一种动态特征匹配的部分重叠点云配准方法

点云配准方法能够有效地完成对不同重叠率、不同规模点云间的配准,可确保三维重建模型的精度。针对该问题,提出一种动态特征匹配的部分重叠点云配准方法,首先基于欧氏距离分割法将点云分割为子点云;然后提取子点云特征,考虑到不同点云的规模不同,提取的特征规模也是不同的,提出利用动态时间规整算法(DTW)完成子点云间的映射;最后利用迭代配准算法求取拼接点云间的平移、旋转矩阵,利用该矩阵完成点云间的配准和拼接。实验结果表明,提出的方法能够有效地解决部分重叠点云和不同规模点云的配准问题。     

结合平面模型与区域增长的矿石点云分割

为了解决传统固定式破碎机在矿山井下利用石块三维信息来实现自动碎石的过程中出现的石块点云过拟合成平面,造成石块三维信息缺失的情况。文章提出了基于背景模型的方法获取石块的三维信息。利用破碎区域石块背景的不变性,将获取的石块点云与背景比较并过滤掉背景部分,最后利用区域增长算法对石块点云分割。实验结果表明,相比于基于平面模型与区域增长法,改进后的分割方法效果与鲁棒性更高。     

基于三维激光获取点云的三维模型构建

目前国内对一些大型古建筑文化遗产的传统测量方法往往难以获得十分准确的数据信息,这使得专家们在对一些大型古建筑进行修复时十分头疼.而且在用一些传统测量方法的测量过程中也存在对古建筑造成二次伤害的风险.现如今,随着科研技术的发展,激光扫描硬件的总体水平也在不断地进步[1].因此,三维激光扫描技术也越来越成熟.三维激光扫描仪在一些大型建筑的测量工作中使用得也越来越广泛.三维激光扫描仪的工作原理,是先对获取到的点云数据采取配准拼接处理,再对其进行去噪简化等操作,最后利用建模软件3DMAX对大型的古建筑进行三维模型的构建的过程.     

恐龙谷南缘山区DIM点云的PTD滤波改进试验研究

无人机DIM点云滤波处理是地物分类、地物单体化提取和地形特征分析的关键步骤,为解决高原山区因地形复杂而导致DIM点云滤波处理难度大和精度低等问题。选择以滇中高原恐龙谷南缘山区为试验区,首先利用DJI Phantom 4 RTK采集影像数据,解算密集影像获取DIM点云;其次,考虑山体点与地面点有较大高程差,选择经典PTD滤波算法对实验区密集匹配点云进行滤波处理;最后,综合考虑实验区山顶和山脚存在较大高程差且山体两侧沟壑丛生,山体两侧地面点易被识别为非地面点,提出以脊-谷交汇地形特征点为PTD滤波算法的种子点,在山体两侧精细化构建不规则三角网的改进PTD滤波算法。结果表明：1)PTD滤波算法得到地面点较为完整保留整个实验区,但明显的地物如山体两侧低矮植被和山脚蔬菜大棚基本未被剔除,且山体部分的地面点易被识别为非地面点而在出现山体K1、K2、K3区域的空洞现象。2)针对恐龙谷南缘山区复杂地形,提出以脊-谷交汇地形特征点为PTD滤波算法的种子点,在山体两侧精细化构网,山体低矮植被部分清除,相对于PTD滤波算法蔬菜大棚大面积被清除。并且山体两侧地面点得到较为完成保留,未出现明显点云空洞的现象。     

基于局部和全局采样点云数据简化算法研究

3D激光扫描方法获取的点云数据存在大量冗余数据,为便于重建模型,对点云数据简化技术的关键是在简化数据的同时,最大限度地保留点云数据的原有特征,对点云数据简化技术进行了研究,提出了一种基于局部和全局点云特征相融合的简化算法,通过基于点云的网格分割的非均匀网格法来提取局部点云特征,并且通过基于空间体素化方法对点云进行全局采样,然后将二者特征融合,获取最佳的简化特征效果。实验表明,该算法能够适应各种类型曲面数据的简化要求,其点云简化最大误差为0.02812,点云简化平均误差为0.000472,并与非均匀网格算法和空间体素法做比较,其简化效率高,简化误差小。由此可见,该方法简化点云不但具有较高的简化效率,同时又很好地保留了原始数据的细节特征。     

一种基于动态点云的三维监控与压缩系统

动态点云能准确表达三维空间位置关系,相较于二维影像,在目标检测、人脸识别以及可视化等方面具有更好的表现,因此动态点云在视频监控领域具有较大应用前景。基于所提出的改进的动态点云编解码框架,实现一种基于动态点云的三维实时监控与压缩系统。首先,通过ZED 2i双目相机进行点云视频获取,以Jetson Nano作为数据处理器,应用基于统计学的滤波算法实现离群点与噪声的去除。其次,依据监控场景的静动特性进行前后景分割,分别应用提出的改进算法和PCL库的压缩算法进行编码。实验表明,在监控场景下,获取的动态点云序列取得了较好的主观效果的同时,实现了点云数据的高效压缩。     

基于深度学习的三维点云语义分割方法综述

随着激光雷达,RGB-D相机等3D传感器在机器人,无人驾驶,VR领域的广泛应用,深度学习在三维点云数据的研究进几年来得到了广泛关注。其中点云识别、分割、成为学术界、工业界的热门话题之一。深度学习技术的发展在点云的语义分割领域提供了新的可能性。文章着重介绍这一主题的相关研究,主要从基于多视图,基于体素,基于树和对点的直接处理四个方面对近年来的点云语义分割方法进行了回顾与总结。     

逆向工程中对离散点云的特征识别算法探究

基于逆向设计中点云处理的表面识别问题,本文提出了一种基于小波变换的离散点云数据的特征识别算法。首先将离散点云表示成小波变换可以处理计算的形式,然后在此基础上提出了具体的二维和三维离散点云的小波分解算法,最后引入实例,对二维离散点云的小波分解算法进行验证分析。实验结果表明本文提出的算法达到了对点云数据的特征分解的目的。将离散点云数据按特征分解从而提取出不同的特征成分,可以根据后期点云预处理的不同要求,将小波变换后的数据进行进一步的处理。     

基于Transformer的道路场景点云分类与分割方法

针对多目标识别过程中点云分类和分割精度不高的问题,提出了一种基于改进Transformer模型的点云分类与分割方法DRPT(Double randomness Point Transformer),该方法在Transformer模型卷积投影层创建新的点嵌入,利用局部邻域的动态处理在数据特征向量中持续增加全局特征属性,从而提高多目标识别中点云分类和分割的精度。实验中采用了标准基准数据集(ModelNet40、ShapeNet部分分割和SemanticKITTI场景语义分割数据集)以验证模型的性能,实验结果表明:DRPT模型的pIoU值为859,比其他模型平均高出35,有效提高了多目标识别检测时点云分类与分割精度,是对智能网联技术发展的有效支撑。     

逆向工程中对离散点云的特征识别算法探究

基于逆向设计中点云处理的表面识别问题,本文提出了一种基于小波变换的离散点云数据的特征识别算法。首先将离散点云表示成小波变换可以处理计算的形式,然后在此基础上提出了具体的二维和三维离散点云的小波分解算法,最后引入实例,对二维离散点云的小波分解算法进行验证分析。实验结果表明本文提出的算法达到了对点云数据的特征分解的目的。将离散点云数据按特征分解从而提取出不同的特征成分,可以根据后期点云预处理的不同要求,将小波变换后的数据进行进一步的处理。     

基于码流的G-PCC压缩点云无参考感知质量评估

为了实现对采用G-PCC编码的点云质量的实时监控,提出一种基于码流的无参考点云感知质量评估模型。首先根据主观实验的结果分析确定几何无损时点云的感知质量与纹理量化参数之间的关系,然后使用纹理量化参数和纹理比特率来预测纹理复杂度,结合空域掩盖效应建立几何无损时的点云质量评估模型。然后研究位置量化尺度对点云下采样质量的影响,发现纹理量化参数与位置量化尺度对点云质量的影响相互独立,并最终得到完整的点云质量评估模型。对该模型在WPC4点云数据库中进行测试,其SRCC为0.9447,PLCC为0.9465,RMSE为6.8252,表明该模型有良好的性能,与现有性能最好的GraphSIM客观指标相比,该模型指标的PLCC和SRCC分布分别提高了0.0223和0.0238,RMSE降低了1.1898。      

一种改进的激光点云数据精简算法

随着三维激光扫描仪获取的点云数据量越来越大,激光点云数据精简已成为测绘领域中的一个新的研究热点。在对点云数据分层技术研究的基础上,将二维平面曲线精简算法—Douglas-Peucker算法拓展到三维空间并进行改进,使得算法在处理前不需要已知点云间的邻接关系,可以对三维散乱点云数据进行直接处理。借助于Matlab平台编程实现点云数据精简,并利用程序构建精简后的点云数据的网格模型。通过与原始点云的网格模型进行对比分析,实验表明此改进算法的精简效果比较理想。     

基于三维激光点云的隧道电缆敷设质量参数自动检测方法

电力电缆敷设不规范是导致绝缘故障的主要原因,影响电缆的安全运行。当前电缆敷设质量检测多采用人工接触式测量,主观性强、精度低,容易对敷设区域造成二次损伤。文章提出一种基于点云的隧道电缆敷设质量参数自动检测方法。首先在电缆敷设施工位置获取隧道电缆点云数据;之后基于隧道的结构特征分割出电缆点云;最后,基于颜色和形态特征从电缆点云中分割出敷设区域并自动测量敷设质量参数。所提出的电缆和敷设区域点云分割算法的平均精确度、召回率、F1分数均大于0.92,自动测量的4个敷设质量参数平均绝对误差均小于0.35mm。试验表明,该方法可以准确定位电缆敷设区域,并对敷设质量参数进行自动精准测量。     

基于多源点云与图像数据的车辆定位与再识别方法

针对大型桥梁车辆移动荷载监测场合中车辆的重心估计能力不足和车辆再识别困难等问题，提出一种基于点云灰度图的彩色图像与点云快速融合方法，以提高对车辆的空间定位能力和对目标的辨识能力。首先利用立体标定靶对不同视角相机和点云采集装置的位姿进行标定，获取它们彼此间的相对位置和姿态；然后利用标定的结果对不同视角采集到的点云进行拼接，得到完整的车辆点云；再将完整点云转换至彩色相机坐标系并投影，提取点云灰度图，实现彩色图像与点云灰度图的配准，将其姿态调整至与车辆实体在彩色相机坐标系内的位置和姿态一致。进一步建立彩色像素点与三维点云间的映射关系，并将颜色信息与点云相关联，从而实现彩色图像与点云的融合。利用融合后的彩色点云和相机成像模型，可以得到车辆在彩色相机坐标系中的虚拟图像，为车辆的再识别提供依据。结果显示，相比于采样一致性算法，所提配准算法缩短了约74.1%的耗时。实验表明，所提算法实现数据融合后生成的彩色点云具有较高的还原度，证明了所提算法的可行性，为解决类似的问题提供了新的思路和方法。     

基于机械臂辅助的多视角三维点云拼接算法

针对如何快速且准确地获取模具内部完整三维点云数据的问题，提出一种机械臂与三维视觉设备结合的三维点云拼接算法。在初拼接阶段，采用手眼标定方式获取手眼矩阵，并将各幅点云转换到机器人基坐标系，完成初步拼接，得到良好的配准初始位置。在此基础上，提出改进的迭代最近点（ICP）算法，通过结合内部形体描述子（ISS）特征获得关键点，并用随机一致性算法剔除错误匹配点，在点的匹配过程中采用点到面的方式进行匹配，最终得到完整的拼接点云。实验结果表明，所提算法在与ICP算法及其他改进的ICP算法的配准性能对比中具有良好的稳健性，算法耗时及配准误差明显下降，完整的拼接点云误差为0.12 mm，具有较高的工程实践价值。     

基于邻域点位置特征的点云数据精简

海量点云数据给存储、传输、处理等带来极大困难。针对现有算法在特征保留与精简后重建模型表面积、体积、重建误差不能兼顾的问题，提出一种基于邻域点位置特征的点云精简算法。该算法根据权值计算投影面、搜寻矩阵大小以及精简比例对目标点云进行精简。将目标点云网格化处理；寻找投影面垂直方向（正、负两个方向），以目标点为中心，获取搜寻矩阵范围内的点；根据搜寻矩阵内点与目标点的位置关系确定其权值；根据所设的精简比例对原始点云进行精简。将所提算法与曲率采样法、均匀网格法和随机采样法进行比较，并从特征保留、表面积和体积变化率这3个方面进行评价。实验结果表明：所提算法的精简结果对特征区域效果优于均匀网格法和随机采样法，与曲率采样法一致；精简结果误差、重建模型的表面积差和体积差总体优于曲率采样法，与随机采样法基本一致，略差于均匀网格法。因此，所提算法既能较好地保留特征，同时又能使重建后的结果模型表面积和体积变化以及误差都较小，综合效果好。     

基于激光三维点云的机械工件识别方法

随着中国制造2025的到来,运用工业机器人在线加工机械工件是大势所趋。为了能够智能抓取工件,工业机器人需要识别工件的类型以及工件的位姿。针对流水线上识别工件类型难的问题,提出了一种基于激光扫描三维点云的工件类型识别方法,该方法主要能够识别工件是哪种工件。首先对流水线上杂乱无序的工件进行激光扫描,得到工件的三维激光点云数据,将三维激光点云数据初步去噪。运用MATLAB软件对得到的三维激光点云进行中心切片,得到点云的主视切片、俯视切片、左视切片;运用HALCON软件对点云切片去噪、增强、分割,提取中心切片的边界信息并得到提取区域的特征参数,进而识别工件的类型。最后运用自主研发设备进行实验,分别以步距为0.05 mrad、测距精度0.2 mm、测角精度为0.02 mrad进行扫描,实验结果表明,识别准确性达96.67%。该方法对同类问题有较大的借鉴意义。     

基于先验信息采样一致性的点云柱面分割方法北大核心CSCD

针对点云数据在进行模型分割中存在高比例外点数据的问题,文章提出一种先验信息采样一致性的三维点云柱面分割方法。该方法首先根据三维点云数据的先验信息计算每个数据点的初始内点概率,选择概率最高的两个样本点作为初始样本子集拟合出初始模型;然后利用几何约束对模型进行预检验,并利用界限损失函数对预检验通过的模型进行模型质量判断,更新最优模型;最后通过贝叶斯定理来更新样本点的内点概率,进行下一次迭代,不断地优化内点集,得出最优模型。实验结果表明本方法相比于传统方法在时间效率上有很大提升。