基于Kinect的物體模型建立及識別定位技術(shù)研究

基于Kinect的物體模型建立及識別定位技術(shù)研究

ID:37044722

大小:4.17 MB

頁數(shù):81頁

時間:2019-05-15

基于Kinect的物體模型建立及識別定位技術(shù)研究_第1頁
基于Kinect的物體模型建立及識別定位技術(shù)研究_第2頁
基于Kinect的物體模型建立及識別定位技術(shù)研究_第3頁
基于Kinect的物體模型建立及識別定位技術(shù)研究_第4頁
基于Kinect的物體模型建立及識別定位技術(shù)研究_第5頁
資源描述:

《基于Kinect的物體模型建立及識別定位技術(shù)研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫

1、碩士學位論文基于Kinect的物體模型建立及識別定位技術(shù)研究RESEARCHONTHETECHNOLOGYOFOBJECTRECONSTRUCTIONANDTARGETRECOGNITIONANDORIENTATIONBASEDONKINECT宇文亮哈爾濱工業(yè)大學2018年6月國內(nèi)圖書分類號:TP242.2學校代碼:10213國際圖書分類號:681.5密級:公開工程碩士學位論文基于Kinect的物體模型建立及識別定位技術(shù)研究碩士研究生:宇文亮導師:邵兵副教授申請學位:工程碩士學科:機械工程所在單位:機電工程學院答辯日期:20

2、18年6月授予學位單位:哈爾濱工業(yè)大學ClassifiedIndex:TP242.2U.D.C:681.5DissertationfortheMasterDegreeinEngineeringRESEARCHONTHETECHNOLOGYOFOBJECTRECONSTRUCTIONANDTARGETRECOGNITIONANDORIENTATIONBASEDONKINECTCandidate:YuwenLiangSupervisor:AssociateProf.ShaoBingAcademicDegreeAppliedfor

3、:MasterofEngineeringSpeciality:MechanicalEngineeringAffiliation:SchoolofMechatronicsEngineeringDateofDefence:June,2018Degree-Conferring-Institution:HarbinInstituteofTechnology哈爾濱工業(yè)大學工程碩士學位論文摘要隨著老齡化社會問題的加劇,家庭服務(wù)機器迎來了更廣闊的應(yīng)用前景。復(fù)雜環(huán)境下對常見物體的抓取是服務(wù)機器人不可或缺的功能,物體識別定位技術(shù)是服務(wù)機器人完

4、成抓取任務(wù)的先決條件,物體完整三維模型是位姿計算過程重要的先驗知識。本課題旨在設(shè)計一種方便用戶操作的物體重構(gòu)方法和復(fù)雜環(huán)境下物體識別定位的方案,從視覺系統(tǒng)搭建,數(shù)據(jù)預(yù)處理流程、物體模型重構(gòu)技術(shù)、復(fù)雜場景下物體識別定位技術(shù)等方面展開研究。首先,采用點云數(shù)據(jù)作為環(huán)境感知的載體,搭建了Kinect點云數(shù)據(jù)采集及處理系統(tǒng)。根據(jù)相機成像過程,構(gòu)建了測量坐標系與攝像機線性及非線性模型,采用張正友標定法求解相機內(nèi)外參數(shù)矩陣并計算彩色相機與深度相機位置變換關(guān)系,最終完成了點云實時采集系統(tǒng)的搭建。其次,針對從環(huán)境中精準分離目標物體的應(yīng)用要求,

5、研究點云預(yù)處理算法。根據(jù)Kinect拍攝過程中產(chǎn)生的噪聲類型,提出多重濾波算法,利用統(tǒng)計分析法去除點云邊緣噪聲,采用主成分分析法提取點云表面法線及曲率,利用改進的雙邊濾波算法平滑點云表面小噪聲。再通過隨機采樣一致性算法去除支撐平面點云,并采用平滑度歐氏距離聚類法進行點云聚類,從而達到目標與環(huán)境分離的目的。再次,對三維重構(gòu)技術(shù)進行研究。對傳統(tǒng)RANSAC預(yù)拼接算法提出改進,采用3DSIFT算法檢測關(guān)鍵點,并利用局部FPFH特征進行匹配,避免預(yù)匹配過程中的重復(fù)計算,增強拼接算法魯棒性。采用基于鄰域特征的ICP算法完成點云的精準拼

6、接,通過曲率分析方法減少傳統(tǒng)算法錯配概率,防止了匹配陷入局部最小值或得到錯誤結(jié)果。通過實驗驗證了本文算法相較于傳統(tǒng)算法具有更高的精度、可靠性及運算效率。最終通過兩兩配準的方式對多視角點云片段進行拼接,還原被測物體完整的幾何外形。最后,對物體識別定位算法進行研究。針對KNN算法時間復(fù)雜度較高、無關(guān)維度影響識別精度等問題,采用聚類劃分及計算各維度權(quán)值的方法減少運算量并增加識別精度。根據(jù)局部特征及全局特征的不同優(yōu)勢,提出了全局特征及局部特征相融合的識別定位算法。在離線階段,構(gòu)建物體坐標系,并提取模型多視角CVFH全局特征和SHOT

7、局部特征。在線階段,利用全局特征識別點云片段種類,并僅提取有效點云片段的局部特征,減少無效特征計算。通過將帶坐標系的物體模型和有效點云片段進行局部特征匹配,獲得點云片段和模型之間的六自由度位姿變換矩陣,完成物體的識別定位過程。關(guān)鍵詞:三維重構(gòu);點云配準;三維物體識別;特征匹配;位姿配準-I-哈爾濱工業(yè)大學工程碩士學位論文AbstractSincetheaggravationofagingsocietyisbecomingincreasinglyserious,thefamilyservicerobothasgainedaab

8、roaderapplicationprospect.Graspingofcommonobjectsincomplexenvironentisanindispensablefunctionofservicerobots,ofwhichobjectrecognitionandlocationt

當前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。