移動機器人及室內(nèi)環(huán)境三維模型重建技術(shù)

內(nèi)容概要

移動機器人的三維環(huán)境模型重建是一個重要的研究領(lǐng)域。本書以ActivMedia的Pioneer3-AT為實驗平臺，結(jié)合全景視覺與激光掃描儀等傳感器，對室內(nèi)環(huán)境三維模型重建進行了研究和分析。    全書共分5章，內(nèi)容主要包括中心折反射全景攝像頭的標定與全景圖像中外極曲線的計算，基于圖割算法的全景圖像立體匹配，二維全局地圖的建立，基于激光掃描的室內(nèi)環(huán)境三維幾何模型建立以及幾何模型與顏色信息相結(jié)合的混合三維重建方法等。    本書可作為控制科學、人工智能、計算機科學等專業(yè)高年級本科生、研究生和教師的教材或參考書，也可作為信息學科相關(guān)領(lǐng)域，特別是移動機器人研究領(lǐng)域的工程技術(shù)人員和科研工作者的參考書。

書籍目錄

第1章  緒論  1.1  移動機器人研究的發(fā)展現(xiàn)狀  1.2  三維模型重建的主要研究內(nèi)容    1.2.1  多視點深度圖像配準    1.2.2  深度圖像曲面重建    1.2.3  圖像立體匹配方法  1.3  三維環(huán)境模型重建在移動機器人研究領(lǐng)域酌應(yīng)用與發(fā)展  1.4  基于移動機器人的三維室內(nèi)環(huán)境模型重建方法    1.4.1  基于激光掃描的幾何模型重建    1.4.2  基于圖像立體匹配的模型重建    1.4.3  基于環(huán)境幾何信息與顏色信息相結(jié)合的模型重建第2章  中心折反射全方位攝像頭標定與外極曲線計算  2.1  引言  2.2  中心折反射全方位攝像頭成像模型    2.2.1  透視投影成像模型    2.2.2  中心折反射全方位攝像頭成像模型    2.2.3  雙曲面鏡面、球面鏡面和透視攝像頭組成的全景視覺  2.3  中心折反射全方位攝像頭標定方法    2.3.1  中心折羼射全方位攝像頭圖像投影函數(shù)    2.3.2  中心折反射全方位攝像頭標定    2.3.3  實驗及其結(jié)果  2.4  全景圖像外極曲線計算    2.4.1  外極線幾何    2.4.2  外極曲線計算    2.4.3  實驗及其結(jié)果  2.5  小結(jié)第3章  全景圖像立體匹配  3.1  引言  3.2  圖割算法及其在圖像立體匹配中的應(yīng)用    3.2.1  圖像立體匹配的能量函數(shù)    3.2.2  能量函數(shù)對應(yīng)的圖的構(gòu)造    3.2.3  圖的最小割(最大流)算法  3.3  基于圖割算法的全景圖像立體匹配    3.3.1  預(yù)處理    3.3.2  立體匹配    3.3.3  實驗及其結(jié)果  3.4  小結(jié)第4章  室內(nèi)環(huán)境二維全局地圖建立  4.1  引言    4.1.1  地圖格式    4.1.2  SLAM問題  4.2  激光掃描匹配方法  4.3  基于正態(tài)分布轉(zhuǎn)換的二維全局地圖建立    4.3.1  正態(tài)分布轉(zhuǎn)換    4.3.2  兩次激光掃描匹配對準    4.3.3  牛頓迭代最優(yōu)化算法    4.3.4  地圖擴展與優(yōu)化    4.3.5  實驗及其結(jié)果  4.4  小結(jié)第5章  激光掃描與全景圖像相結(jié)合的室內(nèi)環(huán)境三維模型建立  5.1  引言  5.2  基于激光掃描的室內(nèi)環(huán)境三維模型建立  5.3  激光掃描與圖像相結(jié)合的三維建?；旌戏椒? 5.4  激光掃描儀與全景視覺的聯(lián)合標定    5.4.1  全景圖像：bird-view變換    5.4.2  聯(lián)合標定  5.5  三維環(huán)境模型重建的兩種流程    5.5.1  全景圖像立體匹配流程    5.5.2  激光掃描流程  5.6  三維模型重建實驗    5.6.1  Player／Stage    5.6.2  實驗及其結(jié)果  5.7  小結(jié)參考文獻

章節(jié)摘錄

插圖：基于結(jié)構(gòu)特征的匹配方法需要檢測能夠表示景物自身結(jié)構(gòu)特性的特征，如直線邊緣、矩、邊緣交點等。這類方法的優(yōu)點是由于使用從圖像得到的符號特征作為匹配基元，所以在環(huán)境照明發(fā)生變化的情況下性能較為穩(wěn)定，缺點是特征提取需要很大計算量，另外由于特征是離散的，匹配后不能直接得到密集的視差場。常用的匹配特征主要有點特征、線特征和區(qū)域特征。一般來說，大尺度特征含有較豐富的圖像信息，本身數(shù)目較少，易于得到快速的匹配，但提取與描述相對復(fù)雜，定位精度差；另一方面，小尺度特征本身定位精度高，表達描述簡單，但其數(shù)目較多，所含信息量較少，因而在匹配時需要采用較強的約束準則和匹配策略。 立體視覺的首要目的是恢復(fù)景物可視表面的完整信息，而基于特征的立體匹配算法只能恢復(fù)出圖像中特征點處的視差值。因此要進行視差表面內(nèi)插重建，即對離散數(shù)據(jù)進行插值以得到不在特征點處的視差值。如最近鄰插值、雙線性插值、樣條插值等。另外還有基于模型的內(nèi)插重建算法。在內(nèi)插過程中，最重要的問題就是如何有效地保護景物面的不連續(xù)信息。另外，內(nèi)插重建必須滿足表面相容性原理。通過圖像立體匹配獲得的視差圖像是一種基本的本征圖，圖中每個像素的值代表了場景中對應(yīng)該位置物體點的高程（采集器與物體的距離）。由于圖像視差直接反映了景物可見表面的幾何形狀與距離信息，因此也稱為深度圖。在室內(nèi)環(huán)境三維模型重建中就是依靠這些深度信息來恢復(fù)場景的三維信息的，深度信息的精度直接關(guān)系到所建立的三維模型的精度。影響深度距離測量精度的因素主要有數(shù)字量化效應(yīng)、攝像頭標定誤差、特征檢測與匹配定位精度等。

編輯推薦

《移動機器人及室內(nèi)環(huán)境三維模型重建技術(shù)》：北京工商大學學術(shù)專著出版資助項目。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    移動機器人及室內(nèi)環(huán)境三維模型重建技術(shù) PDF格式下載

---