2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩70頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、近些年,三維技術(shù)逐漸開始成熟,三維立體電影、電視、三維虛擬試衣、虛擬網(wǎng)上購物商城、虛擬會議、體感(Natural Interaction)游戲等逐漸被市場接受。三維配準是這些應用的重要核心技術(shù)。三維配準技術(shù)一般通過激光或紅外等技術(shù)從不同角度對物體進行掃描,采集物體各個側(cè)面的三維數(shù)據(jù),形成若干個三維坐標點的集合(簡稱點云),由于每個點云的坐標系不同,所以,如何把不同三維坐標系下的點云自動拼接(簡稱配準)到一起,并且形成一個完整的三維模型,

2、是三維建模的關(guān)鍵和難點。但是,現(xiàn)有的產(chǎn)品大多是價格昂貴或操作復雜的企業(yè)級產(chǎn)品,缺少可以給普通消費者使用的產(chǎn)品。
  針對這個問題,本文從用戶使用便捷、配準效果良好、總體成本低廉三個方面出發(fā),基于體感設備,重點研究人體頭部的三維點云的識別和配準,比較、分析配準領域內(nèi)各種算法,設計并實現(xiàn)了一個基于體感設備的人體三維點云配準系統(tǒng)原型(簡稱本配準系統(tǒng))。論文所作的工作主要包括以下幾點:
  1)對點云識別配準領域的各種算法進行分析、

3、比較,從體感應用的角度出發(fā),選擇使用最合適的算法組合進行識別配準,重點分析ICP(Iterative Closest Point,最近點迭代)算法[1]、FPFH(Fast Point Feature Histograms,快速點特征直方圖)算法[2]、RANSAC(RANdom SAmple Consensus,隨機抽樣一致)算法[3],SVD(Singular Value Decomposition,奇異值分解)算法[4][5]。<

4、br>  2)針對FPFH算法復雜、特征量多的問題,本文提出了TNFH(Triangle Normal Feature Histograms,三角法線特征直方圖)算法。TNFH算法只關(guān)注三角面法線夾角特征,簡化了特征計算,配準率和FPFH相當。
  3)采用多層系統(tǒng)架構(gòu)設計,底層三維信息采集基于單個微軟Kinect體感設備[6],驅(qū)動采用開源OpenNI框架[7]。提出按照相似點評估、相似點提純、轉(zhuǎn)換評估、對齊點云的點云配準步驟,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論