6.3  3D重建的简单优化 34

结论 36

致谢 37

参考文献 38

1. 绪论

1.1 深度数据分析的概况

 随着科学技术和人类认识世界需求的不断发展，传统的机器视觉已经不能满足人们对于三维物体识别的要求。与灰度图像相比，深度图像具有物体三维特征。由于深度图像不受光线照射方向及物体表面的发散特性的影响，而且不存在阴影，所以可以更准确地表现物体目标的三维深度信息。

获取场景中各点相对于摄像机的距离是计算机视觉系统的重要任务之一．场景中各点相对于摄像机的距离可以用深度图(Depth Map)来表示，即深度图中的每一个像素值表示场景中某一点与摄像机之间的距离．机器视觉系统获取场景深度图技术可分为被动测距传感和主动深度传感两大类．被动测距传感是指视觉系统接收来自场景发射或反射的光能量，形成有关场景光能量分布函数，即灰度图像，然后在这些图像的基础上恢复场景的深度信息．

深度图如下两个性质 ：

  a.颜色无关性（与彩色图像相比，深度图像不会有光照、阴影、以及环境变化的干扰） 

  b.灰度值变化方向与相机所拍摄的视场方向z 方向相同（利用深度图像可以在一定范围内重建 3D 空间区域，并且可以从一定程度上解决物体遮挡或同一物体各部分重叠的问题）。根据深度，可以很容易地把前景和背景分开，这使得识别的难度大大降低。

传统机器视觉是把三维景物投影成二维图像，然后通过建立图像数据与成像过程及景物特征的数学关系来恢复三维景物的。因损失了深度等信息，因而重构二维景物不是唯一的，使机器视觉的发展和应用受到限制。特别是没有深度信息，就难以实现三维非接触测量。准确得到场景的深度信息可以弥补以上的不足。此外，深度图像与环境光照和阴影无关，像素点清晰地表达了景物的表面几何形状。从灰度图像中提取三维物体几何特征的方法相比，深度图像处理对景物的几何和物理特征都没有特别限制，它直接利用三维信息，大大地简化了三维物体的识别和定位问题，开辟了机器视觉的一个新途径。

基于视觉概念的深度图像是以三维视觉传感器所得到的图形、图像为基础来恢复物体三维形状并进行图像处理，具有速度高、效率高、自动化程度高、造价低等优点。该技术可在医学、考古、服装等行业对人体形状和产品

模型进行测量；可对不允许接触的复杂工艺产品，或弹性、塑性材料制品的形状进行测量，他在工业生产和现实生活中有着广阔的应用前景。

此外，深度图像在智能机器人导航中的应用也是一个主要方向，这是本文研究的起点。

1.2 机器人室内导航

近年来随着传感器等领域的技术进步，智能机器人系统开始应用在服务行业中，开辟了机器人自主服务的新领域，以往服务机器人的研究和开发主要在大学和研究所中进行，而如今越来越受到企业界和商业界的重视。室内服务机器人的出现主要原因有：

一是人们想摆脱令人烦恼枯燥的重复性工作：如家务劳动，照料病人等等 kinect深度数据的走廊出口识别及opengl三维模拟环境下的仿真(2):http://www.youerw.com/jisuanji/lunwen_71206.html