matlab0514 点云的三维重构matlab仿真（无论文）

项目介绍

1、点云滤波方法的研究，本文主要设计研究离群点移除和双边滤波、高斯滤波、条件滤波、半径滤波、体素滤波； 得到点云数据后，往往点云中会存在一些噪点，这些噪点会影响三维模型的建立，若不去除，最后建立的三维模型将会与原物体相差很大。而噪声的去除和点云特征细节的保留是相互矛盾的。在去除噪声时应该尽可能地保持点云的特征。本文采用直通滤波器、体素滤波器、统计滤波器、条件滤波器、半径滤波器进行处理的。 2、点云关键点提取方法的研究，本文主要设计研究三种关键点提取算法Narf关键点、SIFT关键点、HARRIS关键点。 点云中的数量很多，少则几十万个点。若进行处理时用全部的点来计算，耗费的时间是巨大的。为了减小计算时间，实际中只选取点云中一部分点作为研究对象。首先对原始点云进行下采样。这样大大的减小了数据量，方便后续关键点的提取。 3、特征的计算以及特征的匹配，本文主要设计研究点直方图特征描述子与其改良方法 特征描述及提取是点云处理中最关键最基础的一步，点云的分割、识别、配准、曲面重建等大部分算法，都非常依赖特征提取的结果。本文在粗配准时采用特征提取来计算出初始变换矩阵。 在获得关键点后，计算出这些关键点的特征进行匹配，根据匹配的结果计算出变换矩阵，对点云进行变换，就得到了粗配准结果。 特征提取的好环影响到初始变换的准确性，一个好的初始变换使得ICP配准的精度很高，而一个差得初始变换可能使ICP收敛到局部最优解，导致配准结果不理想。从尺度上来分类，特征一般分为局部特征和全局特征，局部特征有法向量、曲率、几何形状描述等等，全局特征有拓扑特征描述等等。本文采用点特征直方图（PFH）描述子与快速点特征直方图（FPFH）描述子。 4、经典的点云配准算法ICP算法，及其对其进行改进 为了得到被测物体的完整模型，需要将各个视点得到的点云都转换到同一个坐标系下，这个过程就是点云配准。点云配准分为手动配准、借助仪器配准和自动配准。配准实质是找到一个旋转平移矩阵（RT矩阵），使两个视角下测得的点云经过旋转平移后距离最小。 配准研究的重点是自动配准算法。其中应用最广泛的是Besl等提出的ICP算法。