基于點云數(shù)據(jù)的水下目標三維特征提取與定位技術研究.pdf

1、水下無人機器人(AUV)在執(zhí)行交互任務時需要準確的視覺引導信息，由于結構光測量系統(tǒng)的測量精度基本不受光線折射和衰減效應的影響，被廣泛應用于水下目標的三維重建。而水下場景的非結構化、目標與其他水下物體重疊和遮擋、測量數(shù)據(jù)單視散亂的特點，均為水下目標的定位帶來困難。針對水下目標定位的諸多問題，本文在隨機抽樣一致性原理(RANSAC)的基礎上，研究了一種基于點云數(shù)據(jù)的水下目標三維特征提取與定位技術。本文的研究內容有以下幾個方面:
　　1

2、.基于水下目標包含的規(guī)則部件模型的曲面特征及成像后的邊緣特征，將目標模型描述成圖像線特征與點云面特征的組合，并以目標的線特征與面特征作為定位的先驗信息。
　　2.對目標視場圖像進行分割運算和邊緣提取運算，將視場圖像分割成若干包含目標或者不包含目標的區(qū)域。按照先驗信息中對目標線特征的描述，依次對分割區(qū)進行特征線檢測，滿足條件的作為目標區(qū)域。
　　3.提出一種基于RANSAC算法的二維橢圓線檢測方法，依據(jù)表征橢圓完整度的評價系數(shù)

3、，實現(xiàn)對圖像邊緣中的橢圓線的檢測。
　　4.根據(jù)結構光測量系統(tǒng)所得圖像與點云的映射關系，提取投影到目標區(qū)域中的點云，并按照先驗信息中對目標面特征的描述，對該部分點云進行特征面檢測，初步估計目標的尺寸和位姿參數(shù)的近似值并提取目標點云。
　　5.采用基于RANSAC算法的三維曲面檢測方法，實現(xiàn)對點云中的規(guī)則曲面如:球面、圓柱面、圓錐面、圓臺面及長方體面等的識別。
　　6.針對曲面模型參數(shù)不統(tǒng)一的問題，采用超二次曲面作為目標

4、的部件化模型，將不同類型的曲面變?yōu)榫哂幸恢聟?shù)的超二次曲面模型。
　　7.以目標的尺寸和位姿參數(shù)的近似值為初值，基于超二次曲面的標準方程建立非線性目標函數(shù)，采用Levenberg-Marquardt(LM)算法對目標參數(shù)進行全局優(yōu)化，從而得到目標的定位結果。
　　本文算法無需對目標場景點云進行分割，也無需對目標進行離線建模，僅需要提供目標成像邊緣包含的線特征及本身曲面特征，即可實現(xiàn)目標的自主定位。通過實際實驗對本文算法進行驗