kinect三维重建.docx

上海大学 2014 ～ 2015学年秋季学期研究生课程考试课程设计大作业课程名称：建模与仿真课程编号： 09SAS9011论文题目: 基于Kinect的三维重建 研究生姓名: 邵军强 学 号: 论文评语:成 绩: 任课教师: 评阅日期: 基于Kinect的三维重建邵军强（上海大学 机电工程与自动化学院）摘要：三维重建是计算机视觉的一个重要目标，可以帮助人们快速精确地将日常生活中的物体数字化，并有着广泛的应用前景。本文叙述了一种成本低廉、快速且操作简便的三维重建方法。借助于微软公司的 Kinect 体感传感器作为采集深度图像和彩色图像的输入设备，通过对原始深度图像的去噪、平滑、表面重建等一系列方法，最终可以获得在三维空间中的点云模型。关键词：三维重建，Kinect，点云模型Based on Kinect3DReconstructionSHAO JUNQIANG(?Shanghai University EMSD and automation College)??Abstract:3 D reconstruction is an important goal of computer vision, and can help people quickly and accurately to digital objects in everyday life, and has a broad application prospect.This paper describes a kind of low cost, quick and easy operation method of 3 d reconstruction.By using Microsofts device body feeling sensor as a collection of depth image and color image input device, through the depth of the original image denoising and smoothing, surface reconstruction and a series of methods, finally can get the point cloud model in three-dimensional space.Keywords：3D Reconstruction,Kinect, point cloud model1 引言Kinect 传感器是一种RGB-D 传感器，即可以同时获得环境颜色值（RGB）和深度值（depth）的传感器．它的采集速度快，精度高，且价格低廉，使其迅速被运用到很多领域．机器人领域也开始了对Kinect 传感器广泛的研究[1]．利用Kinect 传感器对室内环境进行3D 重构，获得环境的3D 点云模型是研究热点之一．华盛顿大学与微软实验室[2]，开发了基于SIFT（尺度不变特征变换）特征匹配定位及TORO（Tree-basednetwORk Optimizer）优化算法的实时视觉SLAM系统来建立3D 点云地图．德国Freiburg 大学[3]提出了RGBD-SLAM 算法，采用了与华盛顿大学类似的方法，但是为了提高实时性，使用了Hogman（hierarchical optimization for pose graphs on manifolds）图优化算法，同时在相对位姿检测上采用了SURF（加速鲁棒特征）特征进行对应配．KinectFusion 算法与这些算法不同，它仅使用深度信息，通过设计高效及高度并行的算法在GPU（图形处理单元）上运行达到了非常高的实时性，在试验中，在配置4000 元左右的电脑上运行速度达到了18 帧／秒（在同样配置的计算机上前面两种算法仅达到2 帧／秒），在进行场景建立时有良好的用户体验，甚至可以用来做一些人机交互方面的应用[4-5]．同时KinectFusion 采用了基于TSDF（truncated signed distance function）模型的点云融合方法，构建的点云模型冗余点少．而前面的方法因为没有进行点云融合，所以在地图创建过程中，点云的容量将不断增加[1]．除此之外，KinectFusion 算法也存在一些问题，由于其重建过程是在GPU上的实时重建，因此，受GPU 内存限制，只能建立较小规模环境。其算法注重效率的提升，在鲁棒性方面有不足之处，比如在一些环境中容易出现定位失效而无法正常建模。2 Kinect 传感器Kin