基于邻域曲率改进的迭代最近点激光雷达目标点云配准

为解决激光雷达目标点云配准技术中精确配准步骤中所存在的匹配速度慢和匹配误差大的问题，提出了一种基于邻域曲率改进的迭代最近点（ICP）精准化匹配算法。初始配准采用传统的主成分贴合法，给精确配准找到一个较好的初始位置，精配准采用基于领域曲率改进的ICP算法。以斯坦福兔子和场景点云作为实验研究对象，配准结果和数值分析共同表明，基于邻域曲率改进的ICP算法在点云配准中的可行性，且与其他算法相比，所提算法的配准速度更快、匹配精度更高，为三维数据重建和目标识别技术提供一种更高效的新方法。     

基于深度传感器的多视角点云配准研究

为了解决大尺寸对称物体在多视角配准过程中出现的误匹配点对和累计误差问题,提出了一种基于深度传感器的多视角点云配准算法。首先,使用深度传感器获取目标物体不同视角下的多片点云并进行预处理,对物体单侧相邻点云采用超四点快速鲁棒匹配算法(Super 4-points congruent sets, Super4PCS)进行粗配准,利用改进的点到平面ICP算法去除误匹配点对并进行精配准,之后将左右两部分的点云拼接,从而获取完整的三维点云模型。最后,针对多视角配准出现的累计误差问题,提出了一种全局优化方法从而减少累计误差。实验结果证明所提方法可以精准地完成多视角点云配准,获得准确的三维点云模型。     

激光扫描与倾斜摄影空地协同的建筑物三维模型构建方法

建筑三维模型是智慧城市建设的关键空间数据基础设施。针对当前倾斜摄影建模、激光点云建模等单一建模方法存在局限性，融合建模方法存在工作量大、效率低、误差积累大等问题，提出一种利用激光扫描与倾斜摄影空地协同的建筑物实景三维模型构建方法。首先利用倾斜摄影获取建筑顶层和侧面中上部分的点云，增加贴近摄影方法提升建筑侧面效果，利用激光视觉跟踪快速扫描建筑物中低层并实时拼接。其次对两种点云进行去噪与精简，采用特征点匹配算法与ICP配准方法结合的方式进行精确配准，最终构建完整的建筑实景三维模型。最后通过试验开展模型结果分析、精度评估及效率分析。结果表明，该方法构建的三维模型不仅效果较好、精度高，而且效率得到较大提升，为建筑物三维模型构建提供了一种新方法，具有很好的工程应用价值。     

基于改进ICP拼接算法的柔性抛光气囊工具磨损检测方法

气囊抛光可用于加工具有纳米级表面粗糙度和亚微米级形状精度的非球面光学元件，在光学元件加工领域应用广泛。传统气囊工具磨损检测方法成本高、耗时长、效率低，针对该问题，提出一种基于拼接数据采集平台的改进迭代最近点（ICP）拼接算法的气囊磨损检测方法。该方法通过点云拼接实现大尺寸气囊工具的磨损检测，并结合气囊磨损检测算法计算磨损量。采用体素下采样和半径滤波对拼接数据进行点云预处理，利用搭建的拼接检测数据采集平台获取良好的初始配准变换矩阵，最后利用双向K-D树近邻搜索结合ICP算法实现点云精配准。实验结果表明，所提拼接算法在保证配准精度的同时可大幅提高配准效率，并且不影响后续气囊磨损检测的精度，为大尺寸气囊工具磨损检测提供了保证。     

一种基于特征提取的点云自动配准算法

针对在不同视角下所获得的三维点云数据,提出了一种基于特征提取的点云自动配准算法。算法根据点云在不同半径内的法向量变化度来提取特征点,综合利用点云局部点的三种几何特征搜索匹配点对。通过利用距离约束条件来获取准确匹配点对并计算初始配准参数。精确配准阶段采用改进的迭代最近点(ICP)算法完成二次拼接。实验结果表明,与传统ICP算法相比,该算法在运行时间与精确度上都有着明显的提升。     

基于三维激光特征二次匹配的室外景观建模方法

激光扫描建模中通常采用一次匹配技术,但是室外三维景观处于三维环境下,一次匹配会导致大量激光点云数据特征丢失,导致室外景观三维建模效果差。提出基于二次匹配技术的室外景观三维激光建模方法。首先,在三维激光扫描技术中引入SFM方法,以此获取完整的点云数据,选取控制点进行初始配准,通过ICP算法精确配准两种点云数据。为提高点云数据的融合性,针对数据颜色等特征进行二次匹配,实现点云数据融合。最后,使所有点云数据在同一坐标中,将融合过的点云数据进行去噪、滤波和点云拼接等预处理,将数据中的两种曲面进行拟合并导入三维软件中,实现室外景观建模。试验结果表明,所提方法的三维景观建模立体水平较高,建模效果清晰,精度较高。     

消毒机器人目标识别定位与包围盒优化

为实现公共场所定点消毒目标的识别与定位,确定消毒范围,首先采用深度相机获取公共场所的彩色图像和三维点云;其次训练Mask R-CNN深度网络,进行消毒目标的分类、检测与实例分割,进而获取目标点云;然后通过采样一致性初始配准(SAC-IA)和迭代最近邻点(ICP)精配准方法实现不同视角点云的拼接,获取完整的消毒目标点云;...     

激光点云与密集匹配点云联合测量方法研究

针对地面激光扫描仪在进行作业时，有时因遮挡视线而无法采集数据的问题，设计了一种利用改进的采样一致性初始配准(Sample Consensus Initial Aligment, SAC-IA)算法在异源多视角点云中进行联合测量的方法。将三维激光扫描仪从地面视角采集的点云和倾斜摄影测量从空中视角获取的影像密集匹配点云，使用改进的采样一致性初始配准(SAC-IA)算法进行配准融合，实现了空中和地面视角的集成，大大减轻遮挡对测绘工作的影响。用某建筑物三维激光扫描得到的点云数据和倾斜摄影得到的密集匹配点云数据进行实验，并对配准融合后得到的点云数据进行了精度验证。实验结果表明，使用本算法配准点云数据时，比现有方法精度上有明显的提升，算法效率提高了57.46%～59.73%。同时，使用本方法配准融合的点云数据其精度小于5 cm,满足测图精度要求。     

基于Kinect传感器的三维点云配准优化

针对目前三维点云配准中传统ICP(Iterative Closest Point)算法存在的速度慢、精度低的问题。采用微软Kinect2.0深度传感器从真实的场景中获取目标物体的点云数据,通过点云分割、滤波、下采样等预处理工作,确保点云配准质量。在点云的粗配准中,使用特征点采样一致性算法,使点云获得更好的初始位置,为精配准创造了良好的初始条件。在点云的精配准中,提出一种利用线性最小二乘法优化的点到面ICP算法。实验结果表明,改进后算法的均方根误差为0.788 mm,时间为56.31 ms。与基于尺度不变特征变换的ICP算法和特征点采样一致性改进ICP算法相比,改进后的算法配准精度分别提高了30.9%和33.6%,速度提高了18.9%和32.1%。     

基于Frobenius范数奇异值分解的快速ICP算法

迭代最近点法(ICP)及其变体是三维点云刚性配准的典型方法,但此类通过迭代计算逐点距离矩阵实现点云配准的方式,严重制约了点云的配准效率。本文提出一种快速ICP算法,利用Frobenius范数表示待配准的两幅点云之间的误差函数,获得误差值最小点位置,并对此位置进行奇异值分解,从而得到旋转矩阵和平移向量,极大压缩了迭代次数和配准时间。在Standford数据集和3DMatch数据集上进行试验,与传统ICP算法及其变体、3种基于学习的点云配准算法进行对比,本文方法配准效率最优;在达到相近的配准精确度时,提出的快速ICP方法的迭代次数仅为传统ICP算法的0.2倍,在Standford数据集上配准所需时间为传统ICP算法的1/4,在3D Match数据集上配准所需时间为传统ICP算法的1/8倍。本文提出的快速ICP算法在数据量大的点云场景下,具有更高的效率。     

室内移动机器人目标定位性准确匹配研究

在室内移动机器人目标定位系统中的扫描匹配技术中,传统的迭代最近点算法存在待配准点云初始位置要求苛刻、难以找到正确对应点对的问题,因此提出一种基于Kinect传感器获取三维环境点云,根据旋转投影统计特征描述子的相似性来查找对应点对并进行扫描匹配的移动机器人目标定位方法。首先通过Kinect传感器获取物体点云图,根据特征提取算法提取点云特征;然后获取两个待匹配点云的旋转投影统计特征描述子,通过比较两个描述子之间特征的相似程度,估算它们之间的对应关系,采用距离差分矩阵算法剔除误匹配点,计算初始匹配参数;最后利用最小二乘法迭代进行ICP配准,获得点云间的最终变换矩阵,实现目标定位。实验结果表明,改进后的算法有效地提高了点云匹配效率和配准精度,得到了较精确的目标定位信息。     

双维度交叉特征点协同匹配的点云拼接算法

为提高结构光三维重构系统的点云匹配速度及精度,提出二维视图及三维点云交叉特征点协同匹配的方法。首先,通过投影变换及维度映射关系实现待拼接投影图像的归一化,经预处理后提取端点及分叉点作为关键点,对同类点进行三角划分及相似匹配得到初始点集,并将其映射至三维空间。其次,利用kd-tree搜索得到双邻域质心,根据三点构成的三角形相似关系进一步筛选点集。最后,采用四元数法完成粗拼接,进而使用改进的迭代最近点(ICP)算法完成精拼接。实验结果表明,所提算法的匹配准确率达98.16%,匹配用时3s,粗拼接重叠区域的重心距离误差为0.018mm,所提算法对于二维图像视角变换、纹理光滑、光线不均等具有较高的鲁棒性。     

一种新的点云拼接算法

迭代最近点(ICP)算法广泛运用于三维点云数据的多视拼接,其精度和迭代收敛性严重依赖于待拼接数据的初始拼接位置,这就决定ICP只能是一个性能优越的精确拼接算法。粗拼接算法旨在为ICP提供一个良好的初始拼接位置。基于信息论中熵的概念,分析了点云的空间分布规律与所处位置的关系,在此基础上提出了一种新的粗拼接算法—迭代最小空间分布熵法。实验表明,该算法有效可行,可以提供很好的初始拼接位置,在误差允许范围内,该算法可以直接实现点云拼接。     

自适应局部邻域特征点提取和匹配的点云配准

点云配准是三维重建的关键技术之一。针对点云匹配中迭代最近点算法(ICP)速率低、对初始位置要求高的问题,提出了一种基于自适应局部邻域特征点提取和匹配的点云配准方法。首先根据局部表面变化因子与平均变化因子的大小关系,自适应地提取特征点;其次利用快速点特征直方图（FPFH）综合描述每个特征点的局部信息,结合随机抽样一致性（RANSAC）算法实现粗配准;最后根据得到的初始变换矩阵和基于特征点的ICP算法实现精配准。对斯坦福数据集、含噪声的点云以及场景点云进行配准实验,实验结果表明:所提出的特征点提取算法能高效地提取点云的特征;相比于其他特征点检测方法,所提方法在粗配准中的配准精度和配准速度更高,且抗噪性能更好;与ICP算法相比,基于文中特征点的ICP算法在斯坦福数据集和场景点云中的配准速度提升了约10倍,在含噪声的点云中,能根据所提取的特征点高效地进行配准。该研究为提高三维重建和目标识别的匹配效率提供了一种高效的方法。     

一种多模式融合的激光点云配准算法

针对经典迭代最邻近点(iterative closest point,ICP)算法在三维激光点云配准领域内,存在收敛速度慢、配准误差大、配准效率低的问题,提出了一种基于法向量夹角特征和边界旋转角相融合的改进ICP算法。利用点云区域层划分将点云分成若干独立单元方格,搜寻方格的法向量夹角特征关键点,结合点面曲率对应关系形成初始匹配点对,随后引入距离约束函数,估算边界旋转角和相关动态迭代系数,自动优化刚性变换参数。实验结果表明,与传统ICP算法相比,改进后的算法配准误差降至0.3%以下,配准时间减少50%以上,有效提升点云配准效率。     

基于旋转台参数标定实现多视角点云拼接

针对如何方便快捷且准确地获取物体完整面形三维点云数据的问题,提出一种利用旋转台参数标定结果辅助实现多视角三维点云粗拼接的新方法。该方法将一个二维标定靶作为坐标系转换桥梁,仅需两个位置的坐标系关系,即可建立转台转角和不同局部测量坐标系之间的非线性模型,实现对多个测量视角下三维点云的粗配准,为最近点迭代(ICP)算法提供了良好的初值,增加了ICP算法的稳健性。实验表明该方法操作简便、快捷、易实现,拼接后点云误差不大于0.12 mm。     

基于ISS特征点结合改进ICP的点云配准算法北大核心CSCD

针对点云配准时间长、收敛缓慢、对应点匹配易错等缺点,提出一种基于内部形态描述子(ISS)特征点结合改进迭代最近点(ICP)的点云配准算法。首先采用ISS算法进行点云特征提取,并以快速点特征直方图进行特征描述,然后通过采样一致性算法完成点云的初始配准,使两片不同角度点云获得一个相对较好的初始位姿,最后通过k维树近邻搜索法加速对应点对的查找,以提高点云ICP精细配准效率。实验结果表明,与传统配准算法相比,该算法配准精度高,而且执行速度快。     

实现激光点云高效配准的ICP优化及性能验证

激光点云常规匹配算法是迭代最近点(Iterative Closest Point, ICP)算法,但其收敛速度慢、鲁棒性差,因此,提出一种融合多种优化算法的激光点云高效ICP配准方法。首先对点云体素滤波降采样,通过ISS算子提取关键点,采用快速点特征直方图(Fast Point Feature Histograms, FPFH)提取关键点特征,嵌入多核多线程并行处理模式 (OpenMP)提高特征提取速度;然后基于提取的FPFH特征,使用采样一致性初始配准算法(Sample Consensus Initial Alignment, SAC-IA)进行相似特征点粗配准,获取点云集间的初始旋转平移变换矩阵;最后采用ICP算法进行精配准,同时采用最优节点优先(Best Bin First, BBF)优化K-D tree近邻搜索法来加速对应关系点对的搜索,并设定动态阈值消除错误对应点对,提高配准快速性和准确性。对两个实例的配准点云进行了实验验证,结果表明,提出的优化配准算法具有明显速度优势和精度优势。     

基于改进ISS邻域的复杂曲面三维激光点云智能拼接方法

由于三维激光点云拼接中对点云数据拼接有效点数量不足,导致拼接的效果不好,提出一种复杂曲面三维激光点云智能拼接方法,在ISS特征提取算法中加入邻域半约束改进策略,进行点云数据特征提取,同时对两片点云的拼接进行坐标系转换,得到三维激光点云数据拼接模型。采用粒子群算法对模型进行求解,获取变换矩阵的全局最优解,将得到变换矩阵应用于模型中,进而完成复杂曲面三维激光点云智能拼接。仿真实验结果表明,所提方法能够有效降低三维激光点云智能拼接点的距离误差,保持在0.022 mm以内,拼接速度达到5 ms/个,拼接有效点数目最高达到了145个。     

基于快速点特征直方图的三维点云配准算法

三维点云配准算法是三维场景模型重建的重要研究部分。针对传统迭代最近点算法(ICP)对点云进行配准时容易陷入局部最优的问题,本文研究了基于局部特征点改进的ICP算法。文章分析了点特征直方图(PFH)和快速点特征直方图(FPFH)两种局部特征点,得出了FPFH具有比PFH更低的时间复杂度的结论,因此通过FPFH特征描述子对两片初始点云进行粗配准,使其具有较好的初始位姿,最后用经典的ICP算法进行精配准。实验结果表明,基于FPFH特征点改进后的ICP算法能提供较好的点云初始位姿,一定程度上避免了配准时陷入局部最优的问题,比传统ICP算法具有更好的配准效果。