共查询到20条相似文献,搜索用时 171 毫秒
1.
2.
3.
通过光栅投影法可以获取物体的三维点云数据,但是对于形貌复杂的被测物体,由于测量方式本身含有的一定缺陷,会导致所获取的点云数据出现孔洞区域,从而对后续处理造成影响。结合已有的从运动中恢复结构(SFM)算法,提出一种新的点云孔洞修补方法。首先,利用光栅投影法中得到的二维相位信息来提取三维点云孔洞区域的边界点;接着,将SFM获取的点云数据集与光栅投影法所采集的点云数据集进行配准,并提取出信息补充点;最后,在添加了补充点的点云数据集上,利用径向基函数计算曲面方程,修补孔洞。实验结果证明了该算法的稳健性,能较为有效地恢复复杂物体的表面信息。 相似文献
4.
激光线扫方式获取的点云数据量庞大,不利于点云数据的存储、处理与分析。为了对激光线扫点云数据进行有效精简,提出了一种基于OTSU多阈值分割算法的激光线扫点云数据表达及精简方法。基于点云数据坐标与图像灰度值的映射,采用OTSU多阈值分割算法进行区域分割,并将分割后的各区域进行边缘提取及细化处理。根据原映射关系将细化的二值图像重新以点云方式表示,即得到精简的点云数据。在保持原有点云数据关键信息完整度的基础上,可有效地精简点云数据。实验结果表明:基于OTSU多阈值分割算法可有效地精简点云数据,同时能够有效地去除扫描过程中的背景干扰数据,具有较大的适用性和实际应用参考价值。 相似文献
5.
一种改进的视觉传感器与激光测距雷达特征匹配点提取算法 总被引:2,自引:0,他引:2
激光测距雷达与视觉传感器的配准是视觉图像与激光距离信息融合的前提。激光测距雷达与视觉传感器的配准可分为点匹配与平面匹配。由于混合像素和非结构空间特征激光点丢失现象,使得基于点匹配的视觉传感器与激光测距雷达配准算法精度难以提高。通过对混合像素和非结构空间特征激光点丢失问题的分析,提出了一种结合平面建模思想,利用假想激光光束与平面模型相交提取匹配特征点的方法。验证了实验结果并进行了算法精度比较。实验结果表明,这种改进的特征匹配点提取算法解决了特征点缺失,并且提高了点匹配的精度,使匹配性能大大地改善。 相似文献
6.
基于多源信息融合的果树冠层三维点云拼接方法研究 总被引:1,自引:0,他引:1
构建了基于彩色相机和光学混合探测(PMD)相机的多源视觉系统,旨在建立具有真彩色信息的果树冠层三维点云模型,为果树的剪枝、疏花疏果和采摘等果园管理提供技术支持。针对PMD相机获取的目标场景三维点云,结合PMD相机的幅度图像和密度聚类算法提取有效点,利用前期研究的图像配准方法得到多源图像之间的坐标转换关系,完成了果树冠层多源信息融合。通过主成分分析法得到较好的初始位置,再采用最近点迭代算法,实现两组三维点云之间的拼接。对自然场景下的开花期和坐果期的果树冠层三维点云拼接方法进行了实验验证,结果表明多视角三维点云拼接误差为2.62cm,可以较好地弥补单个角度下拍摄造成的数据缺失,实现了果树冠层完整的三维显示。 相似文献
7.
《物理学报》2016,(24)
阵列激光三维成像作为一种新型的非合作目标三维图像获取技术,高效的回波信号处理和三维重构方法是提高其探测能力和成像精度的前提,其中配准过程是阵列激光三维成像点云数据处理中必不可少的步骤.本文根据阵列激光三维成像系统的成像特点,对迭代最近点(ICP)配准算法中阈值设定依据进行分析,结合阵列激光三维成像系统中的重要参数测距精度和成像横向分辨率,对配准迭代过程中对应点距离阈值和迭代停止阈值进行有针对的设置,提出了基于自适应阈值的ICP点云配准方法.对阵列激光成像点云和扫描激光深度成像数据的实验表明该算法有效可行,能够提高配准精度和配准速度,同时由于该算法充分考虑了成像系统本身,在实际应用中对系统的合理设计具有一定的指导意义. 相似文献
8.
双目视觉是机器视觉中经典有效的方法。针对无色差光滑曲面特征点难以提取的问题,提出一种用均匀激光网格创造曲面上色彩特征的方法,以及特征点提取和匹配算法。首先,提取激光网格线,采用膨胀与腐蚀等算法将激光线断点拼接并转化为单像素连通线;然后,利用连通线上点的八邻域及四邻域的连通性对特征点进行提取;最后,对提取后的特征点根据位置信息进行编号,完成特征点的匹配。实验结果表明,该算法稳健性好,提取精度高,匹配正确率及重复率高,三维重建后特征点间的距离误差小于0.05mm、标准差为0.0362mm。该算法直接对特征点进行提取及匹配,与离散特征线获取特征点的方法相比精度更高,可应用于曲面上点的均匀抽样检测。 相似文献
9.
10.
针对多视角下老龄人异常行为检测问题,利用3D人体数据和多线性子空间分析方法,从时间、视角和空间动作特征对其进行了研究。首先通过三维结构光传感器获取人体扫描点云数据,并进行点云精简和人体表面重建。然后提取人体点云数据的表面曲率特征,并将其映射到二维彩色图像中,构成彩色动作特征图。通过提取特定时长内所有动作的彩色特征图,生成基于曲率的彩色动作能量图模型,并使用2D-PCA对彩色动作能量特征图进行降维。最后运用基于张量分析的多线性子空间分析方法,对多视角下降维后的数据进行视角无关的特征提取,并完成异常行为的分类和识别。实验结果表明,该方法切实可行,可将其应用于助老机器人和老龄人监护等相关领域。 相似文献
11.
12.
基于双目立体视觉三维重构原理,采用主动扫描实现特征匹配的三维灰度重构技术,通过特征结构光扫描物体表面,由经过预标定的两套成像传感器拍摄其图像,经过图像处理程序提取出特征点,完成特征匹配,再计算出物体表面三维轮廓,同时将成像传感器中的灰度信息映射到相应的特征点,从而实现特征点的三维信息和颜色信息的重构和匹配。该技术为三维彩色逼真场景的重构奠定了基础。 相似文献
13.
14.
《光学学报》2015,(5)
鉴于激光点云和影像数据成像机理的差异以及现有配准基元的可获取性特点,通常采用基于特征的配准算法修正两者之间的转换关系,其中建筑物的边缘及角点为最常用的特征。针对城区建筑物分布密集、形状相似的问题,提出了一种基于道路线的机载激光雷达数据和高分辨率航空影像自动配准方法。该方法充分利用点云数据提供的高程与强度信息,提取出高精度的规则化道路矢量线;根据初始外方位元素建立点云数据和航空影像的近似变换关系,以道路矢量线在航空影像的投影位置为先验知识,采用改进的道路矩形整体匹配算法得到影像中的道路中心线,获取同名线特征;以同名道路线段的首末端点作为控制信息,利用基于欧拉角的空间后方交会算法解算新的影像外方位元素,实现航空影像和激光雷达数据的配准。实验结果表明,该方法利用道路特征实现航空影像与激光雷达点云的配准,提取特征少且配准精度较高,大大提高了工作效率。 相似文献
15.
三维光学扫描技术逆向工程应用研究 总被引:1,自引:0,他引:1
针对三维扫描测量数据因为原始点云在获取时受环境等客观条件限制,存在不可避免的噪声点、飞点、重叠点云等现象,以致存在点云密度大、运算复杂、计算周期长等问题,本文以在逆向工程中具有将三维物体几何信息转换为计算机能直接处理的二维数字信号的功能的三维光学扫描技术为基础,研究了三维扫描技术应用的主要设备、常用软件、使用方法和实体建模商用软件,研究了其原理及数学模型;结合XJTUOM,制定了扫描策略,以某型号汽车皮带轮和减震器托盘为例进行了实践操作,结果表明:该设备能够满足在逆向工程的应用,其扫描精度接近原始数模的相似度为98%。 相似文献
16.
点云数据拼接在众多科研领域有着十分广泛的应用。为完整、精确地得到复杂物体的点云数据,提出一种基于Gocator的多传感器数据拼接方法。该方法需要对多传感器系统进行两两校准以获取各传感器坐标系与基准坐标系之间的空间变换关系,进而将各传感器自身坐标系下的数据转换到基准坐标系下,实现多传感器数据的拼接。对于双传感器数据拼接,首先通过两只传感器同时拍摄单孔标定块,利用最大距离法提取标定块轮廓坡口特征点,根据坐标转换原理,初步确定了两传感器间的旋转平移关系;在此基础上采用迭代最近点(ICP)算法进一步优化确定两传感器之间的最优变换矩阵,以得到精确的拼接关系。实验室搭建双传感器钢轨廓形检测平台对该算法进行验证,实验结果表明,多次拼接得到的钢轨廓形与标准模板误差不超过0.2mm,完全符合钢轨廓形允许误差要求,该算法具有较高精度和稳定性。 相似文献
17.
18.
19.
编码结构光技术是一种获取复杂目标三维结构的典型测量技术,其将编码后的结构光图案投射到待测物体表面进行调制、采集,并通过解码计算三维面形数据,可见编码方法是结构光三维测量技术的核心问题。然而,通用的格雷码编码方法和六步相移编码方法都存在一定缺陷,为此,以获取物体的高精度三维点云数据为目标,提出了一种融合格雷码与六步相移的结构光技术。首先,将格雷码结构光设计为7幅黑白相间的条纹周期图像,并通过投射角度解码操作将图像划分为多个区域;然后,设计六步相移结构光为6幅具有相位差的余弦周期图像,通过相位解包裹操作将每个子区域细分到单个像素单元;最后,融合以上两种编码结构光解码值,计算图像内每个空间点的绝对相位信息。仿真实验与实际测试实验显示,与传统六幅莫尔条纹结构光技术相比,融合结构光技术计算量较小,同时也克服了单独使用格雷码或相移技术所存在的问题,能够以较高精度获取物体目标的三维结构细节,为基于结构光的双目三维扫描系统提供一定理论依据。 相似文献
20.
《光学学报》2016,(8)
为了保证工业机器人磨抛的加工质量,利用激光扫描技术对机器人夹持工件的形状误差以及装夹误差进行测量和评估,包括点云数据的获取和去噪。采用条纹式激光扫描仪配合直线匀速运动对机器人末端夹持工件进行扫描,通过调节测量和运动参数,获取近似网格点云。为了去除点云中存在的大尺度噪点,在K近邻均值滤波(KNNMF)算法基础上,提出了基于局部均值的K近邻均值滤波(LMKMF)算法对偏大的数据点进行局部预先滤波,并建立相关数学模型。以峰值信噪比作为评价标准,以实际测量点云样本为测试对象进行去噪测试。结果表明,相比标准的KNNMF算法,结合LMKMF预先滤波的KNNMF算法在30%噪点密度下去噪能力提升了53.78%,证实了其在高密度噪点下具有更好的去噪能力和特征保持能力。 相似文献