[发明专利]基于惯性测量单元与RGB-D传感器的三维重建方法

说明书

技术领域

本发明涉及一种基于RGB-D传感器的三维重建方法，特别涉及一种基于惯性测量单元与RGB-D传感器的三维重建方法。 

背景技术

文献“Henry P,Krainin M,Herbst E,et al.RGB-D mapping:Using depth cameras for dense 3D modeling of indoor environments[C]//In the 12th International Symposium on Experimental Robotics(ISER.2010.”公开了一种基于RGB-D传感器的三维重建方法。该方法利用SIFT(Scale-invariant feature transform)特征通过RANSAC(RANdom SAmple Consensus)算法得到一个粗略的运动估计，然后利用ICP(Iterative Closest Point)算法进行点云匹配来改善初始估计，在检测到环闭合(loop closure)后，将所有的点云集通过TORO(Tree-based netwORk Optimizer)优化算法进行全局优化。文献所述方法由于SIFT特征的选择以及RANSAC算法的速度的原因，不能够满足三维构图的实时性；对于粗略估计方面，若粗略运动估计的结果误差较大，ICP算法将不能得到一个满意的效果；对于全局地图优化方面，通常是由特征点提取和数据融合(Frontend)与优化特征点和位姿(Backend)两部分相互迭代直到收敛完成的，效率不高。 

发明内容

为了克服现有基于RGB-D传感器的三维重建方法实时性差的不足，本发明提供一种基于惯性测量单元与RGB-D传感器的三维重建方法。该方法首先采用SURF算法进行关键点的提取，然后计算关键点三维快速点特征直方图FPFH描述子；其次通过惯性测量单元获得RGB-D传感器的粗略运动估计，将该粗略估计与由三维点云计算而来的运动估计通过算法处理得到较为精确的运动估计，然后将其作为ICP算法的初始值进行迭代计算；最终当检测到Loop Closure时，通过ELCH算法快速对全局构图进行优化。由于利用SURF算法寻找关键点，并采用三维快速点特征直方图FPFH特征作为关键点的特征描述子，提升了三维重构算法在特征提取时的速度；在粗匹配的过程中，由于采用惯性测量单元对传感器位姿的估计与三维特征点云对传感器位姿的估计结合的方法，相对于背景技术RANSAC算法，减少了搜索的次数，提高了效率； 由于为ICP算法提供了一个较为准确的初始值，防止ICP算法局部收敛，提升了匹配的精度；最终的地图优化部分，采用ELCH算法避免了通常所用地图优化算法所必须的迭代的过程，提升了算法的速度。 

本发明解决其技术问题所采用的技术方案是：一种基于惯性测量单元与RGB-D传感器的三维重建方法，其特点是包括以下步骤： 

步骤一、采用SURF算法进行关键点的提取，接下来采用基于局部表面拟合的方法计算各关键点处法向量，然后计算关键点的三维快速点特征直方图FPFH描述子 

FPFH(Pq)=SPFH(Pq)+1kΣi=1k1ωk·SPFH(Pk)---(1)]]>