随着计算机图像学技术迅猛发展,一些相关技术也应运而生,如虚拟城市、数字博物馆、环境建模、室内定位导航、逆向工程等。它们都要用到环境建模这一关键技术,这样基于深度图像的场景建模技术应运而生。这种建模方法采用非接触测量,速度快,精度高,真实感强,不受表面复杂度影响,因此具有广阔的应用前景。激光传感器的原理是将激光对准目标发射出去后,测量它的往返时间,再乘以光速即得到往返距离。由于激光具有高方向性、高单色性和高功率等优点,因此激光传感器在距离测量方面具有无法比拟的优势,由此而诞生了很多基于激光的应用,本课题就是通过激光传感器采集数据,并结合位置信息,构成深度图像信息,最后重建场景。下面介绍本文的主要内容。本文进行了深度图像采集和处理相关技术的研究,包括深度图像的获取方法,深度图像中点云数据的组织方法和场景的重建方法研究。深度图像的获取包括室内和室外两种采集设备,它们共同的特点是搭载一对背向放置的激光传感器,激光传感器采集深度图像数据存入定义的文件中。不同的是室内装置采用陀螺仪、码盘相结合的定位方式,在室内的局部定位中能得到高精度的位置信息,而室外装置采用GPS的定位方式,室外由于受到地形和路面的影响,陀螺仪和码盘的定位方式不能满足实验的要求,因此课题采用了GPS的定位方式,并加入了基站,实现RTK的双模差分,保证了位置信息的准确性。激光数据与位置信息的结合就构成所需要的深度图像数据。在得到深度图像数据之后,就要考虑如何通过深度图像重建三维场景。本文通过对比一些理论方法后,最终选取BPA算法重建场景模型。BPA算法的基本原理是首先找到空间的种子三角形,找到这样一个球体,种子三角形的三个顶点在球面上,并且球内不存在深度图像中的其他点,使这个球体在种子三角形的每条边旋转,当球体接触到第一个点时,就找到了下一个连接点,使这个点和球体连接的两个点构成新的种子三角形,如此循环操作直到所有的点都被遍历过,也就形成了场景的模型。