版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著虛擬現(xiàn)實(shí),增強(qiáng)現(xiàn)實(shí)的發(fā)展,三維重建技術(shù)受到越來越多的關(guān)注。除了傳統(tǒng)的重建方法以外,由于深度傳感設(shè)備的普及,如Kinect等,獲取物體的深度已經(jīng)變得非常便捷,三維重建也變得直接又迅速。盡管如此,這一大類的深度傳感設(shè)備精度并不是很高,獲取的深度數(shù)據(jù)往往有較大的噪音以及邊緣的錯誤,物體的幾何特征信息缺失,這對于三維重建后續(xù)的步驟影響較大。所以本文研究的問題就是在Kinect獲取初始深度D圖的基礎(chǔ)上,結(jié)合其同時獲得的RGB彩色圖像對目標(biāo)物體
2、區(qū)域進(jìn)行深度優(yōu)化處理,利用深度優(yōu)化的結(jié)果達(dá)到點(diǎn)云優(yōu)化的目的,即本文的研究課題為基于圖像信息的點(diǎn)云優(yōu)化研究。
本文先對Kinect相機(jī)獲取的深度D圖和RGB圖在同一個坐標(biāo)系下進(jìn)行對齊處理,結(jié)合成RGB-D,然后從兩大類完全不同的算法進(jìn)行研究如下:
首先,將常用于圖像分割的馬爾科夫隨機(jī)場(MRF:Markov Random Field)用于深度優(yōu)化處理。先從最簡單的低階模型入手,然后利用二階插值估計加強(qiáng)細(xì)節(jié)特征的約束,最
3、后考慮到該算法在物體邊緣部分深度不連續(xù)的地方誤差較大,再利用邊緣窗口來進(jìn)行更強(qiáng)的約束。實(shí)驗(yàn)表明,該算法能夠較好地對深度進(jìn)行優(yōu)化處理,表現(xiàn)在點(diǎn)云曲面上,也能去除大部分的噪聲,并同時較好地保持物體特征細(xì)節(jié),不足的是在物體邊緣的深度不連續(xù)部分誤差還是偏大。
隨后,本文研究了另一類方法,即在明暗恢復(fù)形狀(SFS:Shape-from-Shading)的基礎(chǔ)原理下,利用非標(biāo)定自然光照條件下的光照模型求解本征圖片分解的相關(guān)參數(shù):明暗值,反
4、射率以及局部影響因子,然后通過已經(jīng)計算得到的光照模型,法向量以及深度梯度這三者的關(guān)系來直接進(jìn)行深度優(yōu)化處理。實(shí)驗(yàn)表明,該算法總體上能取得較好的處理效果,但是在物體表面的細(xì)節(jié)上比較突出,不夠平滑,所以在圖像輸入的時候,會先進(jìn)行一個預(yù)處理,即先對輸入的深度進(jìn)行一個雙邊濾波處理,這樣的話能起到一個平滑作用,實(shí)驗(yàn)結(jié)果也有較大的改進(jìn)。
這兩個方法在模型的構(gòu)建及求解上都是比較類似的,整個過程在文章中都給出了具體的步驟。同時,在最后一章,本
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于智能優(yōu)化的點(diǎn)云重構(gòu)問題研究.pdf
- 基于圖像的人體點(diǎn)云模型重建.pdf
- 基于激光點(diǎn)云與圖像信息融合的三維場景重建.pdf
- 點(diǎn)云與幾何圖像的相關(guān)研究.pdf
- 基于法矢信息的點(diǎn)云特征提取技術(shù)的研究.pdf
- 基于顏色信息的城區(qū)LiDAR點(diǎn)云數(shù)據(jù)植被提取方法研究.pdf
- 基于VTK的植物葉片點(diǎn)云信息處理方法的研究.pdf
- 基于車身離散點(diǎn)云的曲面反求方法優(yōu)化.pdf
- 基于微分信息的散亂點(diǎn)云拼合和分割.pdf
- 基于云的圖像恢復(fù)算法研究.pdf
- 基于點(diǎn)云特征的位移計算研究.pdf
- 基于點(diǎn)云的形體分析方法研究.pdf
- 基于云GIS的物流信息服務(wù)模式及配送路徑優(yōu)化研究.pdf
- 基于局部重建的點(diǎn)云特征點(diǎn)提取.pdf
- 基于特征點(diǎn)和互信息的醫(yī)學(xué)圖像配準(zhǔn)研究.pdf
- 基于幾何特征的點(diǎn)云拼合研究.pdf
- 基于點(diǎn)云信息的既有鐵路狀態(tài)檢測與評估技術(shù)研究.pdf
- 基于曲率特征信息的散亂點(diǎn)云數(shù)據(jù)預(yù)處理技術(shù)研究.pdf
- 基于標(biāo)記點(diǎn)的圖像點(diǎn)匹配方法研究.pdf
- 基于航拍圖像和lidar點(diǎn)云的城市道路提取
評論
0/150
提交評論