摘 要

随着当今时代中信息技术的发展，三维建模技术不仅在各大行业中收获了很大的技术市场，更是受到很多建模爱好者的深入研究。尤其是微软公司在2010年6月推出了Kinect以来，为三维建模的开展提供了更加便利的设备支持。本文主将按照设计要求提出的对基于Kinect的研究与建模方法的探讨并针对Kinect的技术特点和应用价值，主要讨论其在实际的三维建模过程中的信息采集，深度信息的存储，噪音消除以及三维重建算法等方面的理论以及实践。主要的实验研究工作主要集中在以下几点：

1. 对于深度图像的采集、存储过程、数据的存储格式以及软硬件基础的研究。
2. 对于深度图像噪音的消除手段，将几种常规滤噪方式和本次实验中采用的滤噪方式对比研究，并简述了点云的坐标变换的规则及意义。
3. 研究了本次设计中的核心算法——ICP算法以及通过对其缺点的分析找到了一种改进的ICP算法，并在按照这种算法进行设计后的实验效果获得了大量的提升。

关键词：Kinect三维空间建模 点云 噪声消除 ICP算法

Abstract

With the development of information technology in the era, three-dimensional modeling technology not only has got a large portion market from some major industries,but also been in-depth studied by a lot of modeling enthusiasts.Especially, Kinect that had been released since June 2010 has provided more convenient device support for the development of 3D modeling technology.This paper will be according to the design requirements that researching based on the Kinect and discussion on modeling methods as well as specific to the technical characteristics and application value of Kinect，mainly discusses its research on the information ,the storage of depth information,the noise elimination and the 3D reconstruction algorithm in the actual 3D modeling process.The main experimental work is mainly focusrd on the following points:

(1) Research on depth of the image acquisition ,storage process,data storage format as well as hardware and software foundation.

(2) For the elimination of the depth of the image noise.several conventional filtering methods and the filter method used in this experiment were compared and briefly describes the point cloud coordinate transformation rules and significance.

1. Study the core algorithm in this algorithm design called ICP and by analysis of its shortcomings found in an improved ICP algorithm, and experimental design in accordance with the after effects of this algorithm is getting a lot of upgrade.

Key words: KinectFusion OpenCV ICP point cloud noise elimination

目录

1 绪论 1

1.1 研究背景 1

1.2 国内外研究现状 1

1.2.1 国外研究现状 1

1.2.2 国内研究现状 1

1.3 本文主要研究内容 2

2 设计原理与技术框架 3

2.1 深度图像 3

2.2深度图像的获取 3

2.2.1 深度图像获取的硬件基础 3

2.2.2 深度信息获取的软件基础 4

2.3 数据采集与存储 4

2.3.1 深度数据的采集 4

2.3.2 点云数据的存储 4

2.4 本章小结 5

3 点云噪声处理与三维重构 6

3.1 噪声分析 6

3.2 点云深度图像降噪算法 6

3.2.1 均值滤波 6

3.2.2 中值滤波 7

3.2.3 双边滤波 8

3.2.4 基于空间域与时域的深度滤波 9

3.3 坐标转换与三维场景重构 10

3.3.1 基于棋盘格算法的相机标定 11

3.3.2 基于修复后的深度图像的三维重构 11

3.4 本章小结 12

4 深度图像配准的算法研究 13

4.1深度图像配准定义 13

4.2 点云配准的主要算法 13

4.2.1经典点云配准算法介绍 13

4.2.2 ICP算法原理 14

4.3 改进的ICP算法 14

4.3.1 动态阈值及评价准则 14

4.3.2 估算匹配点对的曲率 15

4.3.3 改进ICP算法的具体步骤 17

4.4 基于以上改进ICP算法的三维场景重建的实现 17

4.5 本章小结 18

5 实验小结与展望 19

5.1 实验结果分析 19

5.2 对未来工作的展望 19

参考文献 21

致谢 22

1 绪论

1.1 研究背景

随着电子信息，数学等领域的全面发展，三维立体建模这门学科也获得了同步的快速发展。三维重建技术立基于计算机数字化，将实物信息通过数据采集设备（通常为激光扫描设备以及声音采集设备）采集，通过程序语言将物体信息转化为数字信息显示出来，真实的再现于计算机中。通过这种技术我们可以更加方便的了解相应的场景信息，在文化保护、城市规划以及地图完善等领域中扮演者举重若轻的角色。

1.2 国内外研究现状

1.2.1 国外研究现状

随着三维建模技术的快速发展以及设备的更新换代，三维空间重建技术也获得了更加广阔的发展空间以及实验途径。三维空间重建的研究也从最开始的室外场景三维重建发展到后来的室内场景重建，从而使得这项技术在人们的生活中的应用变得更加的广泛，对于人们的影响也愈发的深刻。

自从Kinect这一设备由微软公司于2010年6月推出以来，迅速俘获了一大批世界各地的建模爱好者。对于各种建模方式的研究，人们趋之若鹜。同年Henry借助Kinect深度传感器完成了室内建模实验，虽然存在精度较差，获得的模型较为粗糙切存在黑色孔洞等缺点。但是，他的也开始了关于Kinect三维建模的研究。他的后继者，Newcembe等人提出了获得深度数据更快的通过GPU（图像处理器）来实现三维空间的重建的方法。该方法只利用场景深度数据，因此获取深度信息更加便捷、快速。但其滤噪效果差的缺点却不能很好的规避掉。为了提高精度Khoshelham等人提出了利用机械臂来实现对象的快速三维重建的思路。即通过对Kinect深度传感器的的固定，而让实验体通过机械臂的转动来获取对象的深度数据，再与机械臂的运动轨迹相结合而获取坐标系来提高重建精度的方式^[1]。