| 【中文题名】 | 三维深度图像配准的研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-6 |
| 【中关键词】 | 三维,深度图像,配准,收敛,二次曲面, |
| 【英关键词】 | three-dimensional,range images,registration,convergence,quadratic surface, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 | 激光三维扫描技术能够快速，精确，无接触地完成复杂物体表面的重构。这一技术正以其独特的优势被广泛地应用于CAD逆向工程，计算机视觉，模式识别，三维动画，虚拟现实，数字医疗，计算机游戏等领域。为重构三维物体的表面形状，必须事先得到物体表面的深度图像信息。由于受到观察方向和物体本身形状的限制，不可能通过一次扫描得到复杂物体的所有深度图像数据。要获得物体表面的完整造型，首先通过激光扫描获取物体表面不同方向的深度图像；然后配准从不同视角获得的深度图像；最后在同一坐标系内合成一幅完整的深度图像并完成对合成结果的造型。其中，深度图像配准是三维数字造型技术中的关键，它直接影响最后的合成结果和造型精度。
现在应用最普遍的配准算法是ICP(Iterative Closest Point)算法及基于ICP算法的改进。这种算法很慢的收敛速度以及每次迭代时对应点的大量计算是其主要缺点。基于平方距离的ICP算法虽然在收敛速度上做了很大改进，但是对应点计算量大的问题没有解决。而且到目前为止，没有对原始ICP算法及改进的ICP算法收敛性及收敛速度的完整理论分析。这使得ICP算法的应用在很多时候都是采用启发式策略，得不到令人满... |
| 【论文题纲】 |
|
摘要 |
5-7 |
|
ABSTRACT |
7-9 |
|
第1章 绪论 |
9-13 |
|
1.1 课题的研究背景与意义 |
9-10 |
|
1.2 目前研究现状 |
10-11 |
|
1.3 本文贡献 |
11-12 |
|
1.4 各章节安排 |
12-13 |
|
第2章 深度图像配准的ICP算法 |
13-27 |
|
2.1 预备知识 |
13-16 |
|
2.1.1 刚体变换 |
13-14 |
|
2.1.2 旋转矩阵 |
14 |
|
2.1.3 四元组描述的旋转矩阵 |
14-16 |
|
2.2 深度图像配准的算法原理 |
16-26 |
|
2.2.1 特征匹配法 |
16-20 |
|
2.2.2 曲面距离极小化方法 |
20-26 |
|
2.3 小结 |
26-27 |
|
第3章 ICP算法收敛性分析 |
27-33 |
|
3.1 预备知识 |
27-29 |
|
3.1.1 无约束最优化问题 |
27 |
|
3.1.2 求解无约束最优化问题 |
27-28 |
|
3.1.3 收敛速率 |
28-29 |
|
3.2 对ICP算法的收敛性及收敛速率分析 |
29-32 |
|
3.2.1 Besl和Mckay提出的原始ICP算法 |
30-31 |
|
3.2.2 Chen和Medioni提出的改进ICP算法 |
31-32 |
|
3.2.3 Mitra等提出的改进ICP算法 |
32 |
|
3.3 总结 |
32-33 |
|
第4章 基于特征量匹配的深度图像配准算法 |
33-41 |
|
4.1 预备知识 |
33-35 |
|
4.1.1.二次曲线 |
33-34 |
|
4.1.2.二次曲面 |
34-35 |
|
4.2.二维深度图像配准 |
35-36 |
|
4.3.三维深度图像配准 |
36-37 |
|
4.4.实例 |
37-40 |
|
4.4.1.简单曲面的结果 |
37-38 |
|
4.4.2.实际深度图像的结果 |
38-40 |
|
4.5 结论和进一步的工作 |
40-41 |
|
第5章 总结与展望 |
41-43 |
|
参考文献 |
43-48 |
|
致谢 |
48-49 |
|
攻读硕士学位期间参与的项目 |
49-50 |
|
学位论文评阅及答辩情况表 |
50 |
|
| 【DOI】 | LunWen.ID:2.2008.365054 |
