基于Kinect室內(nèi)場(chǎng)景重建技術(shù).pdf

1、近年來(lái)，計(jì)算機(jī)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(lái)越受到人們的重視。三維重建是通過(guò)多幅圖像重建出實(shí)際物體模型或者三維場(chǎng)景模型。目前，三維重建技術(shù)廣泛應(yīng)用于各種模擬場(chǎng)景和智能當(dāng)中，如虛擬現(xiàn)實(shí)、機(jī)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(duì)于重建的靈活、簡(jiǎn)捷性和實(shí)時(shí)性的要求也越來(lái)越高。本文采用微軟的Kinect設(shè)備獲得室內(nèi)場(chǎng)景的深度信息，再通過(guò)Robot的同步定位與地圖創(chuàng)建（Simultaneous Localizati

2、on and Mapping,SLAM)算法，實(shí)現(xiàn)室內(nèi)場(chǎng)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(jī)成像原理，針對(duì)切向畸變和徑向畸變建立數(shù)學(xué)模型，并且對(duì)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(jī)標(biāo)定流程，經(jīng)過(guò)標(biāo)定獲得效果比較理想。其次，研究了兩種點(diǎn)云的獲取方法。通過(guò)分析OpenCV的源碼，使用OpenCV讀取Kinect的深度圖和彩色圖，通過(guò)自定義的點(diǎn)云數(shù)據(jù)結(jié)構(gòu)，合成點(diǎn)云數(shù)據(jù)。然后再

3、通過(guò)OpenGL將點(diǎn)云數(shù)據(jù)顯示出來(lái)，并且實(shí)現(xiàn)了放大，縮小和拖動(dòng)等操作。通過(guò)與采用PCL獲取點(diǎn)云數(shù)據(jù)的方法比較，在實(shí)時(shí)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(diǎn)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(shì)，提高特征提取精確度，增加匹配的準(zhǔn)確性。本文通過(guò)實(shí)時(shí)性和魯棒性兩個(gè)方面的分析和對(duì)比,發(fā)現(xiàn)采用FAST特征提取和FREAK描述的匹配

4、方法在實(shí)時(shí)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(diǎn)云的拼接技術(shù)，通過(guò)估計(jì)攝像機(jī)姿態(tài)對(duì)點(diǎn)云數(shù)據(jù)進(jìn)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(cè)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(guò)對(duì)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(duì)以往幀進(jìn)行RGB-D SLAM快速回環(huán)檢測(cè)。通過(guò)實(shí)驗(yàn)驗(yàn)證了回環(huán)檢測(cè)能夠有效地降低