基于RGB-D數據的環(huán)境特征提取與場景重構.pdf

1、三維重構技術可以將客觀世界中的真實場景進行數字化再現，是計算機視覺和機器人領域一個重要的研究課題。隨著應用需求的不斷發(fā)展，三維重構方法在實時性和可靠性方面面臨著新的挑戰(zhàn)。本文以基于RGB-D數據的環(huán)境特征提取作為切入點，針對特征點精簡、匹配對有效性評估、閉環(huán)檢測及閉環(huán)優(yōu)化等問題展開研究，從而實現在線的高精度三維場景重構。
　　針對RGB-D數據，本文首先對多種圖像特征進行對比，通過對實際數據的定量分析，選擇具有良好穩(wěn)定性和實時性的

2、ORB特征用于場景之間的匹配對檢測。此外，考慮到傳感器測距誤差對特征點位置精度的影響，本文建立深度不確定度模型，通過計算每個特征點的深度均值及方差來過濾掉不確定度較高的特征點，從而在提高特征點可信度的同時可以有效降低匹配對的數量。
　　由于傳感器的視野范圍有限，使用有效算法實現局部場景匹配是進行三維場景重構的重要前提。本文采用奇異值分解算法求解兩幅場景之間的旋轉平移矩陣。為了找到兩幅場景之間最佳的位姿變換，利用類隨機抽樣一致性算法

3、對特征匹配對進行有效性檢測，并引入場景匹配度的概念，基于特征匹配對在三維空間中的位置關系，計算多組旋轉平移矩陣的匹配度，選擇匹配度最高的旋轉平移矩陣作為場景匹配結果。
　　在三維場景重構過程中，為了避免序列場景中的特征點在匹配過程中出現重疊，本文建立了一個全局特征點模型，利用馬氏距離作為關聯特征點的判斷依據，并結合卡爾曼濾波算法實現特征點模型更新。此外，由于序列場景匹配會產生累積誤差，本文從所有場景數據中選擇具有代表性的關鍵幀進行