基于曲率特征混合分类的高密度点云去噪方法

为解决复杂曲面点云在平滑去噪中存在的问题,提出基于曲率信息混合分类的特征保持点云平滑算法．该方法将平面投影与双边滤波算法相结合,采用主成分分析法对点云的局部曲率特性进行评价,使用线性组合混合分类方法将数据分为平面、次特征、富特征类型以及组合类型．针对不同特征邻域类型,提出平面类型的投影平滑方法、次特征和富特征类型的变参数双边滤波法平滑方法的线性组合方法实现点云数据的平滑去噪．将该方法用于激光三维高分辨率人体扫描系统所得到的高密度点云数据,实验结果表明该方法能够在有效光顺点云的同时保持其表面的几何特征,且简化了法向调整的繁杂运算．     

阶梯垛型点云边界快速提取方法研究

目的 针对阶梯垛型点云边界检测中,现有边界提取算法效率不高的问题,提出一种适用于阶梯垛型点云的快速边界提取算法。方法 首先使用Kd–Tree对点云数据进行拓扑关系构建,其次搜索采样点及其近邻点,构建单位平面向量,并进行向量叠加,根据叠加后的向量模长来判断是否为候选边界点,然后使用近邻点最大夹角法来进行边界点精提取,最后使用Kinect相机获取阶梯垛型点云数据,进行算法对比验证。结果 实验结果表明,文中算法在保证垛型边界提取精度的同时,比经典边界提取算法的运行时间缩短了75.14%,比优化前的边界提取算法运行时间缩短了11.06%。结论 提出的边界提取算法能够快速准确地提取阶梯垛型点云边界,可为自动码垛系统的设计提供参考。     

一种基于螺纹点云的缺陷提取方法

针对螺纹表面凹坑缺陷,结合双目三维扫描仪的数据采集特点与螺纹表面特性,提出基于三维螺纹点云缺陷检测的方法.该方法首先利用法向量提取算法,将缺陷部分提取出来,同时将轮廓点云一并提出.然后采用基于密度的DBSCAN聚类算法去除法向量提取的轮廓点云,且只保留凹坑缺陷点云.最后采用最小包围盒算法对缺陷点云参数化,测算其长度、宽度以及深度,实现了表面缺陷的数字化测量.     

基于k_d曲率的自适应支撑邻域角点检测

根据kd曲率计算方法具有比传统方法简捷的特点,提出了基于kd曲率自适应支撑邻域的角点检测方法.首先,用Canny算子提取初步轮廓曲线,然后进行融合填补,再筛选出高质量的轮廓曲线,并对曲线进行高斯核平滑.从算法鲁棒性考虑,提出一种新的思想,即寻找一个可以确定一条曲线总体支撑邻域的参数,使其随着仿射变换在噪声干扰下发生有规律的变化,从而实现自适应支撑邻域的角点检测,并用自适应阈值和非极大值抑制来排除伪角点和弱角点,最后提取精确的角点.通过实验与Harris、HeYang、CPDA、KD、ANDD等算法对比,该算法的定位误差和错误率较低,而平均重复率明显较高,具有更好的角点检测性能.     

大规模点云选择及精简

点云选择与精简是三维扫描系统中应对背景数据、冗余采样、分布不均匀等问题的必要后处理步骤.针对定制低成本三维扫描系统的需求,传统方法仍有很多局限性.这是由于研究领域未提供支持套索UI接口的点云选择算法;传统点云精简方法侧重曲率自适应分布,无法保证平坦区域的均衡分布.论文提出一种支持套索UI接口的点云选择算法,通过构建套索形状矩形覆盖与点云八叉树剔除大部分点在多边形内的判断;提出一种基于Poisson-disk采样的均衡分布的点云精简算法,并以采样点邻域球布尔交运算来定义曲面上的圆盘半径度量,具有保持尖锐边特征及边界的性质.实验结果表明,论文方法能够较好满足低成本三维扫描系统中点云删减处理的需求.     

基于椭圆线轮廓度误差评定的椭圆提取方法

简要介绍了目标测头视觉坐标测量系统,分析了测量系统成像目标的图像特征。在此基础上,提出了一种识别和提取CCD图像中目标椭圆的新方法。该方法对CCD图像中的每一个封闭轮廓进行椭圆拟合,根据评价椭圆形状误差的线轮廓度大小来判定该轮廓是否为目标椭圆轮廓。实际检测结果表明,该算法原理正确,易于编程实现,能有效剔除噪音图像,准确提取目标椭圆,具有广泛的实用性。     

一种改进的边界轮廓矢量化算法

左右于断层测量的反向建模中，物体断面图像序列的区域边界和实现模型重构的基础，如何从边界轮廓精确提取几何特征是实现重构的关键。本文提出一种改进的矢量化算法，该算法的基本思想是首先提取曲率极值点作为初始分段点。然后判定每两个相邻初始分段点之间轮廓线的形状，并区别直线段与曲线段分别进行拟合和矢量化。实践表明，该算法既能准确提取边界形状的特征关键点，又保证了重构后曲面的光滑规整。     

基于纹理相似度的颜色迁移

提出一种以纹理相似度为依据的颜色迁移算法。通过提取图像的多维纹理特征进行主成分分析和线性判别分析,构建纹理特征空间,以度量像素点邻域的纹理相似度,并以纹理相似度为依据,对图像进行分割,在分割后的局部区域,建立纹理相似度与色度信息的映射关系,实现颜色迁移。实验结果表明,基于纹理相似度的颜色迁移,可解决颜色在边界处的误扩散问题,颜色迁移效果较好。     

基于点云的高精度螺纹锥度测量方法

为控制检测成本降低螺纹检测过程中对夹具及环境要求,该文在确保检测精度的前提下提出使用非接触式结构光点云对螺纹锥度的高精度测量方法.首先提出局部螺纹点云摆正方法并应用平面分割提取点云轮廓线,接下来在对不同角度获取的螺纹点云分类讨论聚类方法的同时建立轮廓点类别与锥度拟合点之间的数学模型,最终总结并分析螺纹锥度的测量精度并将...     

一种提取特征点线的图像处理方法

特征点、特征线的提取是计算机视觉检测的基础，特别是在工业检测中要求很高的精度。本论文介绍了几种提取点、线的方法，在此基础上采用空心正四面体来获取所需图形，设计了一种准确快速获得点、线的图像处理算法。     

基于最小曲面距离的快速点云精简算法

提出了一种新的基于最小曲面距离的点云精简算法,算法在简化点云数据的同时不损失特征。点云被划分成一系列的三维子网格,根据子网格,找到最近k邻域。散乱点云的k邻域通过二次参数曲面拟合,进一步得到相关曲率。依据提出的曲面距离,对点云进行精简。选择了一些典型的点云,如冲浪、石头、陶俑、牙齿等数据对算法进行了验证。结果表明,可以直接和有效地减少点云数据,同时保持原始模型的几何形状,对点云精简研究有一定的理论和实践意义。通过实验也证明了该算法的可靠性和准确性。     

基于3D点云平均曲率估算的损伤参数计算

针对高速滑动电接触滑轨表面的微小损伤,基于激光扫描3D点云平均曲率估算的原理,提出一种表面微小损伤特征参数的定量表征方法。对3D点云数据进行去噪、滤波平滑、数据精简、k-邻域搜索等处理后,进行局部二次曲面拟合,估算出点云的平均曲率,设定曲率阈值实现损伤区域特征点云提取,对损伤区域进行定位,进而计算被测滑轨表面的微小损伤的体积及质量损失。实验研究表明:被测滑轨表面损伤质量的测量精度可达mg级,验证了该方法的有效性。     

基于集成学习思想的深度图像遮挡边界检测方法

针对现有深度图像遮挡检测方法不能有效地检测出深度信息变化不明显的遮挡边界点的状况,提出了8邻域总深度差特征和最大面积特征,并定义了计算方法。在此基础上,提出一种新的基于集成学习思想的深度图像遮挡边界检测方法,该方法结合所提新特征及现有遮挡相关特征训练基于决策树的AdaBOOst分类器,完成对深度图像中遮挡边界点及非遮挡边界点的分类,实现对深度图像中遮挡边界的检测。实验结果表明,同已有方法相比,所提方法具有较高的准确性和较好的普适性。     

三维重建中特征点提取算法的研究与实现

利用特征点提取和匹配重建三维模型是基于图像的三维重建的关键技术之一,其中特征点的提取是一个主要难题.在比较常用的提取方法后,着重研究了HARRIS算子并做出一定改进.采用灰度平均平方梯度矩阵的特征值作为角点响应函数,通过图像目标灰度和背景灰度的比较,得到一个自适应的角点响应阈值条件,从而提高了角点响应的适应性和精确性.此外,还提出提取图像边缘轮廓的幅度数据,基于此数据再进行角点检测的方法,得到了更为满意的结果.     

基于激光点云的隧道超欠挖自动计算方法研究

在隧道施工中,对隧道的超欠挖情况进行快速、准确的评估是保障施工安全、顺利的基础。以一段爆破施工隧道为研究对象,应用三维激光扫描仪进行隧道开挖轮廓数据采集得到点云数据,采用基于统计的滤波法对点云数据进行预处理,通过基于移动最小二乘优化的主成分分析法计算隧道轴向线,再根据所得隧道轴线计算点云切片的直方图,最后使用直方图计算隧道超欠挖方量,建立了一种简便易行的隧道超欠挖方量计算模型,并将该模型应用于一段施工隧道的超欠挖评估中。结果表明,应用该模型计算隧道超欠挖方量较传统方法更为高效,且计算精度满足实际工程要求。     

基于激光点云的隧道超欠挖自动计算方法研究

在隧道施工中,对隧道的超欠挖情况进行快速、准确的评估是保障施工安全、顺利的基础。以一段爆破施工隧道为研究对象,应用三维激光扫描仪进行隧道开挖轮廓数据采集得到点云数据,采用基于统计的滤波法对点云数据进行预处理,通过基于移动最小二乘优化的主成分分析法计算隧道轴向线,再根据所得隧道轴线计算点云切片的直方图,最后使用直方图计算隧道超欠挖方量,建立了一种简便易行的隧道超欠挖方量计算模型,并将该模型应用于一段施工隧道的超欠挖评估中。结果表明,应用该模型计算隧道超欠挖方量较传统方法更为高效,且计算精度满足实际工程要求。     

融合多分辨率特征的点云分类与分割网络

针对现有网络难以有效学习点云局部几何信息的问题,提出一种融合点云多分辨率特征的图卷积网络。首先,通过k-最近邻算法对点云构建局部图结构,以更好地表示点云的局部几何结构。其次,基于最远点采样算法提出一个并行通道分支,该分支通过对点云进行下采样来获得不同分辨率的点云,然后对其进行分组处理;为克服点云的稀疏特性,提出一种几何映射模块对分组点云执行正态化操作。最后,提出一种特征融合模块对图特征和多分辨率特征进行聚合,以更有效地获得全局特征。实验使用ModelNet40、ScanObjectNN和ShapeNet Part数据集进行评估,结果表明,提出的网络具有良好的分类与分割性能。     

基于深度扫描仪的高辨识度三维人体模型重建方法

3D照相打印馆人像的打印质量取决于3D扫描获得的三维人体模型的辨识度.然而,由于现有3D人体扫描仪价格昂贵、操作复杂等原因,使得3D人像打印成本高、耗时长和打印精度较低.针对这些缺点提出一种基于深度扫描仪重建高辨识度三维人体模型方法.利用多组深度扫描仪分工协作、优势互补,分别获取高辨识度的人体面部五官点云数据,上半身与全身表面轮廓点云数据.然后,通过引入特征点和改进的最近点迭代法将采集到的三组点云数据进行对齐、替换、拼接,将拼接后的无拓扑关系的点云数据进行曲面重构即可获得高辨识度的三维人体模型.该方法的扫描时间较短,以较低的成本构建了具有高辨识度的三维人像模型.     

基于线不变矩和封闭性的遥感图像港口识别

针对遥感图像中的港口目标识别问题,本文提出了一种基于海岸线不变线矩特征与港口海岸线封闭特征结合的识别算法。首先采用边界寻找和阈值分割的方法进行海陆分割和海岸线的提取,然后通过封闭性检测确定港口区域和属于港口区域部分的海岸线,将封闭度和线不变矩特征组成的特征谱作为识别港口的依据,最终实现了对港口的识别。实验结果表明,该算法能够准确地识别遥感图像中的港口目标。     

基于特征点的快速碰撞检测算法

在Lin-Canny算法的基础上,提出一种虚拟环境下面向凸体的动态、实时碰撞检测方法。该方法采用模型的特征点集合来描述其外部轮廓,通过改进的最近特征对获取方法和提出的中心定位算法来进行碰撞检测。实验给出了基于特征点的碰撞检测算法与基于包围盒算法的比较结果,证明了所提出算法的优越性。