基于Kinect室內(nèi)場景重建技術(shù).pdf

1、近年來，計算機視覺發(fā)展迅速，三維重建技術(shù)作為其重要組成部分，也越來越受到人們的重視。三維重建是通過多幅圖像重建出實際物體模型或者三維場景模型。目前，三維重建技術(shù)廣泛應(yīng)用于各種模擬場景和智能當(dāng)中，如虛擬現(xiàn)實、機器人導(dǎo)航、現(xiàn)代醫(yī)學(xué)等領(lǐng)域。由于廣泛的應(yīng)用需求，對于重建的靈活、簡捷性和實時性的要求也越來越高。本文采用微軟的Kinect設(shè)備獲得室內(nèi)場景的深度信息，再通過Robot的同步定位與地圖創(chuàng)建（Simultaneous Localizati

2、on and Mapping,SLAM)算法，實現(xiàn)室內(nèi)場景的重構(gòu)系統(tǒng)。
　　本文首先研究了Kinect深度信息的獲取原理和攝像機成像原理，針對切向畸變和徑向畸變建立數(shù)學(xué)模型，并且對雙攝像頭間的幾何關(guān)系建立模型。此外，還研究了Kinect攝像機標(biāo)定流程，經(jīng)過標(biāo)定獲得效果比較理想。其次，研究了兩種點云的獲取方法。通過分析OpenCV的源碼，使用OpenCV讀取Kinect的深度圖和彩色圖，通過自定義的點云數(shù)據(jù)結(jié)構(gòu)，合成點云數(shù)據(jù)。然后再

3、通過OpenGL將點云數(shù)據(jù)顯示出來，并且實現(xiàn)了放大，縮小和拖動等操作。通過與采用PCL獲取點云數(shù)據(jù)的方法比較，在實時性方面相差不大，但是為了后邊步驟的處理方便，本文最終選擇第一種方法。再次，研究了基于點特征的主要特征提取匹配算法，如SIFT、SURF、FAST、KAZE、ORB等，并且利用RGB-D信息的優(yōu)勢，提高特征提取精確度，增加匹配的準確性。本文通過實時性和魯棒性兩個方面的分析和對比,發(fā)現(xiàn)采用FAST特征提取和FREAK描述的匹配

4、方法在實時性和魯棒性方面最為突出，所以本文提出將該法用到RGB-D SLAM中。本文還研究了點云的拼接技術(shù)，通過估計攝像機姿態(tài)對點云數(shù)據(jù)進行拼接。最后，研究了關(guān)鍵幀的篩選和基于圖優(yōu)化的回環(huán)檢測方法。由于環(huán)境特征問題，當(dāng)前幀與上一幀的匹配容易發(fā)生誤判，造成誤差積累的現(xiàn)象，通過對圖優(yōu)化原理的研究，發(fā)現(xiàn)在全局優(yōu)化方面圖優(yōu)化具有較好的特性，所以本文采用圖優(yōu)化的方法對以往幀進行RGB-D SLAM快速回環(huán)檢測。通過實驗驗證了回環(huán)檢測能夠有效地降低