基于时间飞行深度传感器对三维物体的建模应用研究

论文摘要

刚性物体的三维模型重建在诸如工程、医药、生化、动画等许多领域广泛应用,它是一个积极的并具有挑战性的研究领域,按范围图像获取方式分为两大类：被动和主动。被动方法不直接接触物体,而主动方法接触物体或投射物体上面某种能量。对于被动式方法,计算机视觉领域主要研究提取一个或多个图像的范围信息。在采集数据方面,被动方法比主动方法更便宜更方便,因为它不需要特殊目的的硬件。然而,被动方法明显不能准确数字化。要想获得更准确、更鲁棒的结果必须采用主动方法,它能快速精确获得范围扫描数据,但主动方法所用设备的费用、可移植性和可操作性阻止它们广泛使用,如家用领域。此外,普通的激光扫描仪一次扫描一行,为获得物体表面可能需要长达几小时,这也限定了它只能对静态物体或场景来进行重建。基于以上三维模型重建过程中出现的问题,本文主要研究内容是利用何种扫描设备搭建一个完整的三维模型重建系统,使该系统比以往提出的系统更适合家庭应用,让它具有实时性能,可移植性和相对高质量的重建模型结果。具体研究内容如下：1、提出使用时间飞行深度传感器来重建完整的三维物体的模型。相比较于以前昂贵的硬件和精密的设备,本系统仅仅是使用一个时间飞行深度传感器和一个普通摄像机的结合,这对于广大用户来说更实惠,更易于接受。另外,它还能够实时捕捉动态物体,这比激光扫描仪存在很大优势。实验中使用激光扫描仪,我们没有获得真人头部的基础事实数据,就是因为扫描时不可能保证头部会纹丝不动,这是激光扫描仪的缺点。而本系统很容易解决这个问题,只要使三维物体在捕捉系统前方旋转360度即可。2、对捕获的不同帧进行初始排列。表面网格生成后,需要排列不同的物体表面。对于没有特征点的物体,我们使用四点一致集合算法来粗略地排列邻近表面,通过寻找两个邻近表面的一致共面四点集合来估计变换值。对于有足够特征点的物体,通过特色追踪来大致排列连续表面网格。3、对迭代最近点(ICP)算法进一步改进,排列上一阶段得出的分段表面。初始排列后,表面只是粗略排列,所以排列结果并不准确。我们把上一阶段的大致初始排列作为初始估算,在全局范围内进一步使用迭代最近点(ICP)算法粘合不同的表面。但是对大量范围图像使用ICP算法可能会导致累积误差,这可能会导致产生不完整的模型。因此在全局范围内应用ICP,可以使排列误差均匀分布在获取的成对物体表面。4、提出合并范围图像和补洞的工作。合并物体范围表面是通过体积的方法来完成,最终生成一个完整的三维模型。模型表面将整个空间分割为不相交的内部容量和外部容量,因此每一个多边形都存在于内部容积和外容积之间,非闭合的模型通常包含网格缺陷,比如表面有间距,漏洞或自交的多边形等。在最后的细化阶段,对合并后的范围图像补洞生成完整的三维模型,使该模型近似于原始模型并具有鲁棒的多边形修补功能。5、本文我们做了很多对比工作。首先,我们使用FARO激光扫描仪Arm V2来扫描对象,并把输出结果作为基础事实数据,与本系统产生的结果进行比较,用ICP算法排列二者结果并计算相对平均距离。从实验结果我们看出,重建三维模型误差小于1%。其次,除了SR3000以外,我们还把Zcam整合到本系统中重建青蛙的三维模型。数值误差表明,SR3000比Zcam更好,原因是SR3000有更好的深度分辨率和噪声控制能力。

论文目录

• 提要
• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与研究意义
• 1.2 研究现状
• 1.3 主要研究问题
• 1.3.1 利用点云重建曲面
• 1.3.2 Delaunay三角化网格产生技术
• 1.3.3 参数化,简化及编辑网格
• 1.3.4 不同类型的范围照相机
• 1.3.5 表面融合方法
• 1.3.6 补洞
• 1.4 本文章节结构
• 第2章 范围数据获取方法综述
• 2.1 被动视觉技术
• 2.1.1 X形状方法
• 2.1.2 立体视觉技术
• 2.1.3 来自于运动的结构
• 2.1.4 来源于阴影的形状
• 2.2 主动视觉技术
• 2.2.1 脉冲时间飞行器系统
• 2.2.2 调幅成像雷达
• 2.2.3 调频连续波
• 2.2.4 积极三角化
• 2.2.5 BIRIS技术
• 2.2.6 莫尔纹技术
• 2.3 非机械扫描仪
• 2.4 手持扫描仪
• 2.4.1 手持三维扫描仪存在的问题
• 2.4.2 当前商业扫描仪系统
• 2.5 本章小结
• 第3章 三维模型重建系统构建
• 3.1 系统硬件
• 3.1.1 SwissRanger3000深度传感器
• 3.1.2 Zcam深度传感器
• 3.2 系统管道
• 3.2.1 系统设计目标
• 3.2.2 系统管道
• 3.3 执行系统
• 3.4 本章小结
• 第4章 范围图像排列
• 4.1 生成网格
• 4.2 迭代最近点算法阐述
• 4.3 两种算法排列范围图像
• 4.3.1 无特色点物体初始排列
• 4.3.2 有特色点物体初始排列
• 4.3.3 用ICP算法完美排列
• 4.3.4 全局ICP排列
• 4.3.5 Scanalyze介绍
• 4.4 本章小结
• 第5章 合并及补洞过程
• 5.1 合并过程
• 5.1.1 相关工作
• 5.1.2 体积方法整合
• 5.2 补洞过程
• 5.2.1 相关工作
• 5.2.2 Polymender补洞
• 5.3 实验结果
• 5.4 系统评估
• 5.4.1 与基础事实数据对比
• 5.4.2 两种深度传感器结果对比
• 5.5 系统局限性
• 5.6 本章小结
• 第6章 总结与展望
• 参考文献
• 作者简介及在学期间所取得的科研成果
• 致谢