论文部分内容阅读
三维重建是指对三维物体建立适合于计算机表示和处理的数学模型,是在计算机环境下对数学模型进行处理、操作和分析其性质的基础,也是在计算机中建立表达客观世界的虚拟现实的关键技术，其广泛应用于移动机器人自主导航、航空及遥感测量、工业自动化系统、医学图像、虚拟现实等各个领域。作为计算机视觉领域最热门的研究方向之一，三维重建技术得到了研究者越来越多的关注。本文基于移动机器人的同步定位与地图创建(Simultaneous Localization andMapping, SLAM)算法，引入Kinect获得三维场景的深度信息，实现基于计算机视觉的室内场景的实时三维重建，主要完成了以下工作：（1）本文针对SLAM系统中视觉路标的获取进行了研究，分析对比常用的Harris角点检测、SIFT角点检测、SURF角点检测以及FAST角点检测方法，针对实时三维重建系统的特点，选用FAST角点检测获得环境中的自然视觉路标来实时矫正SLAM算法定位的累积误差。（2）论文对基于扩展卡尔曼滤波(Extended Kalman Filter, EKF)的单目视觉SLAM算法的进行了深入研究，其中包括EKF原理、SLAM系统模型，构建了基于EKF的单目视觉SLAM框架，在此基础上给出了实验结果并进行了相关的数据分析。（3）在三维重建系统中，本文引入深度摄像机Kinect来获得环境深度图，阐述了Kinect工作的基本原理，构建了基于Kinect与EKF-SLAM的实时三维重建框架，实现了室内环境的实时三维重建功能。（4）本文选取两种较常用到三维重建算法作为对比方案，分别为：基于Kinect与光流跟踪算法实现的三维重建、基于运动恢复结构(Structure from Motion, SFM)算法实现的三维重建，将该两种三维重建结果与本文提出的基于Kinect与单目视觉EKF-SLAM实现的实时三维重建结果进行对比，验证本文方法的可靠性以及稳定性。