导读:本文包含了全局配准论文开题报告文献综述及选题提纲参考文献，主要关键词:RGB-D数据,人体叁维重建,累积误差,局部配准
全局配准论文文献综述
孙瑜亮,缪永伟,鲍陈,夏海浜,张旭东[1]（2019）在《基于全局配准累积误差极小的人体RGB-D数据叁维重建》一文中研究指出针对RGB-D扫描数据获取和人体叁维重建过程中存在扫描数据分辨率不高、噪声干扰影响较大、配准误差较大等问题,提出一种基于累积误差极小的RGB-D扫描数据全局配准的人体模型叁维重建方法.首先采集人体扫描数据并进行预处理,去除噪声和背景;然后利用基于叁维点特征描述符匹配求解局部扫描数据的粗略配准,并通过最近点迭代的方法进行精细配准;再构建局部配准数据加权图,通过最小生成树方法合并局部相邻帧数据来减少全局误差传播的影响,利用环闭合的方法解决累积误差问题并得到全局刚体配准结果;通过对全局刚体配准后的数据依次进行非刚体变换并不断融合配准后数据,解决扫描过程中的移动问题,进一步减少全局累积误差;最后利用全局配准结果和扫描数据中的颜色信息生成融合颜色信息的人体叁维重建模型.利用2台Kinect设备扫描获取的人体全方位扫描数据进行实验的结果表明,该方法能够方便、高效地重建具有高度真实感的叁维人体,而且重建生成的叁维人体测量尺寸与真实人体尺寸之间的误差较小.(本文来源于《计算机辅助设计与图形学学报》期刊2019年09期）
马伟丽,王健,孙文潇[2]（2019）在《曲率约束的激光点云全局优化配准算法》一文中研究指出针对对于多视角下测得的散乱点云数据,ICP算法存在不稳定性和易收敛到局部最优的问题,提出基于曲率特征的ICP改进算法。该方法首先引入随机抽样一致性算法查找特征点,以距离最近为判断依据获得特征点对,然后利用四元数法计算配准参数,最后基于模拟退火法得到全局最优配准参数完成点云精确配准。实验表明,与传统ICP算法相比,改进的ICP算法可以有效提高点云配准的稳定性和精度。(本文来源于《遥感信息》期刊2019年04期）
彭磊,杨秀云,张裕飞,李光耀[3]（2019）在《基于全局与局部相似性测度的非刚性点集配准》一文中研究指出非刚性点集配准算法中,能否找到正确的对应关系对配准结果起着至关重要的作用,而通常两个点集中的对应点除了距离比较接近之外还具有相似的邻域结构,因此提出基于全局与局部相似性测度的非刚性点集配准算法。首先,使用一致性点漂移(CPD)算法作为配准框架,采用高斯混合模型对点集进行建模。然后,对全局局部混合距离进行改进,形成全局与局部相似性测度准则。最后,采用期望最大化(EM)算法迭代地求解对应关系和变换公式:在迭代初期局部相似性所占比重较大,从而能够尽快地找到正确的对应关系;随着迭代的进展全局相似性比重逐渐增大,从而确保得到较小的配准误差。实验结果表明,与薄板样条鲁棒点匹配(TPS-RPM)算法、高斯混合模型点集配准(GMMREG)算法、基于L_2E估计的鲁棒点匹配算法(RPM-L2E)、基于全局局部混合距离与薄板样条的点集配准算法(GLMDTPS)和CPD算法相比,所提算法的均方根误差(RMSE)分别下降了39.93%、42.45%、32.51%、22.36%和11.76%,说明该算法具有较好的配准效果。(本文来源于《计算机应用》期刊2019年10期）
封雪梅[4]（2019）在《基于分形维数的全局点云配准算法研究》一文中研究指出点云配准是叁维建模的基础,被广泛应用于计算机视觉、医学建模、轨道对接、工件检测以及文物保护等各个领域。应用于实际生产生活的点云配准技术,大多为非自动点云配准技术或多角度固定多组扫描设备实现较为准确并且快速的点云配准。自动点云配准技术在对应点对选取方面尚不成熟,对于部分重迭的点云数据配准问题还需进一步研究。本文提出了基于分形维数的全局点云配准算法,包括粗配准和精配准。论文的主要研究内容为:(1)利用点云数据的离散性,将二维的分形维数概念应用到叁维离散点云中,计算点云中每个点的分形维数值,根据分形维数这一属性来提取特征点。(2)根据特征点分布情况,将特征点进行聚类,形成多个聚类簇,各聚类簇之间形成的相对结构作为点云的全局结构,利用叁角形来表示这种相对结构信息,依据此结构获得对应点,完成点云粗配准。(3)由粗配准算法得到的点云数据间还存在一定程度的角度差异,因此选用剪枝迭代最近点算法完成点云精配准,最终完成本文的点云配准过程。实验采用经典的点云数据模型,从重迭率较高的点云间的配准和重迭率较低的点云间的配准两方面进行实验。与目前较为经典的配准算法进行对比,实验结果表明,本文算法不仅能够配准重迭率较高的点云数据,同时能够对重迭率低的点云数据进行配准。采用斯坦福大学计算机图形学实验室标准模型数据,本文配准算法与Go-ICP算法相比,均方误差缩小了最多两个数量级。本文算法为点云配准提供给了一种新颖的解决方案,为点云配准提供了一种新思路。(本文来源于《西北农林科技大学》期刊2019-05-21）
张琮毅,魏子庄,徐昊文,陈毅松,汪国平[5]（2019）在《尺度可变的快速全局点云配准方法》一文中研究指出随着叁维场景数字化技术的发展,人们获取真实物体叁维点云模型的途径愈发丰富.通过设备采集或多视图重建得到的分片点云模型需要进行配准生成完整模型,而由于获取途径不同或设备误差影响,分片点云往往具有放缩尺度不一致,初始相对位置关系不可靠,特征错配率高且噪声较大等问题.本文提出了一种尺度可变的快速全局点云配准方法,从点云中首先提取局部特征信息并进行匹配,在特征匹配关系确定的情况下,交替优化目标函数中的不同分量,使之快速收敛至最优解.由于目标函数带有鲁棒核,从而对实际问题中不可避免的特征错误匹配所带来的干扰具备较大容错能力.此外,本文设计了完整的端对端点云匹配流程,提出了考虑尺度差异的局部特征匹配方法,且对于高维特征描述子CSHOT使用降维方法大幅提升匹配速度.本文在多种类型的数据中进行测试,实验结果表明,本文方法在处理尺度不一致的点云模型配准问题中兼具效率与效果优势,与点云的初始相对摆放位置无关,且对于噪声较大和特征错配率高的数据均具有稳定性.(本文来源于《计算机学报》期刊2019年09期）
周建钊,杜文超,颜雨吉,何晓辉,代菊英[6]（2018）在《基于区域划分的点云全局配准研究》一文中研究指出在分析了基于穷举思想进行全局配准的常用方法的基础上,阐明了现有方法在两点云低重迭比例情况时配准的局限性,提出了基于区域划分的超级四点全等集算法用于点云全局配准的方法,通过实验分别定性、定量地对比了本算法与四点全等集算法在不同点云数目以及不同重迭比例下的配准效果,验证了本算法在低重迭比例情况下的优越性。本算法对于几何特征不明显且重迭比例较低的点云具有较好的配准效果,对提高点云全局配准的精度及效率具有重要的意义。(本文来源于《信息技术与网络安全》期刊2018年11期）
陈旭,何炳蔚[7]（2018）在《一种基于校正点云主成分坐标系的快速全局配准算法》一文中研究指出提出一种针对叁维点云的快速全局配准算法,用于估计两组相似点云在空间中的刚性位姿变化关系。首先通过计算两组点云的叁个主成分向量,配合各自中心点形成自身主成分(PC)坐标系。然后对两组点云分别进行坐标系转换,再利用最近点的欧氏距离均值校正对应PC坐标轴的方向,得到两组相似点云的大致位姿变化关系。经过上述粗配准后利用快速迭代最近点(ICP)算法,即可实现任意位姿关系下两组点云的快速精确配准。实验结果表明,该方法对任意两组形状和完整度相似的点云都可以实现任意位姿下的全局配准,并且具有较高的速度与精确度。(本文来源于《激光与光电子学进展》期刊2018年06期）
杨志华,张云生[8]（2018）在《一种基于特征点的地面激光点云全局配准方法》一文中研究指出针对当前地面激光扫描(TLS)点云配准自动化程度低且耗时的问题,本文提出一种基于特征点和改进FGR(fast global registration)算法的TLS点云全局配准方法。该方法一共分为叁步:首先对点云进行粗差剔除和降采样;然后提取Do G(Difference-of-Gaussian)特征点和进行FPFH(fast point feature histogram)描述,进而进行双向一致性匹配;最后使用FGR算法进行优化获得点云之间初始参数,结合标准ICP算法实现TLS点云的高精度配准。利用7站地面激光点云数据进行实验,结果表明本方法可以在保证配准精度的前提下获得较高的配准效率。(本文来源于《测绘与空间地理信息》期刊2018年04期）
杨星辉[9]（2018）在《联合全局和局部特征的快速点云配准算法研究》一文中研究指出叁维重建技术中基于RGB-D图像的重建方法是当前的一个热点研究问题。通过该方法获得的重建目标的精度主要取决于各个视角获得的点云的配准精度。基于RGB-D图像的重建方法是根据深度设备的运动信息来恢复目标的叁维结构,该方法首先使用深度设备直接获取运动过程中每个视角的点云数据,接着分析相邻两个视角的点云之间的关系,估算出深度设备运动过程中相邻位置之间的变换矩阵,然后根据上述变换将各个视角的点云变换到同一参考坐标系中得到目标完整的点云,最后使用泊松表面重建方法对目标完整的点云进行处理得到最终的重建结果。基于RGB-D图像的叁维重建中,大量点云配准算法是通过分析纹理信息和深度信息来对点云配准结果进行约束,该方法使得缺失纹理信息的点云配准结果不尽人意。而通过分析点云之间的结构关系来进行点云配准的精度会随着点云的缺失而急剧下降。因此,本文提出了一种快速的点云配准方法,该方法不仅不受目标纹理信息的影响,而且当点云的缺失程度高达40%时,仍然能够在较高的配准精度下完成点云的配准。首先,本文提出了基于点云重心的邻域点的全局最近最远点配准算法。该算法首先计算原始输入点云的重心,然后采用降采样对原始输入点云进行稀疏化得到对应的稀疏点云,接着根据相邻两个视角的点云存在部分重迭的特性,以点云重心作为参考在其对应的稀疏点云中找到最近的6)_1个点,然后以这6)_1个点作为参考点在稀疏点云中找到其最近和最远的6)_2个点,以这些最近点、参考点、最远点构成的夹角作为相邻点云的初始种子匹配特征,然后从获得的种子匹配的邻域搜索其他匹配点,接着根据匹配点对估算深度设备相邻位置的变换矩阵,从而获得最终的配准结果。然后,为了保证在点云的缺失程度较高的情况下,配准算法仍然能够有效,本文提出了基于局部参考点的最近最远点配准算法,该算法首先对原始点云降采样得到稀疏点云,然后以稀疏点云中每一个点作为参考点在原点云中找到其邻域,并在该邻域内找到其最近和最远的6)个点,以这些最近点、参考点、最远点构成的夹角作为相邻点云的种子匹配特征,然后根据种子匹配的邻域传播得到其他匹配点对,接着估算深度设备相邻位置的变换矩阵,从而获得最后的配准结果。综上所述,本文提出了两种点云配准方法,前者基于全局特征,后者则基于局部特征,当点云的缺失数量较小时,使用全局匹配算法快速完成配准,反之,当点云的缺失数量较大时,使用局部配准算法弥补全局配准的不足,利用本文的配准算法进行了几组点云测试,都能快速准确地完成配准。(本文来源于《西安电子科技大学》期刊2018-04-01）
郭道亮[10]（2017）在《可变形物体的全局非刚性配准与重建》一文中研究指出动态叁维重建是用单个或多个相机采集的视频或图像序列去恢复出动态场景的叁维结构。目前,在计算机视觉和计算机图形学领域,动态叁维重建是一个非常活跃的研究方向。随着商用深度相机(如微软的Kinect)的普及,用单个深度相机重建出人体目标的叁维模型和纹理变的越来越简单和廉价。当今,基于深度相机的叁维重建已经广泛应用于3D打印、游戏和电影制作中。然而,当重建场景是动态或有动态变形的目标物体(如人和动物)时,基于深度相机的经典融合技术(如Kinectfusion)重建的结果会产生严重的失真。更重要的是,通过深度相机采集到的深度点云包含大量的噪声和野值。于是,这些问题对于用单个相机重建动态的叁维场景构成了巨大的挑战。因此,本文提出了一种新的基于稀疏先验的全局非刚性配准方法实现了目标物体的动态重建。本文提出的算法允许目标物体有大的动作变形,且在不需要约束目标物体的动作姿态和相机运动的情况下实现高质量的重建结果。该算法通过优化一个全局的对齐问题进而同时求解出所有视角下相邻模型间的变换矩阵,这样可以避免众所周知的闭环问题;此外,本文采用ARAP约束缓解不完整模型在变形过程中的边缘收缩问题。最后,为了处理优化模型求解过程中的大规模计算问题,本文采用一种粗对细的多分辨率机制,这种机制可以避免优化问题陷入局部极小值解。本文提出的方法已经在公共数据集和用深度相机采集的真实数据集上进行了评估和比较,其中在公开数据集上实验结果表明本文的方法在几何对齐上有更高的准确度;此外在真实采集的数据集Waving和Flying上,实验结果表明本文提出的方法相对于其他几种方法对噪声和野值更鲁棒。(本文来源于《天津大学》期刊2017-11-01）
全局配准论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对对于多视角下测得的散乱点云数据,ICP算法存在不稳定性和易收敛到局部最优的问题,提出基于曲率特征的ICP改进算法。该方法首先引入随机抽样一致性算法查找特征点,以距离最近为判断依据获得特征点对,然后利用四元数法计算配准参数,最后基于模拟退火法得到全局最优配准参数完成点云精确配准。实验表明,与传统ICP算法相比,改进的ICP算法可以有效提高点云配准的稳定性和精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
全局配准论文参考文献
[1].孙瑜亮,缪永伟,鲍陈,夏海浜,张旭东.基于全局配准累积误差极小的人体RGB-D数据叁维重建[J].计算机辅助设计与图形学学报.2019
[2].马伟丽,王健,孙文潇.曲率约束的激光点云全局优化配准算法[J].遥感信息.2019
[3].彭磊,杨秀云,张裕飞,李光耀.基于全局与局部相似性测度的非刚性点集配准[J].计算机应用.2019
[4].封雪梅.基于分形维数的全局点云配准算法研究[D].西北农林科技大学.2019
[5].张琮毅,魏子庄,徐昊文,陈毅松,汪国平.尺度可变的快速全局点云配准方法[J].计算机学报.2019
[6].周建钊,杜文超,颜雨吉,何晓辉,代菊英.基于区域划分的点云全局配准研究[J].信息技术与网络安全.2018
[7].陈旭,何炳蔚.一种基于校正点云主成分坐标系的快速全局配准算法[J].激光与光电子学进展.2018
[8].杨志华,张云生.一种基于特征点的地面激光点云全局配准方法[J].测绘与空间地理信息.2018
[9].杨星辉.联合全局和局部特征的快速点云配准算法研究[D].西安电子科技大学.2018
[10].郭道亮.可变形物体的全局非刚性配准与重建[D].天津大学.2017