学位论文 > 优秀研究生学位论文题录展示

基于深度图像的三维目标识别技术研究

作　者: 李世飞
导　师: 沈振康
学　校: 国防科学技术大学
专　业: 信息与通信工程
关键词: 深度图像三维视觉三维目标识别形状索引值距离直方图移动最小二乘曲面拟合高斯曲率平均曲率旋转图像 Tsallis熵相关不变性
分类号: TP391.41
类　型: 博士论文
年　份: 2010年
下　载: 168次
引　用: 1次
阅　读: 论文下载

内容摘要

在最新的激光成像精确制导技术中,利用三维激光雷达图像获取的三维目标数据进行三维目标识别是需要解决的一个关键问题。在三维视觉理论中,三维目标识别是一个极富挑战性的难题,本文紧扣三维目标识别这个核心问题,对基于深度图像的三维目标识别技术进行了细致深入的研究。本文的主要工作和创新成果如下:(1)深度图像的表示是实现三维目标识别的前提。在研究当前各种深度图像获取手段的基础上,提出了将深度图像分为伪灰度表示、网格表示和点云表示的分类方法,并对各种深度图像表示方法进行了分析。(2)根据伪灰度表示深度图像的特性,研究了深度图像的曲面特性的直接计算、数值估计和曲面拟合等几种方法。针对现有拟合方法均为局部拟合的特点,创新地提出了利用移动最小二乘方法实现深度图像整体拟合的方法,得到待拟合曲面的一种隐式整体表达,仿真试验结果表明这种整体拟合方法不仅具备很好的拟合精度,而且便于对曲面特性进行计算。在此基础上,推广得到了基于最小二乘的曲面拟合一般性模型框架。该模型框架不仅对已有的各种不同拟合方法进行了本质上的理论区分,也为探索新的深度图像拟合方法指明了道路。(3)针对现有三维目标表达方法无法有效解决自由形态物体整体表达的问题,提出了利用形状索引直方图和距离直方图这样的整体特征来进行三维目标识别的新方法,构建了基于形状索引直方图的目标识别算法流程。仿真结果表明,该方法可以有效避免了计算代价极大的特征点对的对应性搜索,并且能够较好地满足三维目标识别中的旋转和尺度不变性。(4)为了解决三维目标姿态多样性所导致的不变量难以实现的问题,提出了三维目标识别中的相关不变性这一全新概念。并根据通过整体识别整体的思想提出了基于Tsallis熵和旋转图像的三维目标识别方法,首先利用旋转图像将三维目标识别问题映射成二维问题,然后采用Tsallis熵对旋转图像特征进行表达,实现了数据的急剧衰减,避免了繁琐的特征点对匹配搜索,并在理论上证明的该方法的平移、旋转和缩放变换下相关不变性,理论分析和实验数据表明该方法具有极高的三维目标识别正确率。

全文目录

摘要  12-13
ABSTRACT  13-15
第一章绪论  15-27
  1.1 课题研究背景  15-22
    1.1.1 三维视觉  15-19
    1.1.2 自由形态目标  19
    1.1.3 三维目标识别的研究现状  19-21
    1.1.4 三维目标识别存在的主要问题  21-22
  1.2 课题研究内容和创新点  22-24
    1.2.1 课题研究内容  22-23
    1.2.2 论文的贡献和创新点  23-24
  1.3 论文结构  24-27
第二章深度图像的获取和表示  27-39
  2.1 深度图像的概念  27-28
  2.2 深度图像的表示  28-32
    2.2.1 伪灰度表示  28-30
    2.2.2 点云表示  30-31
    2.2.3 三角网格表示  31-32
  2.3 深度图像的特点  32
  2.4 深度图像的获取  32-38
    2.4.1 立体视觉技术  33-34
    2.4.2 结构光成像  34-35
    2.4.3 激光雷达成像  35-38
  2.5 本章小结  38-39
第三章深度图像的曲面特性分析  39-67
  3.1 引言  39-40
  3.2 深度图像的微分几何  40-46
    3.2.1 曲面参数表示形式、切平面及法方向  40-42
    3.2.2 曲面的基本形式  42-43
    3.2.3 主曲率、主方向及高斯曲率  43-44
    3.2.4 深度图像的曲面特性的理论公式  44-46
  3.3 曲面特性的计算方法  46-50
    3.3.1 直接计算法  47-48
    3.3.2 数值估计法  48-50
    3.3.3 曲面拟合法  50
  3.4 基于双变量多项式的深度图像曲面拟合  50-55
    3.4.1 基于正交函数的最小二乘拟合  51-52
    3.4.2 首一正交多项式  52-53
    3.4.3 基于首一正交多项式的曲面拟合  53-54
    3.4.4 实验结果  54-55
  3.5 基于B 样条基函数的深度图像曲面拟合  55-57
    3.5.1 拟合原理  55-57
    3.5.2 实验结果  57
  3.6 基于移动最小二乘的深度图像曲面拟合  57-63
    3.6.1 移动最小二乘的基本原理  58-59
    3.6.2 曲面特性的计算  59
    3.6.3 权函数的选取  59-60
    3.6.4 拟合半径的选取  60-61
    3.6.5 基于MLS 的深度图像曲面拟合结果  61-62
    3.6.6 MLS 的进一步探讨  62-63
  3.7 深度图像曲面拟合的一般性框架  63-66
    3.7.1 逼近程度的度量  63-64
    3.7.2 拟合权值的可变性  64
    3.7.3 基函数的选择  64
    3.7.4 拟合方法的总结  64-65
    3.7.5 三种曲面拟合方法的拟合效果对比  65-66
  3.8 本章小结  66-67
第四章基于形状索引直方图的三维目标识别  67-91
  4.1 引言  67-69
    4.1.1 研究任务的界定  67
    4.1.2 识别对象的界定  67-68
    4.1.3 曲面特性在深度图像中的重要性  68-69
  4.2 深度图像的特征描述  69-74
    4.2.1 基于点的特征描述  69-71
    4.2.2 基于片的特征描述  71-73
    4.2.3 局部特征描述的思想本质  73-74
  4.3 基于形状索引直方图的三维目标识别方法  74-83
    4.3.1 直方图特性  74-75
    4.3.2 统计对象的选择  75-78
    4.3.3 形状索引直方图  78-80
    4.3.4 相似性测度  80-82
    4.3.5 算法流程和特性分析  82-83
  4.4 实验结果与分析  83-90
    4.4.1 实验数据  83-84
    4.4.2 无姿态变化的目标识别  84-85
    4.4.3 姿态变化的目标识别  85-88
    4.4.4 尺度变化的目标识别  88-89
    4.4.5 识别正确率  89-90
  4.5 本章小结  90-91
第五章基于旋转图像熵值序列的三维目标识别  91-125
  5.1 引言  91
  5.2 相关不变性  91-93
    5.2.1 相关系数的定义  92
    5.2.2 相关不变性的定义  92-93
  5.3 旋转图像  93-100
    5.3.1 映射转化的思想  93-94
    5.3.2 旋转映射的定义  94-95
    5.3.3 旋转图像的生成  95-98
    5.3.4 影响旋转图像生成的参数  98-100
  5.4 旋转图像的熵值表示  100-106
    5.4.1 Tsallis 熵的基本原理  100
    5.4.2 基于Tsallis 熵的旋转图像表达  100-101
    5.4.3 参数q 对旋转图像Tsallis 熵值的影响  101-102
    5.4.4 旋转映射和旋转图像的实例  102-106
  5.5 基于旋转图像的熵值序列的相关不变性  106-119
    5.5.1 平移变换的相关不变性  106-108
    5.5.2 旋转变换的相关不变性  108-111
    5.5.3 尺度变换的相关不变性  111-115
    5.5.4 混合变换的相关不变性  115-116
    5.5.5 部分遮挡情形下的相关不变性  116-118
    5.5.6 噪声干扰情形下的相关不变性  118-119
  5.6 基于旋转图像熵值序列的三维目标识别  119-123
    5.6.1 算法流程  119-120
    5.6.2 计算复杂度和数据压缩效果分析  120-121
    5.6.3 组合变换下的识别结果  121-122
    5.6.4 噪声和遮挡情况下的识别结果  122-123
  5.7 本章小结  123-125
第六章结束语  125-127
  6.1 工作总结  125-126
  6.2 研究展望  126-127
致谢  127-128
参考文献  128-136
作者在学期间取得的学术成果  136-137
作者在学期间参加的科研任务  137

基于深度图像的三维目标识别技术研究

内容摘要

全文目录

相似论文