基于RGB-D图像的平面提取算法研究
关键词 点云，平面提取，图像初始化，凝聚层次聚类
毕业论文设计说明书外文摘要
Title Plane Extraction Algorithm Research Based on RGB-D Image
Abstract
Real-time plane extraction in 3D point clouds is crucial to many robotics applications. We achieve a novel algorithm for reliably detecting multiple planes in organized point clouds obtained from devices such as Kinect sensors. By uniformly piding such a point cloud into non-overlapping groups of points in the image space, it first construct a graph whose node and edge represent a group of points and their neighborhood respectively. We then perform an agglomerative hierarchical clustering on this graph to systematically merge nodes belonging to the same plane until the plane fitting mean squared error exceeds a threshold. Finally we refine the extracted planes using pixel-wise region growing. The experiments demonstrate that the algorithm can reliably achieve 640×480 point cloud plane extraction.
Keywords point cloud，plane extraction，graph initialization，agglomerative hierarchical clustering
目次
1 引言 1
1.1 研究背景与意义 1
1.2 平面提取算法研究现状 1
1.2.1 现有的平面提取算法 1
1.2.2 现有方法存在的问题 2
1.3 本文的安排 3
2 平面提取的相关知识 4
2.1 数据采集 4
2.1.1 kinect简介 4
2.1.2 数据的特点 5
2.2 平面提取的相关公式 5
3 凝聚层次聚类算法原理 7
3.1 算法概述 9
3.1.1 行回归线段提取算法 12
3.1.2 线段提取与平面提取的差异 13
3.1.3 算法的应用范围 14
3.2 凝聚层次聚类算法构思 14
3.2.1 数据初始化 14
3.2.2 凝聚层次聚类 16
3.2.3 实施细则 17
4 凝聚层次聚类算法实现 19
4.1 程序流程 19
4.2 实验的结果与分析 21
结 论 23
致 谢 24
参考文献 25
1 引言
1.1 研究背景与意义
低成本深度相机和3D传感器已经出现在市场上，他们已经成为一个流行的选择应用在各种机器人和计算机视觉系统。由这种传感器获得的三文点云通常嘈杂和冗余，并且不提供场景的语义。对于3D场景的语义建模，原始拟合三文点云，吸引了大量的研究兴趣。具体而言，平面是最重要原语中的一个，由于人造结构主要组成是平面。
随着微软Kinect的出现，RGB-D图像的获取越来越容易，这种带有深度信息的数据为环境理解提供了更加丰富的信息。Kinect适用于室内环境，而室内环境中存在大量的平面区域，将这些平面区域提取出来有助于进一步对室内场景进行分割和理解。
上一篇：惯性测量单元的信息融合及测试