序列图像约束的点云初始配准方法

针对现有算法难以精确配准重叠区域较小的点云,提出一种结合二维序列图像的点云初始配准方法。基于移动式三维测量方法获取实物表面灰度图像及三维数据,根据透视投影原理对相机在点云局部坐标系中的位置进行定位,获取点云到对应相机坐标系的变换矩阵,并以灰度图像的特征点及其匹配点作为匹配对,通过重建序列图像对相机外参数予以全局优化,根据初始配准公式实现点云初始配准。试验结果表明,该算法可正确配准重叠区域较小的点云,且能显著提高配准过程的稳健性及配准效率。     

三维点云特征的工件识别与位姿估计

针对工业机器人在抓取工件过程中需要识别和定位工件的问题,提出了一种基于改进法矢计算的点云局部描述符SHOT的三维物体识别与位姿估计的方法。首先,对三维扫描仪获取工件表面点云进行预处理和分割,得到用于匹配的工件点云模板数据集;其次,采用均匀采样算法提取特征点集,通过SHOT特征描述符对场景点云与模板点云提取的特征点进行点云局部描述;最后,利用Kd树建立初始对应对,引入3D霍夫投票机制通过点云局部坐标系各向量之间的转换关系完成工件识别,根据对应关系求解出初始变换矩阵。基于ICP算法进行精确配准,得到工件的精确位姿信息。实验结果表明:该方法与基于ICP算法进行对比,提高了配准精度,可以得到精确的位姿估计信息,为在机器人应用中工件定位抓取提供精确的位姿检测方法。     

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。     

基于激光扫描和SFM的非同步点云三维重构方法

室外场景具有测量数据量大、扫描数据易重叠及建筑物表面信息复杂等特点,单靠激光扫描方法能够获得场景精确的深度信息,但缺乏颜色和纹理信息,利用从运动中恢复结构(SFM)方法可获得丰富的彩色信息,但重构精度不高,若将两种设备固定进行在线实时同步测量,易受到测量环境和系统制约不易实现。针对此问题,提出了一种基于激光扫描和SFM结合的非同步点云数据融合的三维重构方法。首先,提出利用手动选择控制点进行7自由度初始配准,再利用迭代最近点(ICP)算法对初始配准结果进行精确配准,最后利用最近点搜索算法将分布在经基于面片的多视图立体视觉(PMVS)算法优化后的SFM数据中的颜色信息与激光扫描的点云坐标进行融合。实验结果和数据分析显示,本文的方法能有效地将激光扫描与SFM点云数据进行融合,实现了室外大场景的三维彩色重构。     

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。     

复杂零件在线三维测量中的点云配准方法

复杂零件的在线检测对质量控制和工艺优化具有重要意义,而如何对齐由多个视点拍摄获得的三维点云是实现在线检测的关键。基于点云内部属性与坐标系无关这一性质,提出基于手眼标定的多视点云配准算法,将不同视点下传感器坐标系中的点云转移到固定的机器人基座坐标系中,实现多视点云的粗配准;针对粗配准精度不高的问题,提出一种由粗到精的自适应距离阈值ICP算法,实现多视点云的精配准。ICP粗配准阶段旨在扩大算法的收敛范围,加快迭代速度;ICP精配准阶段旨在消除误匹配,保证最终收敛结果的准确性。试验结果表明,所提点云配准方法的精度和速度均能够满足复杂在线检测的应用要求。     

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.     

无缝钢管斜轧穿孔顶头表面缺陷非接触在线检测方法

针对无缝钢管斜轧穿孔顶头表面缺陷在线检测的现实需求，提出了一种基于激光扫描、空间点云数据处理及深度学习的非接触测量方法。根据无缝钢管产线特点确定了检测位置、系统构成和顶头轮廓数据采集方案，并引入迭代最近点（ICP）配准方法，实现了测量点云与标准CAD模型的配准。针对头部缺陷设计了相应的分类数集和渐变形态，使用点云深度学习方法实现了缺陷精确分类和量化预警。针对表面磨损缺陷，设置磨损深度上限阈值以实现磨损程度的精确监测。为验证系统可靠性，搭建了顶头检测物理模拟平台，并利用3D打印技术定制了含有不同缺陷特征的顶头实物模型。测试结果表明，表面轮廓检测误差在0.06 mm以内，头部缺陷分类精度可达97.7%、准确度可达98.1%，满足在线检测要求。     

基于改进ICP算法的损伤零部件精确配准方法

针对损伤零部件点云模型与原始模型利用传统迭代最近点算法配准出现较大误差的问题,提出一种基于该算法的改进算法,以实现两模型间对应点的准确获取,从而实现损伤零部件点云与原始模型的准确配准。考虑到损伤零部件表面尺寸和形貌发生变化,该算法将对应点曲率约束与对应点间的距离约束结合,并设定曲率和距离阈值实现损伤点云的自动剔除,保证了配准点云对应点的准确性及配准的快速性。最后,运用MATLAB实现了算法编写,并通过损伤模具的配准验证了该算法的有效性。     

基于表面贴合的不同视点传感器点云拼合方法研究

针对视觉传感器对物体表面点云数据采集的离散性,提出基于表面贴合的点云精确拼合方法。先对不同视点传感器获得的点云进行初始配准拼合,再以包容球方法选取点云重合表面区域的三处局部表面,用三维二次曲面方程拟合;旋转变换采用四元数法,经非线性最小二乘优化得到精确拼合的平移和旋转参数。该方法具有较快的收敛速度和较高的拼合精度,实例验证了所提方法的可行性。       

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。     

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。     

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.     

融合激光雷达与无人机的特大钢结构高精度测量

为了实现对特大钢结构的高效率、高精度检测,对地面激光点云整体配准算法以及无人机多视影像生成密集点云算法进行了研究。采用基于几何特征的可迭代整体配准算法不断对观测值进行约束定权和解算,将观测值改正数误差控制在一定阈值范围内,直到完成配准,生成整个网架结构的激光雷达点云模型。以球节点多连杆中心点算法对网架结构中的球结点与柱进行偏心计算,再使用基于视觉运动恢复结构算法以及改进的RANSAC算法生成的影像密集点云,通过配准实现地面激光点云和高分辨率非量测影像数据的融合。以某亚洲最大跨钢结构高精度检测为例,多站激光雷达点云整体的配准精度为5 mm,抽检的21根钢柱里16根柱子的偏差接近或大于35 mm(32.1～68.2 mm,方向均向外),整体钢结构的网架挠度均小于1/250。由此表明,地面激光点云整体配准算法以及高分辨率非量测影像数据密集点云生成算法可行且准确,能够满足特大钢结构的高精度检测要求。     

基于小波变换的精密测量点云多尺度分解

为了减小多源跨尺度点云数据尺度与数据量上的差异，提出了一种基于小波变换的点云多尺度分解方法。对细节丰富的小尺度点云数据进行多尺度分解，以及尺度分解在跨尺度点云数据配准中的应用进行研究。首先，对小尺度点云进行栅格建模，建立全局点云二值表达函数。根据离散小波变换理论，对栅格点云进行多次的三维小波分解，利用小波尺度函数的低通特性，保留低频信息来获取原始小尺度点云的近似尺度数据。然后，基于面维数和差体维数差表征与原始数据的相似度，确定有效的小波分解级数。最后，将各级分解得到的点云数据与大尺度点云数据进行精确配准，并将配准关系应用于原始点云，提高跨尺度点云的配准精度。实验结果表明：本文提出的多尺度分解方法能够对数据进行有效分解，应用于某航空发动机叶片多尺度测量中，将显微测量的局部气膜孔小尺度点云数据与整体叶片结构光数据配准，配准精度提升了61.36%。该分解方法应用于叶片边缘与栅格零件多尺度测量中，配准精度分别提升了48.59%,43.86%。所提的点云多尺度分解方法能够有效分解小尺度点云数据，大幅提升跨尺度数据的配准精度。     

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。     

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。     

损伤零件点云模型配准的ICP算法

针对损伤零件的传统点云模型配准过程中存在着运算效率低与损伤部位损伤量确定误差较大等问题,提出一种基于原始ICP算法的改进算法。考虑模型因为损伤而引起的特征与表面形貌的改变,利用法矢夹角进行点云数据的精简,保留模型主要特征,再利用对应点的曲率约束与距离约束设定阈值剔除损伤区域点云,保证对应点之间快速准确地配准。最后,运用Matlab实现改进算法,并利用损伤的轮机叶片点云数据的配准验证该算法的有效性。     

工件四特征点的粗配准方法研究

工件自动配准在柔性生产装配中至关重要,其中装配工件CAD模型数据和实测点云数据的配准是关键技术之一。针对装配工件和CAD模型的配准问题,提出了一种基于工件四特征点的粗配准算法。获得配准物体CAD模型数据和实测点云数据后,该方法包含四步:点云数据取样,特征四点集提取,特征一致四点集寻找,计算变换一致性矩阵。以正方体为模型的仿真实验结果显示该配准方法正确可行,以维纳斯石膏像作为实验对象进行配准实验,当点云数据为80000点时,点到点的误差均值为0.0622mm。该算法稳定,配准结果可以作为精确配准算法ICP(Iterative Closest Point)等的叠代初值。