颅骨点云模型的优化配准

由于颅骨的三维点云数据模型复杂且不同人的颅骨差异较小,对其配准精度要求较高。为了提高颅骨点云模型的配准精度和收敛速度,提出了一种先粗配准再细配准的配准方法。首先,对颅骨点云数据模型进行去噪、简化和归一化等预处理;然后,通过区域划分、区域配准和求解组合系数以及求解刚体变换等步骤实现区域层次上的颅骨粗配准;最后,通过引入动态迭代系数来改进基于旋转角约束的迭代最近点算法,并采用该改进的ICP算法实现颅骨的细配准,从而达到精确配准的目的。实验结果表明:与ICP算法相比,改进的ICP算法的配准精度和收敛速度分别提高了约30%和50%。证明该种先粗配准再细配准的颅骨点云模型配准方法是一种精度高、速度快的有效颅骨配准算法。     

基于球面特征的点云配准方法研究

针对多视点云的配准问题,提出了基于球面特征的自动配准方法。在测量的零件周围固定标准球,把零件和标准球作为一个整体进行点云测量。用球面拟合的方法求解标准球的球心坐标,并在待配准点云的球心坐标中搜索对应点,从而计算粗配准中的旋转矩阵和平移矩阵,实现点云的粗配准,采用融入球心坐标信息的改进的ICP算法(迭代最近点法)实现点云的精配准。这种方法大大缩少了粗配准中对应点的搜索范围,并实现了自动配准,提高了配准效率,改进的ICP算法增强了配准算法的鲁棒性,实例证明该方法有效。     

层次优化的颅骨点云配准

颅骨配准是颅面复原的重要步骤之一,其配准精度和效率对复原结果有着重要的影响。为了提高颅骨点云模型的配准精度和效率,本文提出了一种层次优化的颅骨点云配准方法。将颅骨配准分为粗配准和细配准两个过程。首先对颅骨点云模型进行去噪、简化和归一化等预处理;然后对颅骨点云模型提取特征点并计算其特征序列,根据特征序列进行约束寻找初始对应点对,并采用k-means算法剔除误匹配点,实现颅骨粗配准;最后通过加入几何特征约束的改进迭代最近点(ICP)算法实现颅骨细配准,从而达到颅骨精确配准的目的。本文分别对粗配准、细配准和先粗再细完整配准过程进行实验,结果表明:粗配准过程,与未优化的粗配准算法相比,本文优化后的粗配准算法的配准精度提高了约35%,算法耗时增加了约6%;细配准过程,与ICP算法相比,本文改进ICP算法的配准精度和收敛速度分别提高了约20%和43%,算法耗时减少了约47%;先粗再细的完整配准过程,本文算法的配准精度和收敛速度都要优于其他两种方法。证明了本文方法是一种有效的颅骨点云配准算法,可以实现颅骨点云的精确配准。     

应用改进迭代最近点方法的三维心脏点云配准

在医学多图谱配准中,为了改善因初始位置差异较大、形状复杂和局部残缺导致的配准效率低和精度差的问题,本文采用了先粗配准再精配准的处理策略,在主成分分析法(PCA)实现粗配准的基础上,提出了基于双向距离比例的迭代最近点(ICP)的精配准算法。精配准算法中,首先采用KD-tree进行最近邻搜索以提高对应点对的搜索速度,然后为每个点提出了双向匹配方法并计算其双向距离和比值,为进一步提高配准精度,引入了一个指数函数判断点对正确匹配概率,最后运用奇异值分解法(SVD)计算最终变换矩阵。为了验证算法的可行性和有效性,分别设计了不同缺损程度的斯坦福点云数据实验和两组CT心脏点云数据配准实验,结果表明本文方法较经典ICP算法的平均误差减少约21%,较TrICP算法减少约13%,在心脏点云数据配准实验中,本文方法较TrICP算法的15.5 s加快到1.77 s。因此本文方法在解决三维心脏点云数据的配准问题中具有良好的效率、精度和稳定性。     

旋转台多视场扫描点云的自动配准方法

三维扫描需要将不同视角下获取的点云数据进行配准,并统一到全局坐标系。针对旋转台扫描得到的点云数据提出了一种自动配准方法,其基本思路是先用NDT算法作粗配准,将待配准的两片点云旋转平移到较好的初始位置,接着用ICP算法作精配准。经实验证明:该方法配准速度快、精度高。     

应用深度相机的手术导航注册算法研究

手术导航注册是实现手术导航、器械跟踪的关键技术。提出了一种基于深度相机的手术导航注册算法,结合点云配准的相关原理,构建PCA点云坐标系,提高了粗点云配准的速度,结合CPD精配准算法,完成手术导航注册,通过实验验证了该方法的有效性。     

一种脊柱图像快速重建与配准方法

为提高传统脊柱图像三维重建与配准速度和精度，提出一种基于传统立方体(MC)算法和迭代最近点(ICP)算法的快速重建与配准方法。首先利用双边滤波对CT图像进行预处理，基于区域生长的思想改进MC算法，完成三维重建并获取脊柱三维模型和点云模型。然后采用ISS算法提取脊柱点云关键点，求取关键点的快速点特征直方图(FPFH)，基于采样一致性(SAC-IA)方法完成初始配准，从而改善2片点云的初始位姿。最后通过K-D树加速寻找最近邻点对，并引入基于欧式距离的权重系数改进ICP算法，实现精配准。试验结果表明：重建速度较传统方法提高20%，配准速度较传统统方法从177.8s提高到41.2s，且配准结果平均误差为2.81*10^-1。     

基于表面间三棱锥体积测度的点云配准

提出一种基于离散对应特征和表面间平均三棱锥体积测度的改进ICP算法,进行了多视激光点云配准。通过寻找两片点云重叠区域内的有效点与对应三角形对,并将有效点与对应三角形对所夹的空间三棱锥体积作为误差测度来指导激光点云的配准;将点与对应三角形的质心作为对应点对,估计出新的空间位置转换关系。实验结果表明:该改进算法具有较高的配准精度且收敛速度较快。     

足部模型点云配准方法研究

由于人体足部呈长条状且不规则的几何形状,使得用三维扫描设备进行点云数据采集时,会出现点云数据重叠度较低的情况,配准难度较高。针对人体足部的外表结构不规则几何特性,提出了一种先粗配准再细配准方法对足部模型点云进行配准。先对采集到的足部模型点云数据进行去噪、滤波等预处理,再在足部模型下设置一立方体底座,利用立方体底座法向量规则均匀的特性来辅助粗配准工作;再采用点云分割方法去掉立方体底座,最后利用ICP最近点迭代对足部模型进行细匹配,从而实现对足部模型的点云配准。实验结果表明:提出的配准方法与传统的ICP方法相比,不但可以实现对足部模型点云的配准,且在配准速度上提高了54%,配准精度上提高了42%。     

基于点云几何信息改进的自动配准方法CSCD

针对工业流水线上激光扫描工件获得的点云数据的配准问题,提出了一种基于点云数据几何特征改进的点云自动配准新算法。新算法首先根据点云数据中法向量的变化规律选取特征点,作为初始的匹配点集;然后运用一种根据点对间距离约束优化的随机抽样一致(RANSAC)算法对数据初始匹配;并运用k-d tree加速改进的最近点迭代(ICP)算法进行精确匹配;并运用四元数法求得配准参数。分别对提出的新算法、PCA改进算法和经典ICP算法进行了实验,并对实验结果进行了对比。对比结果表明新算法能够实现配准,并显著提高了配准的速度和精度,表明了新算法的有效性,对实际应用具有一定的现实意义。     

基于点云几何信息改进的自动配准方法

针对工业流水线上激光扫描工件获得的点云数据的配准问题,提出了一种基于点云数据几何特征改进的点云自动配准新算法。新算法首先根据点云数据中法向量的变化规律选取特征点,作为初始的匹配点集;然后运用一种根据点对间距离约束优化的随机抽样一致(RANSAC)算法对数据初始匹配;并运用k-d tree加速改进的最近点迭代(ICP)算法进行精确匹配;并运用四元数法求得配准参数。分别对提出的新算法、PCA改进算法和经典ICP算法进行了实验,并对实验结果进行了对比。对比结果表明新算法能够实现配准,并显著提高了配准的速度和精度,表明了新算法的有效性,对实际应用具有一定的现实意义。     

面向车身虚拟匹配的非均匀点云数据配准算法

车身点云扫描的质量检测方式为薄板件的虚拟匹配提供了数据基础.针对薄板件虚拟匹配过程的点云数据配准问题,提出了一种考虑车身复杂曲面特征的点云主平面拟合与精确配准流程与方法.首先在曲率化离散方法基础上,提取薄板件数模的非均匀化点云,采用基于主成分分析法的数模与实测点云主平面的构建方法,结合其主向量的旋转重合,通过迭代搜索获得均方根误差最小的最佳初始配准位置.进一步,利用改进的ICP算法对点云进行精确配准.采用车门内板单件的实测案例对提出方法进行验证,实验结果表明本方法较传统ICP算法将配准精度提升50％以上,为车身试制过程的薄板件精度评价与虚拟匹配分析提供了有效的方法基础.     

应用改进迭代最近点方法的点云数据配准

提出了基于点云边界特征点的改进迭代最近点(ICP)方法来提高逆向工程中点云数据配准的效率和精度.首先,提出了基于点云边界特征点的初始配准方法.对点云最小包围盒进行三维空间划分,建立空间网格模型;运用边界种子网格识别及生长算法,从点云边界提取特征点,运用奇异值矩阵分解法(SVD)求出点云的变换矩阵,得到初始配准结果.然后,提出了改进的ICP精确配准方法.对点云对应点赋予权重,剔除权重大于阈值的点,通过对目标函数引入M-估计(M-estimation),剔除异常点.最后,在初始配准的基础上,运用改进的ICP方法精确配准.对经典ICP方法和改进ICF方法做对比实验,结果显示,改进方法的配准效率提高了70％以上,误差减小到0.02％.实验表明,本文方法大幅提高了点云配准的效率和精度.     

基于双目结构光的工件位姿检测方法北大核心CSCD

面向机器人在柔性上下料中工件放置范围较大、摆放位姿不确定的应用场景,提出了一种基于双目结构光的空间位姿检测系统。基于双目结构光视觉系统获取工件点云数据,通过对Z轴分层遍历寻找工件最上层平面,利用其法向重新建立坐标系来矫正原始点云数据;将最上层点云数据映射转成2D图像,通过图像处理完成多个工件分割并获得工件位置信息进行点云粗配准,再通过ICP精配准得到工件的位姿信息。以检测料框为例进行实验,实验结果表明:视觉系统距检测目标3 m处,仍能输出多个料框的准确位姿信息,可有效提升工业机器人柔性上料的可靠性。     

点云模型的匹配点对优化配准

针对传统迭代最近点（ICP）算法在点云存在重叠或部分重叠时,配准误差大且适应性差的问题,提出一种基于匹配点对加权优化的改进配准算法。首先,提出一种改进体素降采样算法对点云进行采样,减少数据量的同时提高算法对噪声的鲁棒性;然后,采用改进Sigmoid函数赋予参与配准的匹配点对不同的权重,克服传统算法忽视距离较小的匹配点对中仍具有错误点对的缺点,同时提高了配准精度和收敛速度;最后,提出一种采用奇异值分解法（SVD）求解配准参数的方法,进一步提高配准精度。设计了不同重叠度的配准实验和噪声实验,并结合曲轴三维点云重建对本文算法进行验证。实验结果表明：本文算法误差较Tr-ICP算法减少了约34.1%,较AA-ICP算法减少了约29%,配准时间较TrICP算法缩短了约16.1%。最终表明本文算法具有更高配准精度的同时,具有更好的适用性和鲁棒性。     

基于“滑移”主方向自适应采样的ICP算法优化研究

在已有相关理论的基础上,研究了ICP算法中的采样策略及匹配点集的确定。首先确定重叠区域,识别边界点;其次对重叠区域进行采样,在ICP算法的迭代过程中的不同阶段采取不同的采样策略,同时提出一种基于法矢三点插值的方法确定匹配点,保证配准的精度,提高配准的速度;最后通过对点云数据的测试,验证了研究成果的有效性和实用性。     

基于分层块状全局搜索的三维点云自动配准

提出了一种分层块状全局搜索到临近点局部搜索的改进迭代最近点(ICP)算法,用于进一步提高ICP算法的配准速度并消除点云缺失对点云配准的影响。该配准方法在粗略配准之后,以点云块为分层单元对模型点集进行选取,并对选取的少量模型点进行全局搜索获取其对应最近点;然后,以这些模型点对应的最近点作为搜索中心,在场景点集中进行局部搜索,获取这些模型点的大量临近点的对应最近点;最后,剔除错误对应最近点对,并求取坐标变换。与基于KD-Tree的ICP算法和基于LS+HS(Logarithmic Search Combined with Hierarchical Model Point Selection )的ICP算法相比,该配准算法对Happy bunny扫描数据的配准速度分别提高了78%和24%;对Dragon扫描数据的配准速度分别提高了73%和30%。这些结果表明该算法可以快速、精确地实现三维点云间的配准。     

基于三维点云的机械加工精度自动检测方法

本文提出了一种基于三维点云的零件精度自动检测方法,对传统ICP(迭代最近邻点)方法进行改进,将基于配准误差的点对权值添加到坐标转换参数和总体残差的迭代计算过程中,克服了误差点对配准的影响;根据误差分布假设检验原理设计加工精度快速评价方法,帮助质检人员快速识别问题零件,提高检测效率和精度;通过试验验证了改进ICP算法对局部误差点云配准的鲁棒性以及加工精度评价方法的准确性。     

工程装备逆向建模中的点云配准技术研究

通过应用一种基于区域划分的Super4PCS算法用于点云全局配准,根据源点云与目标点云的重叠比例对点云进行区域划分,计算出能够实现最大比例重叠的区域;最后求解出各区域配准的旋转矩阵和平移向量,并将其用于全局配准,同时采用了基于重启加速ADMM改进的稀疏ICP算法用于点云局部配准。实验结果表明,所用算法在两配准点云低重叠比例时,能够有效地提高配准精度与配准效率,同时避免了陷入局部最优解的问题。     

基于点云中心的激光雷达与相机联合标定方法研究

针对激光雷达与相机联合使用遇到的点云稀疏、相机受环境光照影响失真等问题,提出一种基于点云中心的激光雷达与相机自动配准方法,避免了传统联合标定需要手动选择特征点以及连续采集多帧等问题。该方法在对点云与图像预处理后,利用平面法向量的一致性实现多标定板点云自动分割,提取标定板在激光坐标系和相机坐标下的点云;然后通过点云聚集迭代求解中心点,实现两个传感器标定板对应点云中心的粗配准;最终利用迭代最近点算法进行精配准,获得标定参数,完成联合标定。实测表明,在激光雷达误差±3 cm范围内,点云正确投影比例达到97.93%,可以有效获取高精度联合标定参数,满足空间环境对激光雷达和相机数据融合的要求。