论文部分内容阅读
在影视游戏、医学重建及文物保护等行业需求的推动下,三维点云重建在日常生活中应用日益广泛。但是由于重建过程复杂,需要经过点云获取、滤波、分割、精简、特征提取、配准融合等一系列数据处理,导致重建误差逐级累加,直接影响模型表面重建的精细度。因而,为了重建出高精度的三维点云模型,必须通过去噪、平滑、精简等预处理来去除模型中夹杂的各类噪声点,以及配准或拼接将采集的不同角度的点云数据合并成一个完整的点云模型。本文主要对点云模型的去噪、精简和配准进行了深入研究,设计出相关算法,并进行了实验验证和对比分析。主要研究的内容和相关工作具体如下:1.针对三维点云数据的噪声点对重建的影响,设计出一种基于直通滤波、统计滤波、半径滤波、改进双边滤波的方法库的点云模型去噪算法。该算法首先利用直通滤波分割出目标点云模型,再根据统计滤波以及半径滤波初次滤除距离模型主体一定范围的大尺度类噪声点,并依据改进的双边滤波平滑掉模型表面的小尺度类噪声点,然后使用贪婪投影三角化法对去噪后的点云实现三角网格重建,以可视化效果来评鉴光顺去噪的精度。2.针对三维点云数据密度大,重建时间长等问题,提出一种散乱点云的均匀精简算法。首先由点云库滤波模块中的体素栅格类创建k邻域三维体素栅格,然后估计k邻域的法线并计算其平均距离以定位三维体素栅格的重心,再以重心点或临近三维栅格重心的数据点来近似替代此体素栅格内所有数据点实现点云的精简,最后采用贪婪投影三角化法对精简后的点云进行三角网格面重建,并从精度、简度以及速度等三方面与随机采样精简算法进行对比。3.针对三维点云数据配准耗时长、精度低、收敛慢、易错等缺点,提出一种基于ISS特征点结合改进ICP的点云配准算法。首先分别采用SIFT算法、NARF算法、ISS算法进行点云特征提取对比,并确定ISS算法结果为最优提取结果,再对最优结果进行FPFH特征描述,直观清晰显示特征点附近点云数据的频率,然后分别以RANSAC算法、SAC-IA算法等两种粗略配准算法进行点云配准的对比实验,使两片不同角度点云获得一个相对更好的初始位姿,最后通过k-d tree近邻搜索法加速对应点对的查找,以提高点云ICP精细配准效率。