面向散亂數(shù)據(jù)點(diǎn)的超二次曲面建模與識(shí)別.pdf

1、三維建模與識(shí)別是計(jì)算機(jī)視覺(jué)、機(jī)器人視覺(jué)導(dǎo)航和醫(yī)學(xué)影像三維重建等領(lǐng)域的重要研究課題。在計(jì)算機(jī)視覺(jué)系統(tǒng)中，計(jì)算機(jī)必須通過(guò)傳感器把采集到的實(shí)際物體的外貌特征信息重構(gòu)成可以理解與識(shí)別的三維模型，同時(shí)計(jì)算機(jī)必須與變化的環(huán)境進(jìn)行實(shí)時(shí)地自主交互，這就要求三維建模與識(shí)別的過(guò)程要盡可能快速。本文立足于計(jì)算機(jī)視覺(jué)系統(tǒng)中采用深度傳感器采集到的散亂三維數(shù)據(jù)點(diǎn)進(jìn)行物體建模與識(shí)別的理論與方法進(jìn)行研究，其目的在于探求一種能同時(shí)滿足實(shí)時(shí)性和準(zhǔn)確性的三維建模與識(shí)別方案。

2、 本文通過(guò)分析由深度圖像得到的三維數(shù)據(jù)具有離散不規(guī)則特性，提出了超二次曲面建模與識(shí)別方案，同時(shí)圍繞該方案所涉及的理論與方法的國(guó)內(nèi)外研究歷程和目前存在的問(wèn)題進(jìn)行了廣泛深入的調(diào)研，特別是對(duì)演化計(jì)算在三維建模與識(shí)別中的應(yīng)用進(jìn)行了全面分析，并提出將群體演化的原理和方法引入到超二次曲面建模與識(shí)別方案中。論文的研究工作的分以下幾個(gè)方面： (1)針對(duì)以超二次曲面為目標(biāo)函數(shù)的數(shù)據(jù)擬合優(yōu)化問(wèn)題，分析了用傳統(tǒng)L-M(Levenberg-Ma

3、rquardt)方法對(duì)非線性程度很高，且屬于大殘量數(shù)據(jù)擬合問(wèn)題求解時(shí)的局限性，提出了基于粒子群優(yōu)化算法的超二次曲面三維建模方法。研究利用群體演化的內(nèi)在并行性來(lái)改善粒子群優(yōu)化算法的早收斂現(xiàn)象，提出并設(shè)計(jì)了基于島嶼群體模型的并行粒子群優(yōu)化算法，并對(duì)算法的收斂性等求解特性進(jìn)行分析，同時(shí)用無(wú)約束優(yōu)化測(cè)試函數(shù)驗(yàn)證算法的有效性，并用該算法對(duì)超二次曲面參數(shù)擬合進(jìn)行求解，通過(guò)對(duì)比實(shí)驗(yàn)驗(yàn)證了該方法的有效性。 (2)為擴(kuò)大了超二次曲面模型的表示能力

4、，研究用若干個(gè)二次曲面組成的擴(kuò)展超二次曲面模型，并將擴(kuò)展的超二次曲面參數(shù)擬合轉(zhuǎn)化成約束非線性規(guī)劃問(wèn)題求解。針對(duì)這個(gè)非凸規(guī)劃問(wèn)題，通過(guò)在拉格朗日函數(shù)中增加罰函數(shù)項(xiàng)，將原問(wèn)題轉(zhuǎn)化為對(duì)偶問(wèn)題，采用極小極大化方法來(lái)求解。通過(guò)研究群體演化算法對(duì)約束非線性優(yōu)化問(wèn)題的求解理論，提出了用協(xié)同并行演化粒子群優(yōu)化算法求解以擴(kuò)展的超二次曲面為目標(biāo)函數(shù)的極小極大化問(wèn)題，同時(shí)設(shè)計(jì)了協(xié)同演化并行粒子群優(yōu)化算法，并將它用于擴(kuò)展的超二次曲面建模中。 (3)分析

5、離散不規(guī)則數(shù)據(jù)點(diǎn)的三維建模與分割的特點(diǎn)，研究設(shè)計(jì)了用超二次曲面作為基元對(duì)場(chǎng)景進(jìn)行部件級(jí)描述的方案。研究利用演化策略的理論和特點(diǎn)，提出了利用(μ+λ)演化策略求解最優(yōu)解集的方法來(lái)解決針對(duì)離散不規(guī)則數(shù)據(jù)點(diǎn)進(jìn)行三維建模與分割中的問(wèn)題。由于(μ+λ)演化策略的引入，解決了如何找到一種有效地分布到物體各個(gè)部分的初始化種子最佳狀態(tài)的問(wèn)題。同時(shí)，由于最近鄰合并方案的引入，有效地防止了錯(cuò)誤的中間分割結(jié)果對(duì)模型恢復(fù)效果的影響。用該方法對(duì)不規(guī)則物體建模與分

6、割，得到了一個(gè)可以明確反映物體特征的各部分拓?fù)潢P(guān)系，以此可以作為不規(guī)則物體三維識(shí)別的重要依據(jù)，從而大大提高了算法的應(yīng)用價(jià)值。 (4)針對(duì)實(shí)際應(yīng)用中部件關(guān)系特征的抽取存在誤差，以及在超二次曲面屬性描述不具備唯一性條件下的部件級(jí)目標(biāo)識(shí)別問(wèn)題，通過(guò)研究關(guān)系匹配識(shí)別理論，提出了基于綜合型最小誤差關(guān)系匹配的超二次曲面部件級(jí)物體識(shí)別方案。該方案利用最小結(jié)構(gòu)誤差關(guān)系匹配，結(jié)合輔助部件特征屬性約束方法來(lái)對(duì)目標(biāo)物體進(jìn)行高效準(zhǔn)確的識(shí)別，同時(shí)利用超二

7、次曲面部件間相對(duì)位姿設(shè)計(jì)一種綜合部件屬性、關(guān)系屬性和結(jié)構(gòu)誤差的最小誤差評(píng)估函數(shù)，通過(guò)剪枝的解釋樹搜索，有效地實(shí)現(xiàn)了在多物體場(chǎng)景下的目標(biāo)物體識(shí)別。 本論文的研究成果將作為“面向深度圖像的三維建模與識(shí)別軟件平臺(tái)研制”課題研發(fā)基礎(chǔ)，在此基礎(chǔ)上進(jìn)一步研究面向深度圖像的三維的數(shù)據(jù)獲取和圖像配準(zhǔn)問(wèn)題，同時(shí)進(jìn)一步研究物體之間相互遮擋對(duì)建模與分割準(zhǔn)確性的影響問(wèn)題，以及進(jìn)一步開(kāi)展對(duì)運(yùn)動(dòng)中的關(guān)節(jié)物體的姿態(tài)進(jìn)行跟蹤與識(shí)別的研究工作，并將已研究的理論與