基于Kinect的物体三维模型构建和姿态估计方法研究-机械电子工程专业论文.docxVIP

Classified Index: TP242.6 U.D.C: 681.5 Dissertation for the Master Degree in Engineering OBJECT 3D MODELING AND POSE ESTIMATION BASED ON KINECT （Academic） Candidate: Shi Guangsheng Supervisor: Associate Prof. Gao Yunfeng Academic Degree Applied for: Master of Engineering Speciality: Mechatronics Engineering Affiliation: School of Mechatronics Engineering Date of Defence: July, 2015 Degree-Conferring-Institution: Harbin Institute of Technology 摘 要 生活环境中，服务机器人执行目标抓取、释放为基本任务，待操作的目标模型 建立和姿态估计效果的准确性是解决这一目标的前提。面向服务机器人对日常物 体的抓取功能需求，本文提出通过对室内物体学习模型进行三维重建，从多视角识 别目标物体并进行姿态估计的策略，本论文开展以下研究工作: 首先为建立精度高的物体模型，对多视角下原始点云进行深度、噪声实验分析， 寻找最佳采样深度区域，建立点云预处理机制去除边界深度噪声和 RGB 噪声。 考虑机器人观测目标视角问题，对物体多视角采样，作为后续物体特征模板的 构建基础，并建立目标 3D 立体模型。在纹理信息和几何特征信息基础上，使用 SIFT 特征匹配和奇异值分解法对无序且部分重叠的点云初始配准，改进 ICP 算法 实现相邻视角点云精确配准，最后使用闭环优化策略构建物体的完整点云模型。提 出闭环优化策略获取多视角间精确旋转平移运动关系。 目标姿态估计。在物体模型三维重建中获得的多视角间的旋转平移运动关系 基础上提出基于局部不变几何特征的物体特征的稀疏表达。对场景中的杂乱放置 的物体，基于点云的欧式聚类分割出待识别物体模型，与物体模型库中的特征模版 匹配实现物体识别和位姿估计。最后根据机器人抓取要求以及物体识别和位姿计 算结果，计算物体模型坐标系相对机器人坐标系的位置和姿态运动估计。 本文上述内容通过实验进行验证，选择实际目标进行了三维目标重建，提出了 适合三维模型重建改进 ICP 算法和闭环优化策略，为获得准确目标外观信息和姿 态估计提供基础技术保障，确保获取信息精度能够满足机器人抓取要求。 关键词：ICP 改进算法；闭环优化；一般物体点云模型重建；物体特征模板数据库； 物体识别和姿态估计 Abstract In order to satisfy the requirement of the service robots’ grasping and loosing common object in the unstructured indoor environment, object 3D modeling and pose estimation of object in the current state is a necessary. To solve this grasping problem, the paper proposes a method to rebuild 3D models of common objects, and build a strategy for object recognition and localization based on the local invariant geometric feature available from the Kinect sensor. This article carry out research work as follows: Firstly, in order to obtain object model with high degree of accuracy, the analysis of depth accuracy and noise with multi-view raw RGB-D cloud provide optimal sampling area. On basis of noise experiments, mechanism of point cloud preprocessing is proposed to eliminate depth noise and color noise. Conside