基于RGB-D相机数据的室内三维重建模型与方法研究

《基于RGB-D相机数据的室内三维重建模型与方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、作辦狀／ｆ＠ＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ博士学位论文基于ＲＧＢ－Ｄ相机数据的室内三维重建模型与方法研究作者姓名：王俊指导教师：杨崇俊研究员中国科学院遥感与数字地球研究所黄守东副教授澳大利亚悉尼科技大学学位类别：理学博士学科专业：地图学与地理信息系统培养单位：中国科学院遥感与数字地球研究所２０１８年６月Ｒｅｓｅａｒｃｈｏｎｉｎｄｏｏｒ３Ｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎｍｏｄｅｌ

2、ａｎｄｍｅｔｈｏｄｂａｓｅｄｏｎｈｅｄａａｏｆ－ｔｔＲＧＢＤｃａｍｅｒａＡｄｉｓｓｅｒｔａｔｉｏｎｓｕｂｍｉｔｔｅｄｔｏＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓｉｎａｒｔｉａｌｆｕｌｆｉｌｌｍｅｎｔｏｆｔｈｅｒｅｉｒｅｍｅｎｔｐｑｕｆｏｒｔｈｅｄｅｒｅｅｏｆｇＤｏｃｔｏｒｏｆＰｈｉｌｏｓｏｈｙｐｉｎＣａｒｔｏｒａｈｙａｎｄＧｅｏｒａｈｉｃａｌＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍ

3、ｇｐｇｐＢｙＪｕｎＷａｎｇＳｕｅｒｖｉｓｏｒ：ＰｒｏｆｅｓｓｏｒＣｈｏｎｕｎＹａｎｐｇｊｇＩｎｓｔｉｔｕｔｅｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇａｎｄＤｉｇｉｔａｌＥａｒｔｈＪｕｎｅ２０１８，中国科学院大学研究生学位论文原创性声明本人郑重声明：所呈交的学位论文是本人在导师的指导下独立进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对论文所涉及的研究工作做出贡献的其

4、他个人和集体，均已在文中以明确方式标明或致谢。作者签名：日期：中国科学院大学学位论文授权使用声明本人完全了解并同意遵守中国科学院有关保存和使用学位论文的规定，即中国科学院有权保留送交学位论文的副本，允许该论文被查阅，可以按照学术研究公开原则和保护知识产权的原则公布该论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存、汇编本学位论文。涉密及延迟公开的学位论文在解密或延迟期后适用本声明。作者签名：导师签名：日期：日期：摘要摘要

5、地理信息科学的发展通常与测绘技术、计算机信息技术的发展高度相关，一一方面测绘技术为地理空间科学研究提供数据来源，另方面地理空间应用也向测绘技术、计算机技术提出了新的挑战。随着全球移动互联网的蓬勃发展、传感器技术更新迭代，地理信息科学迈入了新的发展阶段：从服务政府到服务普通大众一；从宏观到微观；从室外到室内外体化。从室内地理空间数据需求来看，不断兴起的大众化地理空间应用对测绘信息技术提出了扫描速度、设备成本、便携性、计算密集等挑战。传统激光扫描技术、倾斜摄影测量技术已不

6、一能适应于室内地理空间应用的要求－Ｄ相机是。ＲＧＢ种消费级新型视觉传感器，由ＲＧＢ镜头与深度镜头构成，拍摄时能获得场景的纹理图像与深度图像－（即点云）。研究领域普遍认为使用ＲＧＢＤ相机进行室内三维重建主要存在以－下四大问题：（ａ）低功率的ＲＧＢＤ相机普遍存在获取深度信息分辨率低、噪＊声大的缺陷，如ＸｔｉｏｎＰｒｏＬｉｖｅ深度相机实际分辨率仅为３２０２４０像素，远低一于普通相机或工业相机分辨率（ｂ）需要多次获取室内场景数据，重建个典；型房间需要进行多达数千甚至上万帧

7、的不同视角的数据获取。为了获得三维模型就需要将所有这些数据帧进行精确配准（即姿态求解），而针对大量粗糙一深度数据（即点云）的配准，是个被广泛关注且尚未被解决的研究难题。（ｃ）与传统摄影测量相比，室内场景无ＧＮＳＳ辅助信号。仅仅依靠低分辨率图像数据生成的视觉特征点的光束法平差算法易收敛至局部最优。（ｄ）由于处理数据一量极大，实时处理原始图像数据且达到较好三维模型效果是个较难的研究问题，但对于算法推广应用具有重要意义。针对以上问题，本文从各个角度进，主要研究内容及成果如下

8、行了深入研究：（１）深入定量讨论了深度观测的不确定性分布（针对问题（ａ）），发现传－统算法中姿态估计的旋转与平移均受此噪声影响的关键问题，提出了ＲＧＢＤ相机姿态的旋转与平移去耦合估计算法（针对问题（ｂ））。首先，利用纹理图像信息对旋转矩阵进行估计，实现旋转矩阵与深度噪声分离。接着，深入研究深度观测噪声分布特点，发展了基于多尺度窗口的高斯混合不确定性描述模型。充分利用旋转与平移分量分别属于非线性与线性优化的特性，提高了优化Ｉ基于ＲＧＢ－Ｄ相机数据的室内三维重建模型