论文部分内容阅读
随着RGB-D技术的迅猛发展和广泛应用，具有三维数据信息的室内RGB-D图像逐渐成为计算机视觉和机器人学研究领域的研究热点。准确估计室内RGB-D图像中的曼哈顿坐标系是计算机通过RGB-D传感器感知世界的关键环节。解决室内RGB-D图像的曼哈顿坐标系估计问题可以降低计算机感知外部环境的难度，缩小高层语义与底层视觉特征之间的语义鸿沟，有助于计算机自主地分析、感知外部环境，帮助计算机完成智能操作。现有的曼哈顿估计算法在准确度和运算效率上存在不足。针对这些存在的问题，本文提出了一种计算曼哈顿坐标系的新算法，并围绕这一算法展开，完成了利用曼哈顿坐标系改进RGBDslam和利用曼哈顿坐标系识别室内场景布局的两个应用。 本文的前半部分主要介绍了利用方位相关性估计室内曼哈顿坐标系，首先利用Kinect相机获取一幅RGB-D图像，然后对该图像进行平面化处理，最后利用本文提出的方位相关性算法来估计室内图像中曼哈顿坐标系的单位方向向量。利用方位相关性计算曼哈顿坐标系相较于传统的曼哈顿坐标系计算算法，拥有准确度高、速度快的特点，且该算法可以用于绝大多数符合曼哈顿假设的室内空间的曼哈顿坐标系计算。 本文的后半部分主要介绍了两个曼哈顿坐标系应用，第一个是利用曼哈顿坐标系改进RGBDslam，第二个是利用曼哈顿坐标系识别室内场景布局。利用曼哈顿坐标系可以计算出两幅图像之间初始变换矩阵，这样可以克服特征点匹配不准确和特征点深度值缺失的问题，提高初始变换矩阵的准确性，减少计算时间。本文还利用曼哈顿坐标系来识别室内场景布局。利用曼哈顿坐标系可以更加方便地生成方位图和计算平面的几何信息，通过更准确的曼哈顿坐标系估计和地面、墙面的识别效果来提高室内场景布局的识别效果，本文还介绍了室内场景布局识别开发软件的设计和实现算法，为其他开发人员展开工作提供一个更加方便、快捷的软件工具。