基于Kinect相机的树木三维点云配准文献综述

 2022-01-27 21:46:45

全文总字数:4369字

基于Kinect相机的树木三维点云配准

摘要:对真实世界场景进行三维感知与建模是计算机视觉和机器人领域的一项重要任务,国内外研究者对三维重建一直进行着广泛研究。为构建具有彩色信息的树木三维形态模型,选用Kinct相机获取树木多角度彩色和深度图像,经过预处理提取原始树木点云信息,采用粗配准与ICP算法相结合的方式 ,借助PCL点云库实现树木三维点云配准。

关键词:Kinct相机; ICP算法;PCL点云库;粗配准

  1. 研究目的及意义

近年来,随着三维点云技术的不断进步,三维数据处理技术已经在越来越多的领域得到广泛应用。农林方面,由于植物结构的复杂性,对其进行快速准确的三维重建具有一定的挑战。采用激光传感器对树木进行重构,该方法不受环境和光照影响,但存在数据获取过程复杂、价格昂贵等缺点[1-2]。采用双目视觉对目标三维重建,由于传感器的自身限制,摄像头很容易受到环境光线变化干扰,严重影响重构精度[3]。第二代Kinect相机采用飞行时间(Time of flight,ToF)主动光源技术,受光线干扰较小,用它采集树木不同角度的彩色和深度图像[4],通过点云配准实现不同角度下树木点云的精准拼接,这对构建树木三维形态模型和实现植物的智能化管理具有重要意义。

  1. 国内外研究概况

点云配准技术的实质是把不同坐标系中的数据进行坐标变换,统一坐标系以得到整体的点云模型,其关键是如何求得变换矩阵(包含旋转和平移两个分量)。由于配准精度直接影响后续三维模型的建立,因此点云配准方法一直是研究的重点和热点问题[5]。点云配准可分为粗略配准与精确配准两步,在粗配准的基础上进行精配准才能达到较好的配准效果。

2.1 粗略配准概况

粗略配准即为初始配准,是在源点云与目标点云不确定任何初始相对位置的情况下,所进行的配准方法。该方法的主要目的是在初始条件未知的情况下,快速估算一个大致的点云配准矩阵。整个计算过程要求比较高的计算速度,对于计算结果的精确度则达不到较高的要求。目前,粗配准的实现大多是基于几何特征,首先从输入点云中提取关键点并对关键点进行特征描述,然后对关键点的特征进行相似性对比,将相似度高的点对作为对应点,最后利用对应点求解变换矩阵完成点云配准。Bae Kwang-Ho 等[7]对于无序点云,提出基于几何基元和邻域搜索的方法,利用点对间的法向矢量及曲率变化作为特征描述,进行关键点的匹配,完成点云的配准。Radu Bogdan Rusu 等[8]提出一种基于点特征直方图(Point Feature Histograms,PFH)的三维点云配准算法,该算法以邻域内各点间的角度关系定义 PFH,用来描述一个点的特征,用于对应点的匹配。文献[9]对 PFH 进行了改进提出快速的点直方图描述子算法(FPFH),加速了PFH 的计算且不失准确性。张鸿宾[10]等人于2005年提出了一种基于表面间距离度量的三角网格匹配方法,该方法通过两个三角面片重叠区域所夹的三维空间进行积分,然后再除以重叠区域的面积来作为测度函数,具有更快的收敛速度,具有一定的抗噪能力。

    1. 精确配准概况

粗略配准的点云不能保证细节上的配准,高精度的自动配准成为提升配准质量的关键步骤。Besl 和Mckay[11]于1992年提出的迭代最近点ICP(Iterative Closest Point) 算法是一种基于轮廓特征的点云自动配准方法,它通过对对应点进行迭代更新和优化转换矩阵最终得到最优解配准。ICP 算法配准精度高,可以处理三维点集和曲面,不必进行分割和特征提取,是用于点云配准的经典算法之一。但该算法也存在一些问题,主要体现在对初值的要求较高,若初始估值不恰当,ICP收敛将步入歧途,导致配准陷入局部最优化。针对这一不足,研究人员做出大量ICP改进算法。以Chen[12]为代表的一部分学者提出了用点到切平面的距离代替点到点的距离来逼近点云,同时还提出了一种基于采样一致性的算法,该算法无需寻找关键点不进行点特征描述,通过迭代的随机选取对应点来计算变换矩阵,对于点云的初始位置没有特殊要求。朱桂林等[13]人采用 kd-tree 加速寻找最近点,提高了 ICP 算法的效率。韦盛斌等[14]人提出一种基于点云单应性的迭代最近点匹配算法,从而提高了 ICP 算法性能。赵琨[15]提出了一种基于分支定界的三维点云配准算法,并且通过集成SAC-IA算法,加速分支定界的过程,忽略不必要的可行域子集,克服了传统分支定界时间效率低的缺陷,同时保持了配准算法的高效性。Aleksandr 等[16]人提出了Generalized-ICP 算法,该算法是将基于点点和点面的 ICP 算法合成为一个单一的概率框架,使用这个概率框架来模拟局部平面的表面结构,而不是仅仅通过点对面方法进行模型扫描,该方法在保持了 ICP 算法的速度和简单性的同时,具有比 ICP 算法更强的对离群点和噪声的鲁棒性。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。