论文部分内容阅读
三维重建技术(3D Reconstruction)是指对目标物体建立适合计算机表示和处理的数字模型,从而在计算机环境下对其进行分析、操作和处理的过程,是在计算机中建立表达客观世界的关键技术。随着类似Kinect和Xtion等廉价深度相机的推广,以深度相机作为采集设备对物体进行三维重建的研究层出不穷,并在同步定位和地图重建(SLAM)、虚拟现实(Virtual Reality,VR)和增强现实(Augmented Reality,AR)等各领域得到了广泛应用。本文对基于Kinect深度相机的单个物体和室内场景的三维重建和相关算法进行了研究。主要工作如下:1.对深度相机的结构及工作原理进行了介绍,并分析了当前基于深度相机的三维重建的国内外研究现状,总结了基于Kinect的三维重建的若干关键技术和相关算法,分析比较相关算法的优缺点及适用领域。针对三维重建中的深度图像预处理步骤,实现了基于彩色图像纹理引导的深度图像超分辨率算法。2.针对三维重建中的特征点提取步骤,提出了基于三维点云颜色信息的SUSAN特征点检测算法,在不同规模/类型的三维点云表面进行了特征点检测实验,并与现有的点云特征点提取算法(3d-SIFT、3d-Harris、ISS等)进行比较,从算法效率、初始配准精度等各方面进行算法性能的衡量,实验证明本文算法在保证初始配准效果的前提下,具有较高的时间效率,能够满足三维重建中的特征点检测和匹配需求。3.针对三维重建中的特征描述步骤,提出了结合点云表面纹理信息的快速点特征直方图(Fast Point Feature Histogram,FPFH)特征描述算法,并在Kinect数据集上进行了特征点匹配实验,统计对应的准确率(precision),从而验证了算法的有效性。4.基于点云库(Point Cloud Library,PCL)和Qt搭建界面框架,制作了三维点云处理软件原型,实现了三维点云数据的读取/保存、可视化、预处理、特征提取及描述、分割及聚类等各功能。