基于激光扫描的三维场景重建方法研究

论文总字数：25467字

摘 要

基于激光扫描数据的三维场景重建是光学传感器应用研究中的重要课题。激光雷达获取的扫描信息能够克服传统二维图像重建场景在三维信息完整性和几何准确性上的局限性，为地图重建、机器人导航控制等领域提供精准信息。

本文使用Robosense公司的RS-LiDAR-16激光雷达，通过对激光雷达扫描数据进行分析，对基于激光扫描的三维场景技术进行了研究。本课题的研究内容主要分为四个部分：点云数据的获取、点云数据的处理、模型的建立、训练与识别。通过对上述步骤的实现，设计了一个基于激光扫描数据的三维场景重建系统。该系统使用激光雷达扫描获取外部环境信息，将获得的点云数据进行保存与转换。然后重点分析了圆柱投影将三维网格转换为二维全景视图的方法，通过该方法建立模型对点云数据进行处理。最后使用迁移学习和再训练的方式对系统进行训练，使得系统能够分辨环境场景中的各类物体。

通过对上述各部分的研究和实验，基本实现了对场景中物体进行识别分类的功能，从而实现三维场景重建的目的。

关键词：激光雷达，点云，圆柱投影，模型训练

ABSTRACT

3D scene reconstruction based on laser scanning data is an important topic in the application research of optical sensors. The scanning information acquired by the laser radar can overcome the limitations of the traditional two-dimensional image reconstruction scene in three-dimensional information integrity and geometric accuracy, and provide accurate information for map reconstruction, robot navigation control and other fields.

The system uses Robosense's RS-LiDAR-16 laser radar to analyze the laser radar scanning data and analyze the 3D scene technology based on laser scanning. The research content of this topic is mainly divided into four parts: the acquisition of point cloud data, the processing of point cloud data, the establishment of models, training and recognition. By implementing the above steps, a 3D scene reconstruction system based on laser scanning data is designed. The system uses lidar scanning to obtain external environmental information, and saves and converts the obtained point cloud data. Then the paper focuses on the method of transforming the 3D mesh into a 2D panoramic view by cylindrical projection. The method is used to process the point cloud data. Finally, the system is trained by means of migration learning and retraining, so that the system can distinguish various objects in the environment scene.

Through the research and experiments on the above parts, the function of identifying and classifying objects in the scene is basically realized, thereby realizing the purpose of three-dimensional scene reconstruction.

KEY WORDS: Lidar, point cloud, cylindrical projection, model training

目 录

摘 要 Ⅰ

ABSTRACT Ⅱ

第一章 绪论 1

1.1 引言 1

1.2 研究现状 1

1.3 本文的研究目的和主要研究内容 3

第二章 点云数据的获取 5

2.1 激光雷达介绍 5

2.1.1 RS-LiDAR-16激光雷达简介 5

2.2 ROS简介 6

2.3 点云数据的获取 6

第三章 点云数据的处理 8

3.1 点云数据学习的难点 8

3.2 点云数据的网格化 9

第四章 模型的建立 11

4.1 圆柱投影处理3D网格物体 11

4.2 全景视图构建 14

4.3 全景视图的预处理 15

第五章 训练与识别 16

5.1 神经网络 16

5.2 卷积神经网络 17

5.3 再训练和分类识别 18

5.3.1 TensorFlow 19

5.3.2 迁移学习与再训练 19

5.3.3 测试神经网络的分类效果 20

第六章 模拟场景重建 23

6.1 Unity3D简介 23

6.2 使用Unity3D模拟场景重建 23

第七章 总结与展望 27

参考文献 29

致 谢 31

第一章 绪论

1.1 引言

我们生活在三维世界中，然而受到数据处理和重建技术水平的限制，我们对于场景的重建往往基于二维数据，比如照相机、摄像机等等。三维重建技术，正是基于这种情况应运而生的。不同于传统二维重建对二维数据的处理，三维重建会通过数据获取、数据预处理、表面生成等方法收集周围场景的三维数据并进行处理，从而对三维物体或场景建立适合计算机理解和处理的数学模型， 进而实现三维场景重建。

本毕业设计课题要求研究三维重建技术，并实现激光扫描三维重建。激光扫描数据来源于激光雷达，作为一种非接触式的三维信息采集设备，激光雷达可以在不接触物体表面的情况下直接获取目标表面的三维信息，如距离、角度、反射率等，从而计算出物体的三维信息。激光雷达对周围环境发射激光，通过检测发射信号与反射信号之间的相位差求出两信号之间的时间差，进而计算出目标位置距离激光雷达本身的距离，再加上激光雷达自身的角度、扫描速度等信息，就可以得到周围环境的三维数据点信息。由于三维数据点信息通常是非常密集的，因此被形象地称为点云。

传统的三维重建通常是对三维点云数据进行处理，通过网格化、添加纹理表面等方法进行直接的重建。但是这种重建方法存在一定的缺陷，即计算机本身本不能够理解重建出的场景。因此，本文尝试对三维点云数据进行处理和训练，通过神经网络的学习，使计算机能够对输入点云信息进行分类，以达到将物体进行识别的目的。

剩余内容已隐藏，请支付后下载全文，论文总字数：25467字