資源描述：
《基于Kinect的物體模型建立及識(shí)別定位技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、碩士學(xué)位論文基于Kinect的物體模型建立及識(shí)別定位技術(shù)研究RESEARCHONTHETECHNOLOGYOFOBJECTRECONSTRUCTIONANDTARGETRECOGNITIONANDORIENTATIONBASEDONKINECT宇文亮哈爾濱工業(yè)大學(xué)2018年6月國(guó)內(nèi)圖書(shū)分類(lèi)號(hào)：TP242.2學(xué)校代碼：10213國(guó)際圖書(shū)分類(lèi)號(hào)：681.5密級(jí)：公開(kāi)工程碩士學(xué)位論文基于Kinect的物體模型建立及識(shí)別定位技術(shù)研究碩士研究生：宇文亮導(dǎo)師：邵兵副教授申請(qǐng)學(xué)位：工程碩士學(xué)科：機(jī)械工程所在單位：機(jī)電工程學(xué)院答辯日期：20
2、18年6月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)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(xué)工程碩士學(xué)位論文摘要隨著老齡化社會(huì)問(wèn)題的加劇，家庭服務(wù)機(jī)器迎來(lái)了更廣闊的應(yīng)用前景。復(fù)雜環(huán)境下對(duì)常見(jiàn)物體的抓取是服務(wù)機(jī)器人不可或缺的功能，物體識(shí)別定位技術(shù)是服務(wù)機(jī)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(jì)算過(guò)程重要的先驗(yàn)知識(shí)。本課題旨在設(shè)計(jì)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(shí)別定位的方案，從視覺(jué)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(chǎng)景下物體識(shí)別定位技術(shù)等方面展開(kāi)研究。首先，采用點(diǎn)云數(shù)據(jù)作為環(huán)境感知的載體，搭建了Kinect點(diǎn)云數(shù)據(jù)采集及處理系統(tǒng)。根據(jù)相機(jī)成像過(guò)程,構(gòu)建了測(cè)量坐標(biāo)系與攝像機(jī)線性及非線性模型，采用張正友標(biāo)定法求解相機(jī)內(nèi)外參數(shù)矩陣并計(jì)算彩色相機(jī)與深度相機(jī)位置變換關(guān)系，最終完成了點(diǎn)云實(shí)時(shí)采集系統(tǒng)的搭建。其次，針對(duì)從環(huán)境中精準(zhǔn)分離目標(biāo)物體的應(yīng)用要求，
5、研究點(diǎn)云預(yù)處理算法。根據(jù)Kinect拍攝過(guò)程中產(chǎn)生的噪聲類(lèi)型，提出多重濾波算法，利用統(tǒng)計(jì)分析法去除點(diǎn)云邊緣噪聲，采用主成分分析法提取點(diǎn)云表面法線及曲率，利用改進(jìn)的雙邊濾波算法平滑點(diǎn)云表面小噪聲。再通過(guò)隨機(jī)采樣一致性算法去除支撐平面點(diǎn)云，并采用平滑度歐氏距離聚類(lèi)法進(jìn)行點(diǎn)云聚類(lèi)，從而達(dá)到目標(biāo)與環(huán)境分離的目的。再次，對(duì)三維重構(gòu)技術(shù)進(jìn)行研究。對(duì)傳統(tǒng)RANSAC預(yù)拼接算法提出改進(jìn)，采用3DSIFT算法檢測(cè)關(guān)鍵點(diǎn)，并利用局部FPFH特征進(jìn)行匹配，避免預(yù)匹配過(guò)程中的重復(fù)計(jì)算，增強(qiáng)拼接算法魯棒性。采用基于鄰域特征的ICP算法完成點(diǎn)云的精準(zhǔn)拼
6、接，通過(guò)曲率分析方法減少傳統(tǒng)算法錯(cuò)配概率，防止了匹配陷入局部最小值或得到錯(cuò)誤結(jié)果。通過(guò)實(shí)驗(yàn)驗(yàn)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(yùn)算效率。最終通過(guò)兩兩配準(zhǔn)的方式對(duì)多視角點(diǎn)云片段進(jìn)行拼接，還原被測(cè)物體完整的幾何外形。最后，對(duì)物體識(shí)別定位算法進(jìn)行研究。針對(duì)KNN算法時(shí)間復(fù)雜度較高、無(wú)關(guān)維度影響識(shí)別精度等問(wèn)題，采用聚類(lèi)劃分及計(jì)算各維度權(quán)值的方法減少運(yùn)算量并增加識(shí)別精度。根據(jù)局部特征及全局特征的不同優(yōu)勢(shì)，提出了全局特征及局部特征相融合的識(shí)別定位算法。在離線階段，構(gòu)建物體坐標(biāo)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(shí)別點(diǎn)云片段種類(lèi)，并僅提取有效點(diǎn)云片段的局部特征，減少無(wú)效特征計(jì)算。通過(guò)將帶坐標(biāo)系的物體模型和有效點(diǎn)云片段進(jìn)行局部特征匹配，獲得點(diǎn)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(shí)別定位過(guò)程。關(guān)鍵詞：三維重構(gòu)；點(diǎn)云配準(zhǔn)；三維物體識(shí)別；特征匹配；位姿配準(zhǔn)-I-哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文AbstractSincetheaggravationofagingsocietyisbecomingincreasinglyserious,thefamilyservicerobothasgainedaab
8、roaderapplicationprospect.Graspingofcommonobjectsincomplexenvironentisanindispensablefunctionofservicerobots，ofwhichobjectrecognitionandlocationt
