论文部分内容阅读
三维重建技术是计算机图形学、古文物保护、VR/AR等前沿领域的关键技术,已经被广泛地应用于各个领域。针对传统的三维重建价格高昂、建模周期长并且操作繁琐,提出了一种基于Kinect的三维场景重建,可以快速、方便和廉价的对周围的场景进行模型重建,其研究内容主要如下:(1)在点云数据的获取过程中,针对Kinect传感器获取的点云数据量大,且含有噪声点等问题,利用PCL(Point Cloud Libary)点云库下封装的函数PassThrough、StatisticalOutlierRemoval和VoxelGrid分别对采集到的数据进行背景剔除、去除离群点和降采样处理。经过滤波后的点云数据量和噪声明显减少,但点云的细节特征并没有影响,可以方便后续的配准操作。(2)在基于Kinect的三维重建的基础上,提出了一种改进Kinect Fusion的重建方法,主要改进部分有以下两点:1)在点云的配准过程中,KinectFusion重建方法采取的是ICP配准算法,该算法对初始位置要求较高,且配准精度较低。针对这一问题,提出了一种基于SAC-IA和改进ICP的点云配准算法,该算法首先计算点云表面的FPFH特征,然后利用SAC-IA算法计算特征对应点对的变换矩阵,对点云进行矩阵变换完成初始配准。最后利用改进的ICP算法进行精确配准,改进主要有两个部分:使用k-d tree(k-dimension tree)提高算法中对应点对的查找速度,应用欧氏距离阈值和点云方向向量阈值法剔除错误的对应点对。该算法有效的提高了点云的配准精度。2)针对KinectFusion方法重建的场景表面并没有纹理信息,不能够真实的对场景进行再现这一问题,给出了一种基于颜色融合的纹理映射方法。通过该算法可以为重构的模型表面贴上丰富的纹理信息,从而得到更为直观真实的三维场景模型。系统中所提出的三维场景模型重建方法,可以让普通用户使用廉价的Kinect传感器连接电脑进行简单的三维场景重建,与传统重建方法相比降低了三维建模的造价和复杂度。实验最终重建的三维场景模型的精度较高,并具有较好的纹理信息,在实际生产与生活中有着一定的应用前景。