基于Kinect深度圖像的三維重建研究.pdf

1、隨著計算機視覺理論的發(fā)展和硬件技術(shù)的進步,三維重建技術(shù)已經(jīng)越來越多地應(yīng)用于生產(chǎn)和生活中。其中基于 Kinect的三維重建,因其快速、方便的特點,成為了研究者的關(guān)注熱點。本文對基于 Kinect深度攝像機條件下的場景和旋轉(zhuǎn)物體的三維重建進行了研究。主要研究內(nèi)容如下:
　　首先,本文研究了對場景進行三維重建的方法。配準算法是三維重建的重要環(huán)節(jié)。在以往ICP(迭代最近點)配準算法的目標誤差函數(shù)中,各個對應(yīng)點對的權(quán)重相同。但是各個對應(yīng)點對

2、的特點不同,在配準過程中所起作用不同。較好的對應(yīng)點對應(yīng)當賦予更高的權(quán)重。特征點反映了深度圖像的特征,其可靠性比一般點高,故應(yīng)當賦予更高的權(quán)重。而ORB(Oriented FAST and Rotated BRIEF)特征以高效著稱。本文從深度圖像提取出ORB特征點,與其相關(guān)的對應(yīng)點對被賦予較高權(quán)重。根據(jù)這一加權(quán)策略形成了一種改進的配準算法,提高了配準的精度。
　　其次,在對旋轉(zhuǎn)物體進行三維重建時,需要深度圖像中的背景去除。提取出旋

3、轉(zhuǎn)物體圖像后才能進行后續(xù)計算。本文先采用幀差法求出相鄰幀深度圖像的差分初步提取出旋轉(zhuǎn)物體的信息。接著根據(jù)統(tǒng)計出深度值的分布情況,求出前景物體與背景之間的距離閾值進行分割,從而完成旋轉(zhuǎn)物體的提取。在以往的配準算法中,各個對應(yīng)點對所用的目標誤差函數(shù)都是相同的。本文先對點云中的點進行分類。在尋找到對應(yīng)點對后,根據(jù)點的類型適用不同的目標誤差函數(shù),從而提高配準精度。
　　實驗結(jié)果表明,本文方法在對場景和旋轉(zhuǎn)物體進行三維重建時,配準精度上有了