基于M估计算法的三维点云平面拟合方法研究

通过激光传感器获取的三维点云难免混入噪声和异常点,导致点云平面的拟合精度降低。为解决该问题,本文提出了一种结合M估计样本一致性(MSAC)算法和主成分分析(PCA)法拟合点云平面的方法。该方法首先通过MSAC算法去除点云数据中的异常点,获得较为理想的点云平面,然后使用PCA方法对保留的点云数据进行平面拟合,以获取更加精确的点云平面参数。使用电池托盘作为被测物,应用3D线激光轮廓传感器扫描被测物并将点云数据传输到计算机进行处理。通过设定的仿真数据和电池托盘点云数据进行实验,发现本文方法与随机采样一致性(RANSAC)结合PCA、最小平方中值(LMedS)结合PCA的方法相比,在耗时接近的情况下,能够显著降低异常点对点云平面拟合的影响,获得更精确的平面拟合参数。对两个部分的电池托盘点云滤波处理后进行平面拟合时,能够发现本文方法与其他两种方法相比,标准差分别降低了28.6%和22.5%%、24.0%和29.0%,该方法具有较高的平面拟合精度和实用性。     

点云数据的补全与精简算法研究

随着三维点云技术的不断成熟，目前许多企业将其应用到了货物管理中。但在点云获取中设备会因为外界原因(光照、温度等)导致数据不完全(点云空洞),而且获取初始点云数巨多，降低了后期点云处理效率。提出了对点云的一种预处理，既要获取完整目标物的曲面特征，也要对点云进行高效地压缩。首先对原始点云进行条件滤波和统计分析滤波去噪，然后提出了一种由统计分析和三角格化结合的点云补全算法，最后将补全的点云使用改进的曲率精简法对点云进行处理，并将方法与其他方法做了对比实验。实验结果表明，方法可以将孔洞点云补全，保留货物平面特征和边缘细节信息，降低点云存储空间，为后期对点云处理提高效率有着重要意义。其中，补全算法使补全后的点云与补全之前的点云的最近点平均距离小于0.000 4 m,点云精简算法的精简率可达到90%。     

基于 2D 预处理的点云分割和测量研究

针对传统 3D 工业相机获取的点云数据进行工件检测时因工件粘连和噪声干扰导致边缘分割问题,考虑点云数据量大 影响检测实时性和 3D 特征点选取不准确导致测量误差大的因素,提出一种基于 2D 边缘检测的预处理方法,实现点云快速分 割和测量。 首先,采用改进的 Canny 算法对有序点云的纹理图像进行边缘检测,将检测后的图像进行数学形态学操作和轮廓检 测完成纹理图像分割,规避了在 3D 空间中进行分割处理,有效减少了点云数量;其次,结合工件的形状特征和放置方式,利用 掩膜操作提取出有序点云数据,使用基于 RANSAC 和条件滤波结合的方法对分割后的点云进行自适应阈值滤波处理,有效去 除了噪声点云;最后,对经过预处理后的目标点云基于 PCA 的包围盒去计算工件尺寸以及表面法向量。 实验结果表面,和传统 的 3D 分割算法相比,能够更准确的提取出目标点云,有效减少了待处理点云数量,整体分割效率提高了约 20%;工件尺寸的平 均相对误差约 1. 24%,可以满足测量的需求。     

基于迭代最小二乘的平面标靶点云去噪方法初探

平面标靶在三维激光测量作业中起到公共点的作用,标靶点云数据的有效提取和高效去噪对测量目标的点云数据总体质量影响较大。鉴于此,提出了基于迭代最小二乘的平面拟合方法去除标靶噪声,并以此为基本原理利用MATLAB编写了平面标靶点云去噪程序。实验中,分别采集了方形和黑白扇形两种标靶的点云数据,然后用程序进行了降噪处理。降噪成果分析表明该方法能够有效去除标靶噪声,提高了标靶点云数据的可靠性,为进一步提取平面标靶中心点坐标提供了理论基础。     

激光点云中输电杆塔坐标的快速提取方法

为实现利用无人机进行输电杆塔精细化巡检,需从冗杂的激光点云数据中提取输电杆塔坐标。首先,通过降采样和高程滤波对点云数据预处理;其次,根据杆塔、导线和地面点云的空间特征将每个杆塔初步分离提取;最后,基于杆塔的直立特性和对称特性进一步精提取出独立杆塔。以某市2条220 kV输电线路的激光点云数据为例,本文算法可快速完整地提取出全部输电杆塔坐标,单个杆塔建模效果较好,平均每基杆塔可在2 min内完成提取,有助于后续无人机杆塔精细化巡检的航迹规划。     

面向结构件几何特征保留的点云精简方法

汽车结构件表面几何特征测量时,传统的点云精简方法在高精简率时会对点云中的几何特征进行破坏,降低几何特征 的完整性和尺寸精度,针对此问题,提出一种面向几何特征保留的点云精简方法。 首先,基于空间区域分割思想进行点云的 Kmeans 聚类划分,并构建几何特征描述子,通过计算簇内信息熵提取特征区域点云。 其次,对特征区域点云进行基于 FCM( fuzzy C-means)& K-means 的迭代聚类精简,对于非特征区域点云进行八叉树精简。 最后,对不同区域精简后的点云进行拼接,实现 精简的目的。 结果表明,本文方法能较完整地保留模型表面的几何特征,避免孔洞的出现,且在 94. 30%精简率下,精简点云与 原始点云的最大误差为 0. 912 mm,均方根误差为 0. 041 mm,相较于传统的方法精度更高。     

基于机载激光点云数据及航片的单木提取研究

电力线路通道内树木清理涉及对树木砍伐的补偿,因此,需要清楚通道内的树木高度及数量。激光雷达可通过获取林木不同高度处的激光脉冲回波测量林木的三维空间结构,当激光脉冲的采样点足够密时,采用空间特征识别算法提取相关的单木结构因子。本文从实际工程出发,对研究区的点云数据进行分类及滤波,并去除高程异常点、过滤重叠区冗余点,得到数字地面模型(DSM)及数字高程模型(DEM),通过DSM与DEM差值得到冠层高度模型(CHM)。在此基础上,基于形态学中的顶部控制理论来区分密闭冠层中的单木冠层信息,并利用求局部最大值方法来定位密闭冠层中的单木树冠位置。实验表明利用机载激光点云数据可以在一定程度上估算出单木信息,为电力通道内树木的清理作为参考。     

基于三维激光扫描点云配准的目标位姿测量

地外天体着陆探测是我国深空探测的重要形式和方法,针对地面探测模拟训练系统中探测车位姿提取的需求,提出了一种利用激光扫描仪和标靶球结合的方法进行特征识别,拟合出探测车的位姿数据,并建立地面模拟训练系统。首先对激光扫描数据进行滤波预处理去除点云中离群点,然后选择适当的参数对数据进行重采样。通过基于分类改进的区域增长法对点云进行分割,筛选出指定数量范围的点集并拟合多个标靶球位置信息以建立局部坐标系。通过实验数据分析,标靶球拟合精度满足3mm最大允许误差,点云处理速度得到有效提升,验证了特征识别方法的准确性和高效性。最后通过坐标系转换估计出探测车的位姿矩阵信息。     

基于激光点云数据的地形地貌测量研究

针对在实际测量地形地貌时激光数据过滤误差较大的问题,设计了基于激光电云数据的地形地貌测量及处理方法。采集激光点云数据,结合公共标靶法与最小二乘法补全点云数据且自动过滤非地面数据,对激光点云数据的平面坐标与高程实施转换,生成待测区域的地形地貌等高线,实现该区域的地形地貌测量。通过实验验证设计方法性能,结果表明,该方法可实现分散站点激光点云数据的拼接与过滤处理,过滤性能稳定且过滤误差较低,平均为2.1%,可精准测量实验地区的地形地貌,坐标值误差平均为0.187,满足实际应用中的地形地貌高精度测量需求。     

基于二分K-means聚类的曲率分级点云数据精简优化算法研究

针对单一精简算法无法精确保留模型特征信息、易造成点云表面孔洞等问题,提出了一种基于二分K-means聚类的曲率分级优化精简算法。首先采用最小二乘法对邻域进行曲面拟合,计算曲率值,依据曲率值划分显著特征区与非显著特征区,其次采用二分K-means聚类划分非显著特征区,依据子簇的曲率阈值筛选保留具有特征重要性的亚特征点,最后合并更新显著特征区的数据集和亚特征点,得到简化结果。通过仿真实验,从算法运行速度和信息熵两方面与空间包围盒法、曲率精简算法进行对比分析,结果表明,该算法在精简质量上优于其他两种算法,在点云数据重建方面具有一定的应用价值。     

基于点云与图像融合的BGA锡球检测方法研究

为实现球栅阵列封装芯片视觉检测中焊球质量和共面度在线检测,提出一种点云与图像数据相结合的检测方法。首先对彩色相机进行标定,再分别获取芯片彩色图像和点云数据,利用随机采样一致性算法获取点云主平面法向量,根据法向量提供的倾角信息,进行倾斜度校正。然后,将倾斜度校正后的点云利用彩色相机内外参数投影成像得到点云灰度图,将其与彩色图像进行点模式匹配,获取点云数据与彩色图像间的平移量和偏转角,完成点云数据与图像数据配准。从配准后的数据提取焊球进行焊球大小、破损、变形、桥连等缺陷检测和高度测量,完成焊球共面度测量。该方法与迭代最近点法进行了对比实验。二者测量结果总体一致,但本文方法在耗时上减少了62.8%。该方法在先进制造业中具有广阔的应用前景。     

基于4PCS和SICP的点云配准方法在钢轨磨耗计算中的应用

针对基于三维结构光扫描的钢轨磨耗快速精确测量,本文提出了一种基于4PCS(4-points congruent sets)和SICP(sparse iterative closest point)的点云配准组合算法,用于快速精确配准不完整且含噪声的磨耗钢轨与标准钢轨点云。由于三维结构光设备一次扫描得到的磨耗钢轨数据是不完整且含噪声的,因此首先利用针对低重叠率点云配准鲁棒性较好的4PCS对钢轨点云进行粗配准,为精确配准提供较好的初始变换矩阵。然后,再利用针对含噪声点云配准鲁棒性较好的SICP进行精确配准。最后,根据精确配准结果计算出轨头磨耗。文中定量分析了不同程度降采样对配准精度、时间及轨头磨耗计算精度的影响,展现了4PCS+SICP在快速精确配准不完整且含噪声的钢轨点云的优越性,得出了不同程度降采样对轨头磨耗计算精度无影响的结论。与此同时,对钢轨点云含不同程度的噪声点云配准做了定量对比分析,验证了SICP在含噪声的磨耗钢轨点云精确配准中的鲁棒性。     

点目标视频跟踪中的噪声自适应卡尔曼滤波器

针对卡尔曼滤波器在实用过程中所遇到的运动模型选择以及噪声给定问题,基于视频点目标的特征,提出了一种点目标视频跟踪中的噪声自适应卡尔曼滤波算法.该算法结合双步动态模型,在滤波过程中根据速度的相关系数调整运动模型参数,使运动模型更加切合实际.此外,该算法结合运动模型以及观测数据对一段时间的过程噪声进行估计,同时基于成像特性,利用单帧图像中灰度值的分布,对单次观测的观测噪声进行实时估计,实现过程噪声和观测噪声的自适应.根据在外场进行的仿真实验和实际跟踪实验结果,文中所提出的方法能够有效地保证跟踪精度.     

基于特征点提取的人体三维数据拼接技术

针对人体对象表面光滑,不好寻找控制点的问题,本文给出基于三维特征点的人体数据拼接算法,通过提取对配准数据轮廓描述较好的三维特征点来减小计算量。实验结果表明,提出算法配准所需时间短,配准精度高。     

融合轮廓特征的线激光点云的快速配准算法

点云配准是计算机三维视觉的研究热点。传统点云配准算法存在着配准时间长和配准成功率低的问题,针对上述问题,设计了融合轮廓特征的线激光点云配准算法。该算法通过搜索轮廓特征关键点,并将这些关键点用于配准迭代并计算配准结果,减少了迭代次数且对源点云和目标点云初始位置要求较低。实验对比了迭代最近点(ICP)算法、Fast ICP算法和改进的点云配准算法,实验结果表明改进的点云配准算法的配准效果明显改善,与ICP和Fast ICP算法相比,改进的点云配准算法在速度上分别提高了14倍和2倍,并且未出现配准失败的情况。     

基于无人机载LiDAR的输电线路树障单木识别

树障是高压输电线路在复杂山区植被茂密区域运行所面临的主要安全威胁之一,不同树种生长周期不同,一定时间内的树障风险也不同。为了大范围准确识别林区的树木种类,文中提出了一种基于机载雷达测量技术的树木种类快速识别方法。首先利用机载雷达对输电线路地区地面进行快速点云数据获取,并且预处理数据得到单棵树木的冠层点云;随后建立冠层的空间属性点云特征量,包括树冠高度、树冠体积、树冠点云密度、冠层激光反射强度以及树冠形貌特征;最后根据树木的空间点云特征建立树木的种类K均值聚类识别模型。结果表明：对于该地区生长的树木,5种空间点云特征具有良好的识别效果,最终建立的树木种类K均值聚类识别模型对于验证数据的准确率达到了85.9%,Kappa系数0.812。输电线路下方植被种类的快速识别对于树障风险评估和预警具有重要意义。     

基于点云的复杂环境下楼梯区域识别

自主移动机器人已经在国防军事、灾区救援等领域有了广泛应用,楼梯区域作为一种典型的环境目标,需要机器人能够对其做出准确识别。放置于楼梯区域的障碍物会破坏传统楼梯识别算法需要提取的楼梯平面及边缘特征,导致楼梯区域无法被准确识别。针对该问题,提出了一种复杂环境下,基于点云的楼梯区域检测识别算法。该算法首先使用区域生长方法对目标区域进行分割并通过各区域拟合平面法线方向来选取疑似为楼梯各级竖直阶面的区域;进而对各级楼梯区域进行处理,分割障碍物并获取各级楼梯竖直面上边界;最终根据各级边界位置得到楼梯模型以及障碍物位置。实验结果表明,该算法具有较好的鲁棒性,能在各种复杂环境下识别出楼梯并得到无障碍楼梯区域,构建的楼梯三维模型尺寸误差均小于7%,有较高的准确性,相较于传统楼梯识别算法,能达到更好的检测识别效果。     

基于RANSAC分割的点云数据K-近邻去噪算法研究

针对基于TOF深度相机的空间目标表面重建的点云源数据容易受到仪器本身、扫描环境、外界干扰等影响,而含有大量的无效点和噪声点,增加了计算负担且影响了重建质量等问题,提出了一种基于随机采样一致性背景分割的点云K 近邻去噪方法,以消除目标数据的异常值和无效点。首先,改进RANSAC算法,通过设置不同的阙值对原始点云进行背景分割,以确保准确提取待重建目标的主要特征。然后,通过K 近邻点云平均算法和双边滤波算法移除离群点,最后使用体素化网格方法实现点云大数据的下采样,简化了目标点云,保留了局部特征,加快了曲面重建速度。实验结果表明,该算法能够有效的剔除噪声点,准确率高,实时性好,满足应用的要求。