基于Kinect三维重构的特征点提取改进

doi:10.3969/j.issn.1006-2475.2019.11.007

计算机与现代化

基于Kinect三维重构的特征点提取改进

(1.闽江学院机器视觉实验室,福建福州350100;2.闽江学院物理学与电子信息工程系,福建福州350100)

收稿日期:2018-09-11 出版日期:2019-11-15 发布日期:2019-11-15
作者简介:陈凯扬(1990-),男,福建永泰人,助理工程师,本科,研究方向:三维测量技术; 通信作者:罗志灶(1971-),男,福建三明人,副教授,研究方向:计算机应用,E-mail: lzz@mju.edu.cn; 王建兴(1971-),男,福建建阳人,副教授,研究方向:计算机应用。
基金资助:
福建省大学生创新创业训练计划项目(201610395028)

Improvement for Feature Point Extraction Based on Kinect 3D Reconstruction

(1. Laboratory of Machine Vision, Minjiang University, Fuzhou 350100, China;
2. Department of Physics and Electronic Information Engineering, Minjiang University, Fuzhou 350100, China)

Received:2018-09-11 Online:2019-11-15 Published:2019-11-15

摘要/Abstract

摘要： 针对机器人在复杂的室内环境中，因提取特征点低效率、高失真造成性价比较低的问题，提出一种改进的SIFT特征点提取与匹配算法，并在此基础上构建基于Kinect的SLAM系统。SLAM系统前端对SIFT特征点提取法进行改进，使用高斯分离模糊函数，提高SIFT算法提取特征点的速度,并且使用RANSAC筛选不稳定特征点。本文所提出的改进型SIFT特征点提取法的SLAM系统可以对复杂与空旷的室内环境高效率、低失真的重构。

关键词: Kinect三维重构, 室内三维重构, SIFT特征点提取

Abstract: To solve the problem of low performance-price ratio due to low efficiency and high distortion of feature points extraction in the complex indoor environment of robots, an improved SIFT feature points extraction and matching algorithm is proposed, and on this basis, a SLAM system based on Kinect is built.
The SLAM system front end improves the SIFT feature point extraction method, uses the Gaussian separation fuzzy function, improves the speed of SIFT algorithm to extract the feature point, and uses RANSAC to screen unstable feature points. The SLAM system with improved SIFT feature points extraction method can reconstruct the complex and empty indoor environment with high efficiency and low distortion.

Key words: Kinect 3D reconstruction, indoor 3D reconstruction, SIFT feature point extraction

中图分类号:

TP301.6

陈凯扬1,罗志灶2,王建兴2. 基于Kinect三维重构的特征点提取改进[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2019.11.007.

CHEN Kai-yang1, LUO Zhi-zao2, WANG Jian-xing2. Improvement for Feature Point Extraction Based on Kinect 3D Reconstruction[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2019.11.007.

参考文献

［1］郭剑辉. 移动机器人同时定位与地图构建方法研究［D］. 南京:南京理工大学, 2008.
［2］ CSORBA M. Simultaneous Localization and Map Building［D］. Oxford: University of Oxford, 1997.
［3］ CASTELLANOS J A, TARDS J D. Simultaneous localization and map building［M］// Mobile Robot Localization and Map Building. Springer US, 1999:127-170.
［4］ DAVISON A J. Real-time simultaneous localisation and mapping with a single camera［C］// Proceedings of the 9th IEEE International Conference on Computer Vision. 2003:1403.
［5］ KLEIN G, MURRAY D. Parallel tracking and mapping for small AR workspaces［C］// Proceedings of the 6th IEEE and ACM International Symposium on Mixed and Augmented Reality. 2007:1-10.
［6］ RUBLEE E, RABAUD V, KONOLIGE K, et al. ORB: An efficient alternative to SIFT or SURF［C］// Proceedings of 2011 IEEE International Conference on Computer Vision. 2012:2564-2571.
［7］ NEWCOMBE R A, IZADI S, HILLIGES O, et al. KinectFusion: Real-time dense surface mapping and tracking［C］// 2011 10th IEEE International Symposium on Mixed and Augmented Reality. 2011:127-136.
［8］ HENRY P, KRAININ M, HERBST E, et al. RGB-D mapping: Using depth cameras for dense 3D modeling of indoor environments［J］. International Journal of Robotics Research, 2014,31(5):647-663.
［9］ ENDRES F, HESS J, ENGELHARD N, et al. An evaluation of the RGB-D SLAM system［C］// 2012 IEEE International Conference on Robotics and Automation. 2012:1691-1696.
［10］付梦印,吕宪伟,刘彤. 基于RGB-D数据的实时SLAM算法［J］. 机器人, 2015(6):683-692.
［11］辛菁,苟蛟龙,马晓敏. 基于Kinect的移动机器人大视角3维V-SLAM［J］. 机器人, 2014(5):560-568.
［12］朱笑笑,曹其新,杨扬,等. 一种改进的KinectFusion三维重构算法［J］. 机器人, 2014(2):8.
［13］朱笑笑,曹其新,杨扬,等. 基于RGB-D传感器的3D室内环境地图实时创建［J］. 计算机工程与设计, 2014(1):203-207.
［14］王楚,倪建军,殷霞红. 基于改进模糊自适应扩展卡尔曼滤波的机器人SLAM算法［J］. 计算机与现代化, 2014(3):4-7.
［15］柯江胜,倪建军,吴榴迎. 一种改进的鲁棒SLAM算法［J］. 计算机与现代化, 2016(2):104-106.
［16］陈晓明,蒋乐天,应忍冬. 基于Kinect深度信息的实时三维重建和滤波算法研究［J］. 计算机应用研究, 2013,30(4):1216-1218.
［17］王梅,于远芳,屠大维,等. 基于Kinect的环境平面特征提取与重构［J］. 计算机应用, 2016,36(5):1366-1370.
［18］潘心冰. 基于Kinect的移动机器人SLAM技术研究［D］. 哈尔滨:哈尔滨工业大学, 2017.
［19］林志诚,郑松. 移动机器人视觉SLAM过程中图像匹配及相机位姿求解的研究［J］. 机械设计与制造工程, 2017,46(11):13-18.
［20］段珊珊,李昕. 基于RGBD传感器的场景自适应性视觉里程计算法［J］. 计算机与现代化, 2016(12):73-77.
［21］韦羽棉,尚赵伟. 基于Kinect的旋转刚体三维重建方法［J］. 计算机与现代化, 2014(5):89-93.
［22］林志诚,郑松. 移动机器人视觉SLAM过程中图像匹配及相机位姿求解的研究［J］. 机械设计与制造工程, 2017,46(11):13-18.
［23］段华旭,闫飞,庄严,等. 无人车基于双目视觉的同时定位与地图构建［J］. 华中科技大学学报(自然科学版), 2015,43(S1):319-323.

[1]	欧基发, 蔡茂国, 洪广杰, 詹楷杰. 基于PWLCM和秃鹰俯冲机制改进的野狗优化算法[J]. 计算机与现代化, 2024, 0(01): 109-116.
[2]	夏煌智, 陈丽敏, 毛雪迪, . 融入动态学习与高斯变异的自适应秃鹰搜索算法[J]. 计算机与现代化, 2024, 0(01): 117-126.
[3]	闫阳, 詹子俊, 曹绍华. 基于设备协同的大规模卸载：融合分治和贪心的双层优化算法[J]. 计算机与现代化, 2023, 0(11): 13-21.
[4]	卢磊, 贺智明, 黄志成. 基于多策略改进的麻雀搜索算法[J]. 计算机与现代化, 2023, 0(10): 23-31.
[5]	马国祥, 杨凌菲, 严传波, 张志豪, 孙彬, 王晓荣. 基于深度DenseNet网络的肝包虫病超声影像诊断方法[J]. 计算机与现代化, 2023, 0(09): 100-104.
[6]	赖建彬, 冯刚. 一种基于混合样本的经验回放策略[J]. 计算机与现代化, 2023, 0(06): 33-38.
[7]	林钦壮, 何昭水. 基于注意力机制的高效点云识别方法[J]. 计算机与现代化, 2020, 0(08): 51-55.
[8]	鄢丽娟, 张彦虎. 一种基于平均剩余能量的无线传感器网络分簇路由算法[J]. 计算机与现代化, 2020, 0(07): 16-20.
[9]	王振庭, 陈永府, 刘田. 智能仓储中的多机器人调度方法[J]. 计算机与现代化, 2020, 0(07): 65-70.
[10]	杨牧川, 吕晓丹, 蒋朝惠, . 云计算环境下的可修分布式系统可靠性分析方法[J]. 计算机与现代化, 2020, 0(06): 28-.
[11]	李科心, 李静, 邵佳炜, 肖屹. 多层次序列集成的高维数值型异常检测[J]. 计算机与现代化, 2020, 0(06): 73-.
[12]	常雪，石鸿雁. 基于改进蝙蝠算法优化的FCM聚类算法[J]. 计算机与现代化, 2020, 0(05): 29-.
[13]	文晶，郑扬飞. 基于Stacking的社区矫正人员标签生成[J]. 计算机与现代化, 2020, 0(03): 60-.
[14]	邓国强，韩颖铮. 一种基于改进堆优化Dijkstra算法的最小费用最大流算法 [J]. 计算机与现代化, 2020, 0(02): 8-.
[15]	赵然1,2，郭志川1,2,朱小勇1,2. 一种基于Levy飞行的改进蝗虫优化算法[J]. 计算机与现代化, 2020, 0(01): 104-.

基于Kinect三维重构的特征点提取改进

Improvement for Feature Point Extraction Based on Kinect 3D Reconstruction

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价