基于KINECT的点云采集系统开题报告..doc

基于KINECT的点云采集系统 1. 研究的目的、意义 由于三维激光扫描的软硬件水平日趋成熟和大众化，相应的三维点云采集技术越来越受关注的研究热点，广泛应用于计算机动画、医学图像处理、文物保护、地形勘探、游戏开发和数字化媒体创作等领域。点云采集技术是近来数据采集的一个发展热点，因为其具有快速性、穿透性、不接触性、实时性、动态性、主动性、全数字性、高密度、高效率等许多传统的常规测量技术所不具有的优点，所以被广泛的应用于很多领域，具有广阔的发展前景和应用需求。 近年来三维激光扫描设备在效率、精度和价格方面得到了极大地发展，同时为了满足人们的需求三维点云采集技术也成为了研究的重点。在实际测量中，由于光的线性传播特性，三维激光扫描设备在一个视角下对于具有复杂形状的物体的某些区域或者背面往往存在视觉盲点，需要通过多次不同视角下的测量才能实现完整的模型数据采集；由于扫描设备测量范围有限，对于大尺寸物体或者大范围场景，不能一次性完整测量，必须分块测量。上述的问题导致测量结果往往是多块具有不同坐标系统且存在噪声的点云数据，不能够完全满足人们对数字化模型真实度和实时性的要求，因此对三维点云采集技术有重要的研究意义。 国内外研究现状 在中国，政府和科研机构均开始高度关注大数据，工信部发布的物联网“十二五”规划上，把信息处理技术作为四项关键技术创新工程之一提出。在进行三维数据采集时，有很多不确定的因素都会使得采集时引入噪声，在使用数据时，我们要尽可能的降低噪声所造成的影响，有些学者通过滤波的方式进行处理。陈晓霞等在进行数据点的筛选时主要进行了两个步骤的操作，首先在预处理时利用了密度聚类这种方式，然后通过VRML实时交互的显示功能来展现。张毅等利用K领域结合核函数，来对点云数据进行噪声的去除。 在当前三维点云数据配准研究领域中，使用最为广泛的算法当属ICP 算法了。ICP 算法自 1992 年由 Besl 和 Mckay提出之后便在自动配准方面得到了广泛的引用。但是由于传统的 ICP 算法的效率并不高，而且对初始值要求很高，容易陷入局部收敛等缺陷，很多学者对 ICP 算法进行了改进。Hans Martin Kjer 等利用基于曲率的方法进行抽样加速配准效率；孙谦等利用法向量内积加权，但是由于人为的因素对最后的配准精度与效率造成了一定的影响；贺永兴等提出了一种基于邻域特征的配准方法；蒋成成等利用 Delaunay 三角剖对ICP 算法进行了一定的改进。为了使数据模型的复杂度更适合于有限的计算机资源，必须对数据模型进行简化。对三维点云数据的精简方法主要可以概括为两大类：一类是对三维点云数据进行拓扑划分利用拓扑关系进行精简，另一类是根据特征信息来选取代表点从而进行精简。曲率精简法是典型的直接通过代表点选取来进行精简的方法。国外的 Martin 等人在1997 年提出均匀网格法这种方法，但是这种方法的局限性在于它经常会误删除掉一些特征数据；Chen 等根据法向量来进行精简，但是对点云数据要求比较局限；Lee 等的改进方法对于物体表面特征的保留起到了一定的作用，但是时间开销太大。国内的张丽艳等人也是利用法向量来精简点云，该方法对于物体特征保留虽然不错，但是由于实验中的某些参数是根据经验值来选择的，这个方法的可操作性就不强了；朱冒冒等人是通过二次精简来进行改进的，相对来说精简的比较合理了；史宝全等提出的聚类精简算法虽然在保留点云特征上面已经不错了，可计算量有所增加；杜晓晖等人提出的混合算法简化效率就比较高了，但是时间略有下降。 拟采取的研究路线 （1）点云数据的采集 本文提出了一种基于kinect的点云采集系统设计方案，该方案以kinect为核心，利用模块化C++模板库PLC（点云库）中提供的通用采集接口，可以直接获取到实际坐标空间的三维信息，三维坐标信息保存为点云数据，提高了点云数据的采集速度。本方案的采集系统是由局域网内的一台计算机负责kinect点云数据的采集，它将采集到的图像深度信息转换为实际空间上的点的三维坐标信息，利用了kinect的深度成像原理，采用OpenNI开放自然交互框架来抓取kinect设备中的点云数据。 （2）点云数据去噪声处理 由于受人为扰动、光照、扫描设备本身的缺陷等因素的影响，采集到的数据会受到噪声污染，需要进行去噪声处理，根据噪声在各个方向上扩散方式不同我们可以采用各向同性和各向异性算法对噪声进行处理。 点云数据的参数化表示 利用三角网格参数化将原始模型上的数据点映射到给定的参域上，建立点云数据到参数域上新的点云集合Q之间的一种对应关系：G—Q，并且要求在一定意义下几何变形达到极小。 点云数据的可视化处理 针对三维模型的几何特征，提出基于三角形简化的多分辨率复杂三维模型生成算法，生成多尺度的三维点云数据结构，同时构