样点邻域同构曲面约束的散乱点云法向估计

针对现有点云法向估计算法难以兼顾估计结果的精度与稳健性问题,以局部采样区域同构曲面作为样点邻域点集所反映曲面形状约束,提出一种散乱点云法向估计方法。该方法将目标样点的邻域点集作为局部样本进行曲面重建,获取插值于采样点集并与采样表面拓扑同构的局部网格曲面;对曲面局部区域高斯映射结果进行聚类分析,获取目标样点的各向同性邻域面;基于面片的正则度以及面片至目标样点的测地距离,确定目标样点各向同性邻域面片法向的加权均值,并将所得结果作为目标样点的法向估计结果。试验结果表明,该方法在点云数据信噪比为40 dB的情况下可保证98%以上样点法向估计偏差在以内,可稳健处理含有噪声以及采样不均匀等缺陷的散乱点云法向估计问题,对于含尖锐特征的点云亦能准确估计样点法向,且具有较高的计算效率。     

凸显尖锐特征的点-线-面递进式曲面重建

针对现有曲面重建算法不能很好地重建出点云模型尖锐特征的缺陷,提出了一种凸显点云尖锐特征的点-线-面递进式曲面重建算法。首先,根据近邻点的欧氏距离、法向偏差和曲面变分,采用主成分分析算法和k-近邻点迭代加权法获取点云准确法向;接着,依据特征点位于多个平面交线上的原则,利用法向聚类和平面拟合从候选特征点中筛选特征点;然后,依据特征点生长方向和主方向的相互关系重建特征线,并按照最小二乘原理采用矩阵法修复角点;最后,以特征线为约束重建尖锐特征点云曲面。实验结果表明：本文算法计算的点云准确法向与理论法向偏差接近于0,特征重建效果优于其他算法,算法耗时短且与点云数量呈线性关系。算法不仅能够准确计算尖锐特征区域的点云法向,还能准确提取出点云模型的特征点并凸显模型的尖锐特征。     

有界泊松曲面约束的曲面样点法向稳健估计

对存在噪声、非均匀采样等缺陷的曲面样本,基于样点及其邻近样点构成的局部样本通常无法稳健逼近曲面局部区域,导致样点法向难以准确估计。为抑制样本缺陷对样点法向估计的影响,提出一种以有界泊松曲面逼近局部样本作为约束的样点法向加权估计算法。对待估计法向的样点,该算法对其所属曲面局部样本作增益优化处理,使得曲面局部样本具备边界保护区域;在样点的Frenet标架中以泊松曲面逼近该样本,基于样本的边界保护区域将泊松曲面的离散网格转化为有界形式,从而建立样点邻域的曲面约束,以有界泊松曲面离散网格中距样点最近的网格面片作为样点的参考面片,基于顶点邻域面的正则度及邻域面到该顶点的测地距离估计参考面片顶点法向,将参考面片各顶点法向的加权求和结果作为样点法向的估计结果。实验结果表明:曲面样本噪声水平不高于20%时,可将法向计算误差控制在π/18以内,且所得法向过渡较为光滑。证明了该算法适用于复杂曲面样本,可稳健处理存在噪声以及采样不均匀等缺陷的曲面样本的样点法向估计问题,实现曲面样点法向的光滑过渡。     

复杂型面点云的法向特征聚类分级估计方法

针对含有棱边和尖角等特征的复杂型面采样点云,为提高其法向估计结果的准确性,提出一种基于特征区域聚类分级的点云法向估计方法,根据曲面局部平坦性和贝叶斯信息准则对点云进行聚类分析,依次将点云划分为平坦、特征边缘、棱边尖角等区域,并识别样点所属特征类型,将平坦区域样点法向估计结果向其邻近特征区域依次传播,使特征样点的法向估计结果与其邻近平坦区域样点的法向保持一致.实验结果表明,该方法可以准确估计特征区域样点的法向,有效保证棱边和尖角区域样点的法向多义性,并对数据噪声具有抑制作用.     

特征保持的点云光顺算法

提出了一种特征保持的三维点云光顺去噪算法。首先对点云模型构造kd树结构,计算采样点的k邻域,然后把点云模型的局部几何信息,包括邻域点间距离、法向夹角、曲率等作为特征参数,根据其特征性强弱将采样点沿法向方向移动不同距离来实现点云去噪。实验结果表明,算法既能有效去除噪声,又能很好地保留原始模型的特征信息。     

特征保持点云数据精简

由于三维扫描设备采集的点云数据庞大,本文提出了一种特征保持的点云精简方法以在减少冗余数据的同时更好地保持原始曲面的几何特征。首先,利用K均值聚类法在空间域对点云全局聚类,对点云构建K-d树并以K-d树的部分节点作为初始化聚类中心。然后,用主成分分析法估计点云法矢和候选特征点,遍历每个聚类,若类中包含特征点则将该类细分为多个子类,细分时将聚类映射到高斯球。最后,基于自适应均值漂移法对高斯球上的数据进行分类,高斯球上的聚类结果对应为空间聚类细分结果,各聚类中心的集合为精简结果。以多个实物模型为例验证了算法的有效性。结果表明,本文方法精简的点云在平坦区域保留少数点,在高曲率区域保留更多的点。相比于非均匀网格、层次聚类、K均值点云精简法,该方法对包含尖锐特征的曲面精简误差最小,更好地保留了原始曲面的几何特征。     

点采样曲面的曲率估计

本文提出一种直接在点采样曲面上计算曲面的高斯曲率、平均曲率及主曲率等局部微分性质的方法。首先，为了去除测量产生的噪声和误差，引入高斯核函数为每个采样点加权；接着计算每个采样点的最近邻域点集；然后用双三次B样条曲面最小二乘拟合邻域点集，构造局部参数曲面来逼近原始曲面，以局部参数曲面的曲率估计点采样曲面的曲率；最后给出曲率估计的应用。实验结果表明，该方法能有效地反映曲面的基本特征。     

离散点的隐式曲面重建算法研究

针对复杂自由曲面三维扫描数据多为离散点的特点,提出了一种隐式曲面重建算法,它能满足从大量离散点云数据中快速准确地建立曲面的需求。通过选择合适的形状函数,该算法可以准确描述尖锐特征比如边和角。方法是首先用八叉树细分方法来进行离散点云数据分组,然后用分段的二次函数来捕捉每组数据的局部形状,用单位分割法来组合局部的形状函数。应用实例表明,该算法可以对离散点云数据进行快速、准确、自适应的曲面重建。如果离散点云模型有指定的精度,那么隐式曲面重建算法的处理时间取决于该模型的几何复杂性和细分程度。     

基于法向量区域聚类分割的点云特征线提取

针对逆向工程领域中散乱点云模型过渡线及细节特征线提取不完整问题,提出一种法向量区域聚类的特征线提取方法。采用自适应邻域的主成分分析法估算模型的法向量,利用萤火虫算法优化的模糊C均值聚类算法对法向量的进行聚类实现模型的有效分割。构造点集剔除与合并准则从各分割块边界点集中析取候选特征点,再以局部邻域主轴方向为基准提取特征点。实验结果表明：简单模型的特征线基本可准确完整提取,相对复杂模型的特征线数量提取率可达90%,长度提取率达到了85%。算法具有良好的自适应性和准确性,能有效提取点云模型尖锐特征和细节特征,并尽可能多地保留模型过渡特征。     

基于工件特征的曲面生成优化方法

曲面生成是实现工业逆向三维重建测量的主要途径,为了提高整体工件的曲面重建精度,将工件特征区分为平缓和尖锐特征,根据不同特征类型的特点设计了一种曲面生成优化算法.采用主成分分析方法求解点云的法向量和曲面变分,提出一种广度优先搜索算法来调整点云的法向量方向;根据曲面变分区分出尖锐特征和平缓特征,采用贪婪投影三角形算法对尖锐特征进行重建,采用泊松算法对平缓特征进行重建;将尖锐特征和平缓特征合并得到最终的曲面模型.实验表明,所提算法的精度高于贪婪投影三角形算法和泊松算法.     

保持特征的散乱点云数据去噪

为保证在去除点云数据噪声的同时不损失模型的细节特征,提出了一种基于特征信息的加权模糊C均值聚类去噪算法。首先,构建点云K-D树拓扑结构,根据点的r半径球邻域点统计特性去除大尺度离群噪声点。然后,利用主元分析法估算点云的曲率和法向量,根据曲率特征标识点云数据的特征区域,并采用特征加权模糊C均值聚类算法对特征区域去噪,采用加权模糊C均值聚类算法对非特征区域去噪。最后,使用双边滤波器对点云模型进行平滑。对提出的算法进行了验证实验,结果显示:去噪后点云模型的最大偏差保持在模型尺寸的0.15%以内;标准偏差保持在模型尺寸的0.03%以内。本文算法能够在有效去除不同尺度和强度的噪声的同时不损失点云模型的细节特征,去噪精度高,且对不同的噪声模型具有较强的鲁棒性。     

散乱点云局部形貌标架量化及特征识别方法

针对散乱点云特征识别结果存在噪声及特征遗漏的问题，提出一种基于曲面局部形貌标架的点云特征识别方法。基于点云局部中轴对样点的隔离作用，剔除样点欧氏邻域内的非测地邻域点，为曲面构造优化的局部样本模型。析取局部离散样本中的准共法截线点对集合，构造散乱点云的局部形貌标架。基于标架夹角的差异性，对曲面样本形貌进行量化分析，区分平滑、边界、棱边及尖角等特征区域，实现对中心样点属性的稳健判别。实验结果表明，该方法适用于不同采样密度的点云，可显著降低点云特征识别结果中的噪声点规模，且能有效减少特征遗漏现象。     

基于特征信息分类的三维点数据去噪

为了有效去除获取三维点云数据时的噪声,同时又不损失模型的特征信息,提出了一种基于三维点云特征信息分类的去噪算法。首先采用主成分分析法和二次曲面拟合法估算三维点云的微分几何信息;然后根据点云平均曲率的局部特征权值,将点云数据划分为特征信息较少的平坦区域和特征信息丰富的区域,针对不同特征区域分别采用邻域距离平均滤波算法和自适应双边滤波算法进行去噪滤波。实验结果表明:滤波后点云数据的最大误差为0.144 7mm,标准偏差为0.021 0mm。在不同噪声强度下,该去噪算法均能够达到较好的去噪效果,并保留点云的高频特征信息。     

结构光检测点云精简与重构参数自动调节方法

针对薄壁叶片的点云扫描采样会产生特征消失、三角重构会产生孔洞现象的问题,提出一种改进的点云精简以及重构 的方法。 首先,根据法向量夹角阈值和欧氏距离提取叶片外轮廓;其次,计算点云的平均曲率和高斯曲率,设定阈值对点云划分 子集,采用索引空间法对点云数据进行精简;然后,采用贪婪算法针对距离阈值系数和三角形参数对叶片点云进行实验分析,得 出没有孔洞的贪婪三角参数经验值;最后对距离阈值系数和点云平均间距拟合出关系式,实现贪婪重构的参数自动调节。 实验 结果表明,在总体精简率为 90% 左右时,相较于另外两种方法,标准偏差分别下降了 26. 45% 和 19. 92% ,外轮廓尺寸平均偏差分 别下降了 79. 81% 和 47. 97% 。 按照提出的方法设置重构参数,重构质量良好,对薄壁叶片实现在机智能加工检测具有良好的应 用参考。     

双边特征聚合与注意力机制点云语义分割

机器视觉是环境感知的重要手段之一,是自动驾驶、机器人、工业检测等领域的研究热点,而点云数据的精细分析是其 中的一项关键技术。 针对大尺度真实场景点云数据分割精度低的问题,提出了一种适用于点云数据语义分割的网络结构。 首 先,构建了一个双边特征聚合结构,通过分别处理点云的几何信息和语义信息,达到充分利用点云特征信息的目的。 其次,使用 近邻特征的高维空间相关性计算点与点之间的相互作用,进行局部邻域的上下文信息增强。 提出了一种混合池化结构代替最 大值池化,减少信息损失,使用横向跨层池化连接来增强特征多样性。 最后,引入注意力机制提取全局特征,滤除尺度噪声,增 强特征在空间上的表现力。 实验结果表明,该方法在大尺度真实场景点云数据集 S3DIS 上的平均交并比为 68. 2% ,平均准确率 为 80. 7% ,比 PointNet 提高了 20. 6% 和 14. 5% ,客观指标优于已有的代表性方法。     

基于多描述子投票的飞机蒙皮局部扫描点云定位

为了提高数字化飞机蒙皮检测技术的效率,针对其中局部蒙皮和数字模型的对齐问题,提出了基于多描述子投票的飞机蒙皮局部扫描点云定位算法,采用基于测地距离的蒙皮面片选取方法,综合利用多种三维点云描述子的识别能力差异来确定数字模型上的定位区域,同时提出了投票点加权定位法来提高定位位置精度。根据对比实验结果和工程实例上的实际应用,得出结论如下：所提算法相比于基于单一描述子的定位方法定位准确率平均提高约37.5%;所提算法在实际工程中具有可行性。     

基于加权邻域相关性的显微镜自动聚焦函数

目的：提出了一种基于加权邻域相关性的显微镜自动聚焦函数,并在研究显微镜聚焦原理及成像过程的基础上,分析了显微镜图像中像素邻域灰度相关性及像散现象对聚焦评价的影响。方法：首先,分别计算每幅显微镜序列图像中各像素与其四邻域像素的灰度相关性。然后,计算基于此相关性加权平均值的二次多项式聚焦函数,其中权值根据对应像素与显微镜视场中心的距离来确定。最后,选取该函数值最大的图像为聚焦图像。结果：实验结果表明,与经典的聚焦函数如方差函数、绝对梯度函数、Roberts梯度函数及Tenengrad函数相比,本文方法的聚焦灵敏度因子提高了0.3185~0.3268,噪声环境下聚焦的平均正确率提高了0~40%。结论：该方法能够准确地评价图像聚焦的程度,并具有较高的灵敏度和较强的抗噪性。