- 1、本文档共7页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于RGB―D相机的农机三维点云拼接方法.doc
一种基于RGB―D相机的农机三维点云拼接方法
摘要: RGB-D相机,例如微软的Kinect是一种比较新的传感器系统,它可以在得到RGB图像的同时得到每个像素的深度信息。这篇文章利用RGB-D相机获得的三维点云,提出一种基于投影图像获取匹配点加速ICP迭代的点云拼接的方法,解决由于计算机显存的限制,普通PC机上不能一次性获得较大模型的情况。并实验证明了这种拼接算法的可能性。这些模型可以运用到农机的真实感三维交互,虚拟现实,增强现实三维模型逆向工程等多个领域。
关键词:RGB-D传感器;相机标定;KinectFusion;SURF;RANSAC
中图分类号:TP311 文献标识码:A 文章编号:1009-3044(2016)28-0256-04
Abstract: RGB-D cameras are novel sensing systems that capture RGB images along with per-pixel depth information. In this paper we use RGB-D cameras to acquire 3D Point cloud model and propose a projected image based matching point searching method to accelerate ICP iteration in point clouds registration, and solved the GPU memory limitations which unable to get a large model point cloud model in one-time on an ordinary PC. The experimental results proved the possibility of this algorithm. These models can be applied to the agricultural realistic 3D model interaction, virtual reality, augmented reality and 3D model reverse engineering.
Key words: RGB-D sensor; Camera Calibration; KinectFusion; SURF; RANSAC; ICP
1 引言
1.1 RGB-D相机
沉浸式虚拟现实体验很重要的一个任务就是建立丰富真实感的三维模型。RGB-D相机就是一种传感器系统,它可以在得到RGB图像的同时得到每个像素的深度信息。我们采用的kinect2.0[1]主要采用飞行时间[2.3]法获得大量像素的深度值估计。近些年来广泛被计算机视觉团队用于研究使用,实际上RGB-D相机系统主要的发展动力与应用在于电脑游戏与家庭娱乐设备。
图1,2,3显示了RGB-D相机的采样图,它在三维重建里有几个明显的缺陷:深度图距离有限制,(一般大于0.5m小于5m),估计的深度图噪声明显,相比专业三维扫描仪的视角比较小(小于60°)。这篇文章中我们将介绍基于RGB-D相机获得的三维点云,提出一种彩色点云拼接的方法。
1.2点云拼接
拼接方法中最广泛应用的是由Paul.J.等人提出的迭代最近点(Iterative Closest Point-ICP)算法[4],由于它需要于一个初始位置,步骤将拼接分为粗拼接和精确拼接。对于比较大规模的点云,粗拼接一般用三点法或多点法获得点云的初始位置,精确拼接则使用最短距离匹配对应点的ICP算法,迭代直至误差范围之内。实践证明该算法一定程度上是解决拼接问题的有效方法,它通过迭代点的距离和变换使两片点云之间的距离均方误差最小。该算法的关键技术是快速查找最近点,较好的初始位置定位和求解变换。对点云建立KD树的话,可以加快对应点对的查找,人工判断若干个点也可以使得点云具有较好的初始位置。现在的配准算法大多都是基于此基础上进行改进的。ICP算法研究改进的主要目标是解决优化两个问题:良好的初始值和在迭代过程的精确的对应关系。确立正确对应点,剔除噪声点对也是改进的关键。此外,如何提高对应点对的有哪些信誉好的足球投注网站效率也很重要。
2 算法基础
实时的三维重建算法是近几年虚拟现实领域的研究热点,在众多算法中, NewCombe[5]和Izadi[6]提出的KinectFusion实现实时重建,提出利用截断符号距离函数算法(TSDF)[7]来表达三维场景,其基本原理是首先利用传感器采集得到的深度图,彩色图和深度相机标定的相机参数,用ICP[2]快速投影算
文档评论(0)