基于深度相機的剛性物體典型運動特征重建.pdf

1、隨著3D掃描設備的發(fā)展，用這些設備來獲取現(xiàn)實生活中的物體的三維表面數據已經成為可能。尤其當微軟的Kinect，華碩的Xtion，英特爾的RealSense等深度相機的出現(xiàn)，人們獲取這些三維數據的成本也大大降低。如今的3D掃描設備既能夠獲取人造物體的表面數據也能夠掃描自然界本身存在的物體的表面數據，基于此，越來越多的關于物體表面幾何重建的技術被提出。然而，靜態(tài)的物體模型所包含的物體本身的信息是有限的，因此越來越多的研究者們開始積極探索新的

2、掃描分析技術來獲取動態(tài)物體的動態(tài)信息，比如重建物體的運動特征。與物體的幾何特征相比，物體的運動特征更加簡潔明了地反映出物體本身的功能特性。事實上，物體的運動特征包含著很多有價值的信息，對于一個關節(jié)式物體來說，物體的運動特征包含著物體各部分的運動參數，包括關節(jié)類型，關節(jié)的位置，關節(jié)在三維空間的軸向，運動速度以及其他時空參數。這些特征在機械交互，機器人動力學，人體運動分析，計算機視覺等領域都有著及其重要的作用。
　　然而，通過3D掃描

3、設備獲取的三維動態(tài)數據來分析關節(jié)式物體的運動信息是一件非常具有挑戰(zhàn)性的工作，因為用這些設備獲取的物體的動態(tài)數據是低質量的。由于3D掃描設備本身具有有限的分辨率和幀率，在掃描的過程中，被掃描的物體可能會進行快速的運動，從而導致掃描儀獲取的三維數據點比較稀疏并且具有很多的噪聲點。另外，物體運動部分的數據可能會因為幻影效應產生很多異常數據點，或者因為自身遮擋問題而導致數據缺失。
　　本文提出一種有效地從深度相機獲取的低質量動態(tài)數據中直接

4、分析出剛性關節(jié)式物體的運動特征的4D RANSAC方法。與傳統(tǒng)的運動特征重建方法不同，該方法完全跳過了重建物體本身的幾何信息，選擇直接探尋物體內部運動機理，提取物體每個關節(jié)的運動類型，運動參數，自由度等信息。RANSAC算法的優(yōu)點在于它的魯棒性，即使數據集中存在大量的異常值，RANSAC算法也能夠精確地估計出擬合該數據的模型。和傳統(tǒng)的RANSAC方法相似，本方法將其擴展到4D的時空數據集上，進而擬合出關節(jié)式物體每個關節(jié)最好的運動模型。由