欢迎来到天天文库
浏览记录
ID:53007596
大小:1.37 MB
页数:8页
时间:2020-04-11
《基于RGB_D深度相机的室内场景重建.pdf》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、1366中图法分类号:TP391.9文献标识码:A文章编号:1006-8961(2015)10-1366-08论文引用格式:MeiF,LiuJ,LiCP,WangZQ.ImprovedRGB-Dcamerabasedindoorscenereconstruction[J].JournalofImageandGraphics,2015,20(10):1366-1373.[梅峰,刘京,李淳秡,王兆其.基于RGB-D深度相机的室内场景重建[J].中国图象图形学报,2015,20(10):1366-1373.][DOI:1
2、0.11834/jig.20151010]基于RGB-D深度相机的室内场景重建1,21,211梅峰,刘京,李淳秡,王兆其1.移动计算与新型终端北京市重点实验室,中国科学院计算技术研究所,北京100190;2.中国科学院大学,北京100049摘要:目的重建包含真实纹理的彩色场景3维模型是计算机视觉领域重要的研究课题之一,由于室内场景复杂、采样图像序列长且运动无规则,现有的3维重建算法存在重建尺度受限、局部细节重建效果差的等问题。方法以RGBD-SLAM算法为基础并提出了两方面的改进,一是将深度图中的平面信息加入帧间配
3、准算法,提高了帧间配准算法的鲁棒性与精度;二是在截断符号距离函数(TSDF)体重建过程中,提出了一种指数权重函数,相比普通的权重函数能更好地减少相机深度畸变对重建的影响。结果本文方法在相机姿态估计中带来了比RGBD-SLAM方法更好的结果,平均绝对路径误差减少1.3cm,能取得到更好的重建效果。结论本文方法有效地提高了相机姿态估计精度,可以应用于室内场景重建中。关键词:RGB-D深度相机;同时定位与地图构建;相机姿态估计;3维重建ImprovedRGB-Dcamerabasedindoorscenereconstr
4、uction1,21,211MeiFeng,LiuJing,LiChunpeng,WangZhaoqi1.BeijingKeyLaboratoryofMobileComputingandPervasiveDevice,InstituteofComputingTechnology,ChineseAcademyofSciences,Beijing100190,China;2.UniversityofChineseAcademyofSciences,Beijing100049,ChinaAbstract:Objectiv
5、eThree-dimensionalreconstructioncontainingtextureinformationisaclassicalissueincomputervi-sion.ConsideringthecomplexityofanindoorsceneandthelengthofsamplingimagesequencecapturedfromarandommovingRGB-Dsensor,conventionalthree-dimensionalreconstructionmethodssuff
6、erfromlimitedscaleandperformpoorlo-caldetailreconstructioneffect.MethodThispaperproposestwoimprovementsoftheRGBD-SLAM-basedthree-dimension-alreconstructionalgorithmtoobtainhigherqualityreconstructioneffect.Ontheonehand,theplane-primitivesareincorpo-ratedascons
7、traintstoenhancerobustnessandaccuracyofthepair-wiseregistrationalgorithm.Ontheotherhand,toreducetheinfluenceofRGB-Dsensorlargedistortion,anovelexponentialweightfunctionthatismotivatedbyaGaussiannoisemod-elisproposed.ResultIntheexperiment,theproposedmethodyield
8、shigherqualityresultscomparedwithstate-of-the-artap-proachesonthebenchmarksdatasetofthecomputervisiongroupofStanford.Ourmethodalsoachievesloweraverageabsolutetrajectoryerrorcompare
此文档下载收益归作者所有