Kinect深度图像修复算法

针对Kinect深度数据不稳定,深度图像与彩色图像存在偏差,图像噪声较大和空洞等问题,提出了一种Kinect深度图像修复算法.首先,设计了一种Kinect标定方法,完成深度图像与彩色图像对准;第二,利用深度数据的时间相关性,实现了深度图中不稳定数据的重计算;第三,借助于深度数据空间相关性,并结合颜色一致性约束,填补了深度图中(缺失的数据)空洞;最后,设计了一种改进的双边滤波器,在平滑深度图像数据的同时保留了边缘信息.实验结果表明,修复后的深度图像整体平滑、边缘清晰,与原始深度图像相比,空洞明显减少,深度图像质量大大提高.

基于Kinect的机器人臂手系统的目标抓取

为了实现机器人臂手系统的目标抓取,采用Kinect对目标信息进行实时检测.首先,采用张正友棋盘标定法完成对Kinect内外参数的标定.其次,利用深度信息进行深度分割,滤除大部分干扰背景,再通过颜色与形状特征实现目标的识别与定位.将识别对象的3维坐标通过以太网发送至机械臂控制台,随后机械臂移动至目标位置.最后采用变积分PID算法控制灵巧手接触力,保证响应的快速性及精密性,实现灵巧手的精细抓取.通过设计一套完整的实验系统验证了该方法的有效性.

采用两台Kinect相机的三维人体数字化

三维重建技术在计算机视觉领域中一直是一个重要的研究课题。本文采用由两台Kinect构建的系统对人体进行三维重建,首先利用张正友方法对两台Kinect进行标定;其次,分别使用两台Kinect对人体进行上下半身全面数据扫描并获取相应的三维点云;最后,利用ICP算法对上述两组点云数据进行拼接以得到完整的人体三维点云模型。实验结果表明,本文提出的方法在人体三维重建方面效果较好,具有广泛的使用价值。

双Kinect联合扫描点云配准方法

大型场景或者大尺寸物体的三维重建无法由单台设备完成,而由多台设备采集得到的点云位置偏移较大,一般的点云配准方法无法达到三维重建所需的精度。该文提出了一种基于Kinect标定的点云配准方法。首先通过棋盘格标定算法对两台Kinect进行标定,然后利用标定得到的相机内外参数计算不同视角下点云数据间的运动参数,接着根据得到的运动参数,对原始采集的点云数据进行初始配准。在此基础上,采用改进的迭代最近点算法,对初始配准后的点云数据进行精确配准。实验结果表明,与直接采用改进的ICP算法相比,该方法配准结果无明显的错位现象,且计算速度提高了15%左右。