论文部分内容阅读
随着虚拟现实技术的飞速发展,室内三维场景的重建引起了众多学者的关注,目前大多三维场景重建都是基于激光扫描数据进行,其虽然能达到较为理想的效果,但设备价格昂贵,RGB-D相机由于价格低廉、结构小巧、操作简单,能同时获得彩色图及深度图,现已得到众多学者的青睐。本文主要围绕RGB-D图像展开研究,对室内三维重建过程中所涉及的深度图像修复、点云配准、点云分割、模型构建等关键技术展开工作,具体内容如下:(1)详细分析了RGB-D传感器获取深度图像及点云的生成原理,通过分析深度图像中空洞及噪声成因,提出了基于光线追踪渲染降噪方法,该算法将每个像素的颜色分解成直接光照和间接光照两部分,其中像素的照度通过纹理信息获得,然后对深度图像空洞进行修复,对照度信息采取时间及空间的联合滤波来弥补因样本少而造成的信息缺失。(2)点云配准研究。针对最近点迭代算法(Iterative Closest Point,ICP)易陷入局部最优解问题,本文在精配前首先对原始点云数据进行粗配,在对原始数据预处理后,本文分别采用4PCS算法、PFH算法、FPFH算法和NDT四种粗配算法进行实验,通过分析四种粗配准算法的运行效率及配准精度,再结合ICP算法完成精配。实验结果表明,不同算法的适用范围及运行效率不尽相同,其中NDT算法由于其运行效率及配准精度高,能较好地适用于室内场景的构建。(3)基于超体素的RGB-D点云分割与融合研究。针对传统点云分割算法不能较好地将目标分割开,影响后续三维场景单个实体的交互,本文提出超体素融合分割策略,首先将室内点云数据体素化,根据特征描述及距离度量,将体素化的点云聚类为超体素;然后通过局部凸包连接算法,将超体素进一步融合,实现点云分割。该算法能较好地将场景点云中的不同物体单独分割开,且物体间的边缘信息分割较为完好,更好地为后续三维场景中物体间的交互提供基础。(4)基于RGB-D图像的三维场景重建。通过RGB-D图像转换得到室内点云数据,借助Geomagic Studio软件,完成模型重建,为了使模型更为美观,本文基于最小二乘法对原始数据进行了重采样处理,通过对比得出处理后的数据所构建的模型更为美观,空洞较小且边缘轮廓较为突显。论文创新点:(1)针对传统深度图像修复算法存在的缺陷,本文提出基于光线追踪渲染降噪方法。将深度图像的照度信息采用时间及空间联合滤波的方式,来弥补因样本少而造成的信息缺失,较好地实现了对深度图像噪声的去除及空洞区域的修复。(2)针对原始RGB-D生成的点云建模效果欠佳,本文基于最小二乘法对原始数据进行平滑处理,再借助Geomagic Studio软件对场景点云进行重建,较好地减小了构网过程中空洞的产生,使所构建的模型较为逼真,边缘信息更为明显。