基于Kinect-v2的多视角三维重建实现

设计并实现了一种基于Kinect v2的简单快速、低成本实现三维重建的系统,适合离线操作且不受硬件设备限制,使用Kinect v2传感器获取不同视角的多片点云,分别将目标模型点云与周围场景点云分离并去除离群点云,利用RANSAC算法对相邻两片点云进行粗配准,将两两配准的ICP算法扩展到多片点云,设定角度阈值从两边向中间逼近的策略,减少累积误差,提高物体点云还原度,实现单个静态物体的三维重建。实验结果表明,本文在目标物较小重叠且结构特征不突出的情况下,仍能得到较好的三维点云模型,具有一定的实际应用价值。     

基于深度图像的三维场景重建系统

针对计算机图形学和视觉领域研究热点--三维场景重建,首先分析了 Kinect v2 (Kinect for Windows v2 sensor)获取深度图像的原理,说明深度图像噪声的来源。然后根据获取 深度图像的原理设计一种算法对点云采样范围进行裁剪。其次对点云离群点进行去除,填补点 云孔洞,以提高重建质量。常见的三维场景重建大都采用了 KinectFusion 的一个全局立方体方 案,但只能对小范围内的场景进行重建。对此设计了一种对大场景进行点云匹配的 ICP 算法。 最后对点云进行曲面重建,实现一套低成本、精确的针对大场景的三维重建系统。     

基于Kinect相机和改进ICP的三维物体重建

针对三维物体重建过程中存在的配准精度差问题,提出一种改进的 IC P算法。先利用动态设定的距离函数阈值,再利用高斯曲率相似性,去除错误匹配点对,在迭代结束后给出结果评价准则,提高ICP算法的精度。在使用Kinect相机采集到点云数据后,利用改进的IC P算法进行局部配准,将局部配准的结果应用于全局配准,得到完整的三维物体模型。实验结果表明,该算法配准精度高,能有效地应用于三维物体重建。     

基于纹理特征的三维点云数据配准算法研究

使用Kinect可以方便地获取物体的纹理图像和三维点云数据。研究一种通过获取纹理图像的特征点进行快速三维点云数据配准的算法．并最终应用到室内环境的三维场芾重建中。实验表明,此算法具有直观、实现简单、运算量小等优点。     

基于3D-Harris 与FPFH 改进的3D-NDT 配准算法

针对传统点云配准三维正态分布变换(3D-NDT)、迭代最近点(ICP)算法在未给定初 始配准估计的情况下配准效果不佳、配准时间长、误差较大的缺陷,提出了精准且相对高效的 点云匹配算法。首先,运用3D-Harris 算法识别每一幅点云的关键点,并以此为基本点建立局 部参考框架,计算快速点特征直方图(FPFH)描述子;之后,使用最小中值法(LMeds)中的对应 估计算法排除不准确的点对应关系,得到含有对应三维特征关系的特征点对。计算粗配准所需 的变换矩阵,完成初步匹配。随后,根据3D-NDT 算法将点云数据空间体素化,运用概率分布 函数完成最终的点云进行精确地匹配。使用改进配准将3 组分别从网络下载的较少噪声、大规 模与Kinect V2.0 采集的较多噪声、大规模的2 组重叠度不同的点云数据匹配到同一个空间参考 框架中,并通过精度分析对比经典3D-NDT,ICP 等算法。实验结果证明,该算法在迭代次数 较低时,可使室内场景点云数据完成精度较高的配准且受噪声影响较小,但如何将算法的复杂 度适当降低,缩短配准时间需要更进一步的研究。     

基于双向随机KD树的点云配准

在三维跟踪及逆向工程三维重建的过程中,需要采集大量物体表面的特征点（点云）数据,为达到更好的重建结果,采用多视角采集点云方式。多片点云数据的配准（Registration）是目前的研究热点之一。对点云快速配准方面传统采用的ICP算法加以改进,提出基于相机标定和双向随机KD树的ICP改进算法,提高了ICP在应对小型点云时的匹配精度。     

单Kinect+回转台的全视角三维重建

为了解决当前全视角三维扫描系统价格昂贵操作复杂的问题,提出利用1台Kinect和1个回转台来构建全视角三维模型的方法。研究涉及点云预处理、点云配准、全局误差修正以及色差修正等技术。首先使用Kinect采集数据并预处理,结合转台约束利用图像几何特征进行粗配准,随后使用迭代最近点（Iterative closest point,ICP）算法实现点云的精确配准。对于累积误差导致的闭环问题以及不同角度拍摄引起的色差问题,通过全局误差修正与色差修正算法处理,提升重建结果的精度。实验结果表明：该方法可以实现三维物体的全视角重建,并在精度上优于微软的KinectFusion方法。     

多视角下的改进ICP算法

在逆向工程中,为处理庞大的三维点云数据,重建物体的表面,提出一种基于多视角的改进ICP算法。通过采集多视角下的点云数据,利用Delaunay三角剖分以及深度值信息对相邻两组点云的重合部分进行提取,根据三角面片重心与待测物体重心之间的距离将获得的点云数据进行分类配准,计算最优的旋转矩阵与平移向量,提高ICP算法的效率。实验结果表明,该算法能够提高配准精度,缩短配准时间,具有良好的稳定性。     

基于Kinect的点云配准方法

Kinect采集的点云存在点云数量大、点云位置有误差,直接使用迭代最近点(ICP)算法对点云进行配准时效率低.针对该问题,提出一种基于特征点法向量夹角的改进点云配准算法.首先使用体素栅格对Kinect采集的原始点云进行下采样,精简点云数量,并使用滤波器移除离群点.然后使用SIFT算法提取目标点云与待配准点云公共部分的特征点,通过计算特征点法向量之间的夹角调整点云位姿,完成点云的初始配准.最后使用ICP算法完成点云的精细配准.实验结果表明,该算法与传统ICP算法相比,在保证点云配准精度的同时,能够提高点云的配准效率,具有较高的适用性和鲁棒性.     

基于Kinect v2的实时精确三维重建系统

快速、低成本、精确的三维扫描技术一直是计算机视觉领域研究的热点.首先,本文分析了新一代Kinect v2（Kinect for windows v2 sensor）的技术参数、测量原理.设计实验测得其深度精度与测量距离成线性变换关系.其次,Kinect v2深度数据含有大量的噪声尤其是在物体边缘,常用的双边滤波器等去噪算法不能很好的去除这些噪声,对此本文设计了一种有效的去噪算法,提高重建质量.最后,实现了一套基于新一代Kinect v2重建系统.实验结果表明,本文中的重建系统能够实时精确的重建物体,可以广泛应用于低成本的快速三维成型.