。按照先验信息中对目标线特征的描述,依次对分割区进行特征线检测,满足条件的作为目标区域。3.提出一种基于RANSAC算法的二维椭圆线检测方法,依据表征椭圆完整度的评价系数,实现对图像边缘中的椭圆线的检测。4.根据结构光测量系统所得图像与点云的映射关系,提取投影到目标区域中的点云,并按照先验信息中对目标面特征的描述,对该部分点云进行特征面检测,初步估计目标的尺寸和位姿参数的近似值并提取目标点云。5.采用基于RANSAC算法的三维曲面检测方法,实现对点云中的规则曲面如：球面、圆柱面、圆锥面、圆台面及长方体面等的识别。6.针对曲面模型参数不统一的问题,采用超二次曲面作为目标的部件化模型,将不同类型的曲面变为具有一致参数的超二次曲面模型。7.以目标的尺寸和位姿参数的近似值为初值,基于超二次曲面的标准方程建立非线性目标函数,采用Levenberg-Marquardt(LM)算法对目标参数进行全局优化,从而得到目标的定位结果。本文算法无需对目标场景点云进行分割,也无需对目标进行离线建模,仅需要提供目标成像边缘包含的线特征及本身曲面特征,即可实现目标的自主定位。通过实际实验对本文算法进行验证,实验结果表明：本文算法定位精度高,能有效定位未知尺寸的人造目标,且对水下复杂环境有较强的适应性。
【关键词】：机器视觉 人造目标定位 椭圆检测 随机抽样一致性 超二次曲面
【学位授予单位】：中国海洋大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-10
• 1. 绪论10-16
• 1.1. 研究背景与研究意义10-13
• 1.2. 基于点云的目标定位算法研究现状13-14
• 1.3. 论文的主要内容及结构安排14-16
• 2. 水下三维数据获取方法16-22
• 2.1. 三维数据获取方法概述16-17
• 2.2. 水下线结构光测量系统17-22
• 2.2.1. 结构光测量系统模型17-18
• 2.2.2. 水下折射补偿18-20
• 2.2.3. 点云数据与图像的映射关系20-22
• 3. 基于线特征识别的目标粗定位22-30
• 3.1. 图像预处理22-23
• 3.2. 基于RANSAC算法的椭圆检测方法23-28
• 3.2.1. 随机抽样一致性算法(RANSAC)23-25
• 3.2.2. 边缘点法矢量的计算25-26
• 3.2.3. 椭圆参数的计算方法26
• 3.2.4. 最理想椭圆的选择方法26-27
• 3.2.5. 实验验证27-28
• 3.3. 目标粗定位的依据28-30
• 4. 基于点云面特征的定位算法30-40
• 4.1. 三维数据点的法矢量30
• 4.2. 曲面参数模型30-32
• 4.3. 目标位姿初始值的计算32-33
• 4.4. 超二次曲面33-35
• 4.4.1. 超二次曲面的数学描述33-34
• 4.4.2. 超二次曲面的变形34-35
• 4.5. Levenberg-Marquardt优化算法35-38
• 4.5.1. 非线性最小二乘问题的描述35-36
• 4.5.2. 非线性优化算法原理36-38
• 4.6. 目标参数的优化38-40
• 5. 水下人造目标定位实验与分析40-48
• 5.1. 多目标定位实验40-43
• 5.2. 定位精度验证实验43-44
• 5.3. 复杂水下环境中定位实验44-48
• 6. 结论与展望48-50
• 6.1. 结论48-49
• 6.2. 展望49-50
• 参考文献50-54
• 致谢54-56
• 个人简历56
• 学术成果56

【相似文献】

中国期刊全文数据库 前10条

1 闫龙;;摄影测量点云数据精简研究[J];制造技术与机床;2010年07期

2 郑德华;;点云数据直接缩减方法及缩减效果研究[J];测绘工程;2006年04期

3 张量;王敏;;基于k邻域离散扩张的点云数据分割[J];软件导刊;2009年12期

4 周怡;周顾盛;;三维GIS数据的处理与提取方法的研究—以点云数据中提取树木为例[J];计算机应用与软件;2010年10期

5 李凤霞;饶永辉;刘陈;介飞;;基于法向夹角的点云数据精简算法[J];系统仿真学报;2012年09期

6 嵇俊;云挺;薛联凤;张浩平;;基于激光点云数据的复杂植物叶片重建方法[J];西北林学院学报;2014年05期

7 吴福生,丁玉成,卢秉恒;基于点云数据复杂曲面产品的快速开发[J];西安交通大学学报;2002年11期

8 胡雪芬,陈爱萍,童水光,单新潮;基于点云数据的鞋楦数控编程及其仿真[J];组合机床与自动化加工技术;2004年07期

9 陈飞舟;陈志杨;丁展;叶修梓;张三元;;基于径向基函数的残缺点云数据修复[J];计算机辅助设计与图形学学报;2006年09期

10 刘志军;;基于三坐标测量机的点云数据测量规划研究[J];黑龙江科技信息;2008年20期

中国重要会议论文全文数据库 前10条

1 闫龙;;摄影测量点云数据精简研究[A];第二十九届中国控制会议论文集[C];2010年

2 吴美金;;基于薄壁构件的点云数据提取[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年

3 段文国;张爱武;蔡广杰;;基于VTK的点云数据绘制研究与实现[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

4 宋碧波;卢小平;卢遥;;基于点云数据的建筑物三维重建[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

5 张伟忠;张顺海;于德敏;;点云数据与建模软件的接口设计[A];全国第13届计算机辅助设计与图形学（CAD/CG）学术会议论文集[C];2004年

6 吕琼琼;杨晓晖;杨唐文;韩建达;庄严;;激光雷达点云数据的三维建模技术[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

7 刘佳;张爱武;杨丽萍;;室内场景激光点云数据的三维建模[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

8 隋立春;张熠斌;赵旦;;基于MicroStation的机载LiDAR点云数据分类处理软件[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

9 黄承亮;吴侃;刘虎;;基于三维TIN的格网化点云数据特征提取[A];数字测绘与GIS技术应用研讨交流会论文集[C];2008年

10 杨铭;陈建峰;;基于CUDA的海量点云数据kNN查询算法[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

中国博士学位论文全文数据库 前10条

1 赵江洪;古建筑散乱点云基准面的提取与拟合[D];武汉大学;2012年

2 谷晓英;三维重建中点云数据处理关键技术研究[D];燕山大学;2015年

3 胡峰俊;三维离散点云数据的预处理和配准技术研究[D];浙江工业大学;2015年

4 董秀军;三维空间影像技术在地质工程中的综合应用研究[D];成都理工大学;2015年

5 张学昌;基于点云数据的复杂型面数字化检测关键技术研究及其系统开发[D];上海交通大学;2006年

6 王果;不同平台激光点云数据面状信息自动提取研究[D];中国矿业大学（北京）;2014年

7 赵煦;基于地面激光扫描点云数据的三维重建方法研究[D];武汉大学;2010年

8 张会霞;三维激光扫描点云数据组织与可视化研究[D];中国矿业大学（北京）;2010年

9 孙晓东;人体点云数据处理中若干问题的研究[D];北京工业大学;2012年

10 张帆;点云数据几何处理方法研究[D];西北大学;2013年

中国硕士学位论文全文数据库 前10条

1 张磊;大型钢结构建筑安装质量检测与变形监测软件系统设计与实现[D];北京建筑大学;2015年

2 饶杰;基于激光点云数据的建筑物快速三维建模[D];中国地质大学(北京);2015年

3 李俊宝;TLS在古建筑物测绘及建模中的应用研究[D];长安大学;2015年

4 谢金坤;基于事故车辆车身变形的碰撞速度研究[D];长安大学;2015年

5 顾品荧;基于点云数据的基本款女西装样板生成系统研究[D];苏州大学;2015年

6 李国瑞;车载LiDAR点云中的车辆自动检测技术[D];长安大学;2015年

7 江静;建筑物LiDAR点云数据特征检测及配准关键技术研究[D];集美大学;2015年

8 梁子瑜;基于TLS点云数据的林分调查因子测定及收获估计[D];南京林业大学;2015年

9 喻W毶

本文编号：302486