三维距离图像基于特征估计与贝叶斯推理的自适应重构研究

Currently, the feature extraction method for range image focuses on how to avoid the disadvantage of image distortion and information absence by various algorithms, instead of changing the quality of image. The project is going to study the adaptive reconstruction method for noisy 3D laser range image. The suggested method is composed of resolution adjustment, distortion correction and noise suppression. So feature recognition is improved by changing the quality of range image. We introduce Bayesian inference technique in statistics to build reconstruction probability model of 3D range image. By regarding the range image as the discrete sampling points in the state space, image reconstruction is realized by Monte Carlo method which calculates the posterior distribution of feature boundaries. By the Rao-Blackwellize decomposition, the whole process is divided into the resolution adjustment based on particle filtering and the range value filtering based on unscented Kalman filtering. Our method builds the feature estimating model according to the local shape of range image, and uses it to estimate the prior probability distribution of feature boundaries. Then the method uses distribution to construct the importance function in such a way that the feature boundaries will not shift and distort after reconstruction. Consequently, the reconstruction improves the image while suppressing noise. The method is introduced to extract features from 3D range image, which helps robot to localize in 3D space. The research findings will provide a new idea of analysis and feature extraction for range image.

现有距离图像特征提取方法主要利用各种算法来避免图像失真与信息缺失等不利因素的影响，而不改变图像原有质量。本项目以改善图像质量提高特征辨识度为目的，研究具有分辨率调整，噪声抑制与畸变校正功能的三维距离图像自适应重构技术。将距离图像看作状态空间中的离散采样点集，采用统计学中的贝叶斯推理建立概率调整模型，通过蒙特卡罗方法求取图像特征边界位置的联合后验概率实现图像的重构。通过Rao-Blackwellize分解技术，将整个重构过程分解为基于粒子滤波的分辨率调整与基于无嗅卡尔曼滤波的距离值滤波。并根据距离图像局部形状构建特征估计模型，采用最优估计方法计算特征边界先验概率分布，以此构建重要性抽样函数，保证图像重构前后特征不会发生变形与偏移，在抑制噪声的同时改善图像分辨率。将该项技术用于三维距离图像特征提取，解决移动机器人三维空间特征定位问题。本项目研究为三维距离图像的分析处理和特征提取提供一种新思路。

现有距离图像特征提取方法主要利用各种算法避免图像失真与信息缺失等不利因素的影响，而不改变图像原有质量。本项目针对三维距离图像自适应重构若干关键问题开展了深入研究，包括三维距离图像概率重构模型、距离图像重构实现、三维距离图像局部特征估计模型的建立、自适应滤波与畸变校正、距离图像分辨率调整、基于距离图像的机器人三维空间位姿估计、基于二维激光测距仪的三维距离图像采集系统的设计与标定等。重要研究进展包括：.在三维距离图像重构模型研究中，提出了基于贝叶斯推理的三维距离图像概率重构模型，在概率的框架下对距离图像进行滤波、畸变校正与分辨率调整。.在距离图像重构实现研究中，设计了结合粒子滤波（Particle Filter, PF）与无嗅卡尔曼滤波（Unscented Kalman Filter, UKF）的组合多模态贝叶斯滤波估计器。.在特征估计模型的研究中，为了更好对图像局部特性进行估计，提出了具有邻域自适应调整的微切平面、球面与二次曲面的特征估计模型。.在自适应滤波与畸变校正研究中，提出了基于特征估计的多尺度三维距离图像自适应滤波算法。.在分辨率调整研究中，提出了基于概率重采样的三维距离图像分辨率调整。.在基于距离图像的机器人三维空间位姿估计研究中，将图像重构思想应用于机器人本体三维空间位姿计算与目标物体的相对位姿计算，提高了计算的精度。.在二维激光测距仪的三维距离图像采集系统的设计与标定研究中，提出了基于任意非透明平面参考物的快速标定方法，减小了测量系统的安装与系统误差。.本项目的研究成果在激光测距仪或视觉系统所采集的距离图像的处理中得到了成功的应用，对基于距离图像的导航定位、环境感知等具有重要的意义。