基于神經網絡的Kinect傳感器標定.pdf

1、無論是在圖像測量或機器視覺應用中，攝像機參數的標定都是非常關鍵的環(huán)節(jié)，其標定結果的精度及算法的穩(wěn)定性直接影響攝像機工作產生結果的準確性。為了能夠根據Kinect捕捉到的信息更快更精確地對場景進行重建，首先必須對該測量系統(tǒng)進行標定。雖然，目前許多國外研究者已對Kinect傳感器的標定進行大量的研究并取得了較好的研究成果，但都是基于精確的數學模型進行標定的，然而Kinect傳感器的深度攝像機存在嚴重的幾何畸變，這就需要更復雜的模型對其進行校

2、正。這勢必導致更復雜的數學方程，使計算更加繁瑣，而且各種因素引起的畸變可能有種種相似之處，參數之間具有強相關性，一些不顯著的參數的引入，反而會使情況更壞。
　　為了避免建立復雜的Kinect畸變模型且可以包容成像過程中的各種畸變及非線性因素。本文將神經網絡引入到Kinect標定中，利用神經網絡強大的非線性函數逼近能力直接學習二維圖像坐標到三維世界坐標的非線性映射。針對Kinect傳感器的特點及物點在攝像機坐標系下沿Xe、Yc和Zc

3、方向運動時的成像規(guī)律，提出了基于雙神經網絡的Kinect傳感器標定方法。首先采用IR圖像代替現有的Kinect標定方法中常用的Depth圖像，以降低邊緣噪聲對標定結果的影響，然后，將Kinect標定問題視作從二維圖像坐標到三維世界坐標的一個非線性映射問題，設計了兩個不同的神經網絡分別實現二維圖像點對與對應的三維坐標的平面信息和深度信息的映射關系。通過兩個三維重構實驗驗證了本文標定方法的有效性，且與已有的Kinect標定方法相比本文方法具