基于红外影像的MLS点云信息增强

论文摘要

在大数据时代,利用单个传感器获取的数据难以获取足够的信息,对不同任务,不同对象进行全面的描述。随着智慧城市对不同数据的需求增大,如何利用多传感器进行数据融合成为现在的研究方向[1]。红外影像解译通常利用人工来完成,耗时且结果往往不准确的。利用图像序列丰富3D MLS点目标,将热红外图像与点云相结合,生成物体的三维红外模型来描述物体的几何特性以及其温度分布/发射特性,有助于包括热监测,泄漏检测,定位能量损失,等多种任务。尽管现有研究研究中包含热红外图像与3D数据结合,但现有的将红外影像与移动激光点云进行配准生成红外模型的研究仍较少。在本文中,我们提出了一种用于单个红外图像和点云共同配准的半自动过程,包括关键点检测,相应的点对生成,姿态估计和3D红外模型生成。还测试了应用RANSAC的自动方法。此外,为了实现图像序列的低成本处理,我们试图找到图像之间的相对姿势。测试了具有半自动共同配准的sfm方法。在本论文中,我们证明了可以生成三维热模型,通过共同配准来丰富MLS点云中的信息。结果取决于估计的相机姿势。提供最佳共同登记结果的半自动方法。由于图像中的关键点与点云之间缺乏对应关系,RANSAC自动相机姿态估计的结果不尽如人意。smf可用于通过生成图像之间的相对姿势来减少计算,但IR相机的校准参数需要足够准确。

论文目录

• 摘要
• Abstract
• 1 Introduction
•   1.1 Motivation
•   1.2 Problem
•   1.3 Assumption
•   1.4 Structure of the thesis
• 2 Literature Review
•   2.1 Development of data fusion
•   2.2 Image and3D information co-registration
•   2.3 State of art methods for3D thermal modeling
• 3 Method
•   3.1 Pre-processing
•     3.1.1 Camera calibration
•     3.1.2 Pre-processing of point cloud
•   3.2 2D-3D co-registration
•     3.2.1 Keypoints extraction
•     3.2.2 Corresponding points generation
•     3.2.3 Camera Pose Estimation
•     3.2.4 RANSAC
•   3.3 Thermal3D model generation
•   3.4 Sequential Process
•     3.4.1 Relative pose estimation
•     3.4.2 Structure from motion
• 4 Result and Discussion
•   4.1 Data
•   4.2 Pre-processing
•     4.2.1 Camera calibration
•     4.2.2 Pre-processing of the point clouds
•   4.3 2D-3D co-registration
•     4.3.1 Keypoints extraction
•     4.3.2 Semi-automatic process
•     4.3.3 RANSAC
•   4.4 Thermal3D model generation
•   4.5 Sequential Process
•     4.5.1 Relative pose estimation
•     4.5.2 Structure from motion
•     4.5.3 Final result
•     4.5.4 Verification
• 5 Conclusion and outlook
•   5.1 Conclusion
•   5.2 Outlook
• Reference
• 致谢

文章来源

类型: 硕士论文

作者: 朱菁玮

导师: Uwe Stilla,方志祥,Yusheng Xu

关键词: 红外图像,点云,三维热模型,配准

来源: 武汉大学

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 武汉大学

分类号: P237

总页数: 63

文件大小: 5170K

下载量: 4