摘要:3D场景重构问题是众多研究人员的探讨的热点问题，3D场景重构信息可以应用于人类生活的各个方面。Kinect相机的出现解决了激光扫描设备以及深度相机系统在采集深度信息方面的诸多问题，它具有简单、廉价、使用方便的种种优点，这使它可以实现深度相机功能。基于深度图像信息，可以将室内场景或者物体分割并且识别出来。在应用移动机器人的领域，比如自主定位和地图构建等，Kinect的应用很广泛，然而，由于Kinect深度相机自身具有较大误差以及图像噪声，严重影响了它应用在3D场景重建、空间图像拼接中的精度。

基于这个问题，首先需要对Kinect的深度相机和RGB相机分别进行标定，然后获取相机的内外参数，并且，针对深度图像的噪声问题，提出了利用自适应滤波方法对图像进行处理，初步采用双边滤波算法，但由于其存在局限性，所以提出使用双边滤波算法的改进算法，联合双边滤波算法。而针对算法速度慢的问题，本文引进了快速高斯变换对算法运算过程进行简化，提升算法速度。

经过实验验证，将双边滤波算法和联合双边滤波算法经过仿真比较后发现，联合双边滤波算法不仅能达到和双边滤波算法一样的使图像边缘平滑的效果，而且能有效去除黑色斑点噪声，最后得出的3D场景重建模型整体轮廓清晰，误差小。

关键词：3D场景重建，Kinect，相机标定，联合双边滤波，ICP算法

目录

摘要

Abstract

第一章 前言-4

1.1 国内外研究现状-4

1.2 课题研究的意义-5

1.3 课题研究的主要内容-5

第二章 Kinect相机的标定-6

2.1 Kinect相机的原理-6

2.2 标定过程-10

2.2.1 坐标变换-10

2.2.2 标定的步骤-11

2.2.3 标定结果-12

2.3 小结-13

第三章 深度图像的滤波算法-14

3.1 深度图像噪声分析-14

3.2 深度图像滤波算法概述-15

3.2.1 双边滤波器-15

3.2.2 联合双边滤波器-16

3.3 实验结果分析-17

3.4 算法的性能分析-19

3.5 算法的提速-20

3.6 小结-21

第四章 点云数据的配准与场景重建-22

4.1 ICP算法概述-22

4.2 ICP算法分析-22

4.3 场景重建-24

4.4 小结-26

第五章 结语-27

参考文献-28

致谢-29