發(fā)布時間：2024-07-02 19:16

　　近年來,人工智能和物聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展,帶動了各領(lǐng)域的大變革,如工業(yè)上的智能制造、醫(yī)學上的智慧醫(yī)療、城市規(guī)劃上的智慧城市和人們生活中的智慧家居等。在各智能系統(tǒng)中計算機視覺技術(shù)起著至關(guān)重要的作用。而三維點云配準技術(shù)是計算機視覺領(lǐng)域的重要技術(shù)之一,該技術(shù)主要應(yīng)用于物體或場景的自動化三維重建。在智能應(yīng)用需求不斷增加的背景下,對三維點云配準技術(shù)進行深入的研究具有重要的意義。雖然國內(nèi)外學者在該領(lǐng)域已提出了眾多不同的技術(shù)方法,但在大多實際應(yīng)用中主要依賴于經(jīng)典的最近點迭代(Iterative Closest Point,ICP)法,其通過搜尋待配準點云每點在目標點云上的最近對應(yīng)點來獲得相應(yīng)的變換參數(shù),并不斷地迭代該過程來完成點云配準。但ICP算法對準點云間的初始位置具有較強的依賴性,當兩點云數(shù)據(jù)初始位置較差時,使用ICP算法,其收斂速度較慢且容易收斂到局部最優(yōu),這也是導致配準效率和精度下降的重要原因。本文正是基于ICP配準方法進行了深入的研究,并提出了一些改進的策略。本文的主要研究內(nèi)容如下:首先,本文提出了基于體素下采樣和關(guān)鍵點提取的方法。針對解決ICP算法對初始位置依賴問題,采用在ICP算法前對原...

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的背景及應(yīng)用前景
        1.1.1 課題研究意義
        1.1.2 課題的應(yīng)用前景
    1.2 點云配準技術(shù)研究現(xiàn)狀分析
        1.2.1 非自動配準方法研究現(xiàn)狀
        1.2.2 自動配準方法研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 本文的組織結(jié)構(gòu)
第2章 點云配準的基本概念及基礎(chǔ)模型
    2.1 引言
    2.2 三維點云數(shù)據(jù)
        2.2.1 三維點云數(shù)據(jù)的基本概念
        2.2.2 三維點云數(shù)據(jù)的獲取
        2.2.3 點云數(shù)據(jù)的排列結(jié)構(gòu)
    2.3 三維點云配準技術(shù)基礎(chǔ)理論
        2.3.1 點云配準的定義
        2.3.2 點云的剛體變化
        2.3.3 剛體變換矩陣的求解
    2.4 本章小結(jié)
第3章 基于體素下采樣和關(guān)鍵點提取的算法研究
    3.1 引言
    3.2 體素下采樣素算法
    3.3 關(guān)鍵點的提取
        3.3.1 點云的鄰域
        3.3.2 常用的關(guān)鍵點提取算法
        3.3.3 本文關(guān)鍵點提取方法
    3.4 實驗仿真
        3.4.1 仿真環(huán)境和實驗數(shù)據(jù)
        3.4.2 體素下采樣實驗
        3.4.3 關(guān)鍵點提取實驗分析
    3.5 本章小結(jié)
第4章 基于錯誤關(guān)鍵點匹配對剔除的配準算法研究
    4.1 引言
    4.2 點云的粗配準
        4.2.1 點的快速直方圖(FPFH)描述子
        4.2.2 錯誤匹配點對的剔除
        4.2.3 隨機采樣一致性配準算法
    4.3 點云的精確配準
        4.3.1 ICP精確配準算法
        4.3.2 kd-tree搜索算法
    4.4 實驗分析
        4.4.1 仿真環(huán)境與實驗數(shù)據(jù)
        4.4.2 點云配準的評價標準
        4.4.3 初始配準算法實驗
        4.4.4 精確配準實驗分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 未來工作展望
參考文獻
致謝
攻讀學位期間取得的科研成果清單



本文編號：3999888