学海网

毕业论文-3D深度数据的精度优化算法研究，共30页。
摘 要
近几年3D 技术的发展迅猛，应用广泛，深度相机是其中一个重要的基本工具。深度相机使我们能很轻松地获取模型的三维数据，在3D 建模、3D 打印、三维重建等研究领域都有大有用场。现有的深度相机精确度大多较低，而在很多研究工作中，其测得的原始深度值的精确度会深刻影响后续研究工作的可信度以及实验过程中数据处理的复杂度。如果对深度相机的原始采样数据先进行优化，使得原始数据更贴近真实值，那么无疑将减小后续场景重建、点云匹配等工作的累积误差。一般来说，好的减噪算法应该在尽可能使得网格光顺的同时保证不会损坏本身模型的细节。
不同于一些现有的算法，本论文通过分析Kinect1.0 和Primesense 深度相机测得的原始深度数据，得出其深度值分布的统计规律；并参考这一规律，基于Primesense 进行后续实验。本文所提出的优化方法分成两步进行。首先固定相机和物体不动，采集60 帧图像，利用极小化损失函数的方法，对每个位置点的深度值进行初步估计；随后利用极小化能量函数的方法对整体采样点进行光滑处理。对于第二步选取的结点中的不精确点，将其深度值限制在给定的区间范围内，通过极小化能量函数，求解线性方程组，使得采样面光滑性更优，从而改善原始采样数据的精度，进一步得到更接近物体表面特征的采样表面，最终获得高精度的深度数据，由此可以达到简化后续研究的工作量的效果。
关键词：深度相机 三维重建 统计规律 损失函数 能量函数 薄板样条函数 区间约束 高精度

目录
致谢I
摘要II
Abstract III
第1 章引言1
1.1 深度相机与点云重建2
1.1.1 深度相机原理简介2
1.1.2 PCL 点云库简介3
第2 章单点位置深度值的优化4
2.1 对深度数据分布规律的研究4
2.1.1 空间距离与深度值噪音方差的关系4
2.1.2 单点位置深度值扫描规律6
2.2 单点位置优化算法9
第3 章整体扫描场景的全局优化12
3.1 薄板样条能量函数12
3.2 全局光滑优化算法12
3.3 控制点的区间约束13
3.4 场景的分块处理14
第4 章实验结果16
4.1 黑板平面16
4.2 只对木门中心小块区域处理对比17
4.3 部分圆柱体17
4.4 室内场景18
4.4.1 深度值连续场景18
4.4.2 深度值跳跃场景19
第5 章总结与展望20
参考文献21