论文部分内容阅读
随着计算机视觉技术的发展,三维重建技术已成为研究热点之一。传统上,三维重建技术是通过激光扫描设备或是多个彩色相机来实现的,但是价格昂贵、操作复杂、数据量大、实时性差等缺点,一直制约着三维重建技术的发展,亟待出现一种新的设备,可以简单、方便地解决传统三维重建技术的一些问题。针对以上问题,本文利用Kinect传感器采集室内场景的原始数据,并提出了一种基于相对坐标ICP(Iterative Closest Point)的室内场景三维重建算法。本文工作主要研究内容包括*:1)为了获取场景的原始数据信息,本文搭建了一个Kinect传感器在VS2010+PCL(Point Cloud Library)+OpenNI软件下的数据采集系统平台。该平台在PC机和Kinect传感器硬件设备下,采用了PCL源代码和CMake构建的方式,对PCL源代码进行编译及配置、制作程序库,并利用OpenNI开源接口读取原始的深度图像和彩色图像,最终为了方便对数据进行后期处理,将二者信息进行融合得到待配准的三维点云数据。2)针对不同视角下多帧点云数据的坐标中心不统一的问题,本文提出了一种基于相对坐标ICP配准点云数据的算法。所提算法首先采用SIFT(Scale Invariant Feature Transform)和RANSAC(RANdom Sample Consensus)相结合的方法,求取相邻帧的变换矩阵作为ICP迭代时的初值;然后利用ICP建立以初始点云数据为中心的相对坐标关系进行帧间配准;最终基于上下层配准点云数据,得到可视化的室内场景三维重建模型。对比实验结果表明,本文所提算法对于点云数据配准有较好的精度,运行速度较快,并且有较好的三维重建效果。考虑到每帧点云数据量大的问题,又给出了隔行抽点的方法。实验结果表明,该方法在整个配准过程中能够减少迭代次数和配准时间。