答辩讲稿_答辩现场讲稿

答辩讲稿由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“答辩现场讲稿”。

讲稿

各位老师好，我的毕业论文的题目是三维配准中FPFH特征提取算法的研究，首先来看一下我的论文主要内容，主要内容分为：图像配准及三维点云配准的简单介绍，对三种点特征表示方法：估计法线、点特征直方图（PFH）、快速点特征直方图（FPFH）的描述以及提取，通过实验对三种点特征表示进行提取、最后对比PFH和FPFH的性质分析得出结论，通过对实验结果的观察总结验证结论。

下面来看一下图像配准，图像配准技术是将同一场景（或物体）在不同时刻，不同传感器，不同视角及不同拍摄条件下得到的两幅或者多幅的图像进行匹配的过程。图像配准是图像处理的一个基本问题，广泛应用于医学、军事、遥感、计算机视觉等众多领域。图像配准的最终目的在于建立两幅图像之间的对应关系，图像配准来源于很多实际问题，比如将不同图像传感器获得的信息融合，或者将不同时间，条件下获得图像进行差异检测等等。

下面是三维点云配准，点云是指通过激光、雷达扫描、立体摄像机等设备三维测量出的海量的表现出目标表面特征的点的集合。点云配准问题是将各种重叠的三维点云数据视图一致对准，形成一个完整的模型（在一个刚性的意义上）。对实物进行三维测绘产生庞大的点云，但得到的点云数据可能由于平移或者旋转错位等原因导致不完整，点云配准技术通过一定算法计算两块点云之间的错位，确定一个合适的坐标变换，将不同视角下获得的点云数据合并到一个同一的坐标系中，形成完整的点云。点云配准技术广泛应用于立体3D影像、虚拟现实、CAD/CAM、逆向工程等领域。

点云配准的大概过程可以通过该图直接地体现出来。首先从两个数据集中选取一些关键点，对这些关键点进行特征的描述提取，通过比较两个数据集中相似位置特征的相似度来估算对应点对，除去因为噪声等因素对配准有影响的错误点对。利用正确的对应关系来估算刚体变换完成配准。可以看出特征描述及提取是配准的基础同时也是最为关键的一步。

下面来介绍下三个点特征的表示方法，点特征的表示方法的提出是因为原始形式下，一个点通过笛卡尔坐标系的坐标XYZ来表示的，但是在这个三维映射系统中，假设给定一个原点，且原点不随时间而改变的，若分别在时间1和2分别捕获点1和2，他们拥有相同的坐标，但把他们和其邻近环境放在一起时，他们表达的几何信息就不同了，所以单一的实体三维点和笛卡尔坐标就被淘汰了，通过点特征的表示方法代替。

估计法线是一种最简单的点特征表示方法，点云数据中点所在处的相关法线是表现这一点所在表面几何性质的重要属性。想要求得一个点的表面法线即要求得点所在的近似估计表面的相切面的法线。可以把求法线的问题转换成一个最小二乘法的平面拟合问题。首先对要求的样本点进行邻近元素的查询，搜索确定样本点的k邻域。然后估计样本点邻近元素的三维质心坐标，这个坐标就是所有邻近点坐标值的平均值。然后利用公式计算样本点及邻近点组成点集对应的协方差矩阵，并计算协方差矩阵的特征值和特征向量，最大的特征值对应的特征向量作为样本点的相关法线。

点特征直方图（PFH），将样本点和其k邻域之间和关系和他们的估计法线之间的关系统计到一个直方图中来描述样本点周围的局部几何特征信息。首先对样本点p进行k邻域的搜索，对点p这个k邻域的任意2个不相同的点定义一个局部的UVW坐标系，用一组角度来表示他们估计法线之间的偏差。从图中可以看出PFH的计算影响范围，这是一个点对的局部坐标框架和三个角度来表示估计法线之间的偏差。统计直方图时，将每个特征值的取值区间分成5份，这样组成了125个区间，使每个点对都能落入符合的区间。

快速点特征直方图（FPFH）在形式上与PFH是一样的，具体的计算是，对样本点，计算他和其k邻域内每个点之间的三个特征值，统计在一个直方图中，简称（SPFH），分别确定k邻域中每一个的k邻域，按第一步分别形成自己的SPFH，通过下面这个公式计算出最终的FPFH，其中权重代表样本点与邻域点之间的距离。统计时与PFH有些不同，为了更加快速，将每个特征值分割成11个区间，组成一个33区间的范围，每个点对根据特征值可以落入三个不同区间。这个图是FPFH的计算影响范围。

下面是一些实验的结果展示，这个实验的执行程序是在PCL特征模块的基础上编写完成的，PCL是一个大型跨平台C++的开源库，他实现了大量点云相关的通用算法和高效的数据结构。本次实验的点云数据来源于互联网，这是点云数据的部分数据截图，右边是点云数据的三维可视图，应该是一个零件模型。第一个实验是求解估计法线，简单流程就是打开点云文件，创建一个估计法线的对象，将数据传递给他，搜索查询点k邻域，计算数据，存储，最后输出，可视化。

最后是总结，从4点对PFH和FPFH进行了分析。

但还是存在很多不足之处，比如对PFH和FPFH特征进行比较时，仅仅通过查看4个点的特征信息来总结并且验证结论，可能导致验证结论说服力不强；本文实验选取的模型比较单一，可能复杂度不够, 没有那么强的代表性等等。我认为在三维点云配准技术的特征描述及提取这一领域上，未来要做还有很多，如何将PFH的准确和FPFH的快捷结合起来是我们需要研究和优化的。而且我们不仅仅是要改进完善现有的点特征表示方法，更要发现、创造出更能表现出三维点云几何特征的点特征表示方法。