一种新的点云拼接算法

迭代最近点(ICP)算法广泛运用于三维点云数据的多视拼接,其精度和迭代收敛性严重依赖于待拼接数据的初始拼接位置,这就决定ICP只能是一个性能优越的精确拼接算法。粗拼接算法旨在为ICP提供一个良好的初始拼接位置。基于信息论中熵的概念,分析了点云的空间分布规律与所处位置的关系,在此基础上提出了一种新的粗拼接算法—迭代最小空间分布熵法。实验表明,该算法有效可行,可以提供很好的初始拼接位置,在误差允许范围内,该算法可以直接实现点云拼接。     

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。     

基于改进ISS邻域的复杂曲面三维激光点云智能拼接方法

由于三维激光点云拼接中对点云数据拼接有效点数量不足,导致拼接的效果不好,提出一种复杂曲面三维激光点云智能拼接方法,在ISS特征提取算法中加入邻域半约束改进策略,进行点云数据特征提取,同时对两片点云的拼接进行坐标系转换,得到三维激光点云数据拼接模型。采用粒子群算法对模型进行求解,获取变换矩阵的全局最优解,将得到变换矩阵应用于模型中,进而完成复杂曲面三维激光点云智能拼接。仿真实验结果表明,所提方法能够有效降低三维激光点云智能拼接点的距离误差,保持在0.022 mm以内,拼接速度达到5 ms/个,拼接有效点数目最高达到了145个。     

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.     

基于标志点的多视点云优化拼接方法

针对基于标志点序列扫描点云拼接过程中出现的累积误差问题,提出一种利用光束法平差方法计算最优全局点位的拼接优化算法。该方法以扫描特征点在全局坐标系下的位置为初始值,以反投映残差最小化为目的,构建优化代价函数,通过迭代的方法计算特征点的全局最优点位,最后以该最优点位为基准,对序列点云进行空间位置调整。实际测量结果表明,该方法可以明显减少拼接过程中所产生的累积误差,具有提高拼接精度的作用。     

双维度交叉特征点协同匹配的点云拼接算法

为提高结构光三维重构系统的点云匹配速度及精度,提出二维视图及三维点云交叉特征点协同匹配的方法.首先,通过投影变换及维度映射关系实现待拼接投影图像的归一化,经预处理后提取端点及分叉点作为关键点,对同类点进行三角划分及相似匹配得到初始点集,并将其映射至三维空间.其次,利用kd-tree搜索得到双邻域质心,根据三点构成的三角...     

基于深度图的道路场景三维点云分割优化方法

点云分割在计算机视觉、智能驾驶、遥感测绘、智慧城市等领域具有重要意义。为提高对激光雷达采集点云分割的准确率,提出了一种基于深度图的道路场景三维点云分割优化方法。将点云数据转化为深度图,建立三维点云与深度图之间的投影关系,利用相邻激光雷达扫描线的角度阈值进行地物分割,再对分割后的地上物体进行分割,去除噪声点。通过使用KNN(K-Nearest Neighbor)插值优化算法对分割结果进一步优化,较好地克服了过分割问题,提高了点云分割的准确率。实验结果表明,该方法的运行时间达到86 ms,相较传统深度图的自适应DBSCAN(Density-Based Spatial Clustering of Applications with Noise)方法准确率提升了5%,达到90.5%。     

多视点云拼接中的ICP算法优化

为了提高多视点云拼接算法的稳定性及其拼接的精度和效率,对现有的ICP算法进行了优化,提出了基于最小二乘法的混合定位点云预拼接方法,对两块点云进行了粗略拼接,获取了两块点云中可匹配部分的对应点集,并给出了具体的算法,进而提出了基于总体最小二乘法的点云精确拼接算法,对两块点云进行了精确拼接,实现了现有ICP算法的优化,保证了拼接的全局收敛性和算法的稳定性,减少了算法的迭代次数,提高了点云拼接的精度和效率.     

基于改进正态分布变换算法的点云配准

正态分布变换(NDT)算法是一种应用在同时定位和地图生成(SLAM)中的点云配准算法。针对地面激光扫描(TLS)数据的特点,改进了NDT算法,提出了一种基于SURF的NDT配准算法,使之能应用在TLS中。该算法首先建立点云和图像间的映射关系把点云影像化;利用加速稳健特征(SURF)算法提取图像的特征点并找出特征点对;根据映射关系找到相应的三维特征匹配点,求出变换矩阵,完成点云初始配准。在NDT算法中,设置初始矩阵为单位矩阵,对点云体素化并使用概率分布函数对点云精细配准。实验结果证明,该算法不但适用于地面激光数据的配准,且其配准精度高、运算时间少,尤其对于不同分辨率的点云有良好的配准效果。     

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。     

道路三维点云多特征卷积神经网络语义分割方法

针对道路场景下三维激光点云语义分割精度低的问题,提出了一种基于卷积神经网络并结合几何点云多特征的端到端的语义分割方法。首先,通过球面投影构造出点云距离、相邻夹角及表面曲率等特征图像,以便于应用卷积神经网络;接着,利用卷积神经网络对多特征图像进行语义分割,得到像素级的分割结果。所提方法将传统点云特征融入到卷积神经网络中,提升了语义分割效果。使用KITTI点云数据集进行测试,结果表明:所提三维点云多特征卷积神经网络语义分割方法的效果优于SqueezeSeg V2等没有结合点云特征的语义分割方法;与SqueezeSeg V2网络相比,所提方法对车辆、自行车和行人分割的精确率分别提高了0.3、21.4、14.5个百分点。     

基于FPFH和法向量的改进点云配准算法

针对飞行时间法(TOF)获取点云的相关特点,提出一种适用于TOF点云的改进配准算法,首先使用FPFH特征对点云进行粗配准;在精配准阶段,通过法向量夹角特征采样的方法来减少点云的点数,同时又保留点云的关键信息点,并引入KD树和RANSAC方法来改进ICP的配准效率。实验结果表明,该算法具有良好的配准效率和精度,同时具有较大的适用范围。     

基于空间分布熵的随机辐射源布局优化

针对微波凝视关联成像中,随机辐射源布局优化以随机辐射场矩阵的有效秩最大化为准则时面临目标函数计算复杂、效率太低的问题,提出了一种基于空间分布熵的布局优化方法。首先,构建了一种以空间分布熵来定量表征随机辐射源布局随机性的方法,并通过仿真分析验证了随机辐射源的空间分布熵与随机辐射场矩阵的有效秩之间的总体正相关性;然后,采用遗传算法以空间分布熵最大化为准则对随机辐射源布局进行了优化;最后,通过成像仿真验证了随机辐射源布局优化能有效提高微波凝视关联成像性能。     

基于最大熵的分布估计算法

分布估计算法是当前进化计算领域的一个新方向。文中提出一种新的基于最大熵的分布估计算法,主要用基于最大熵估计种群中的模式概率分布,取代贝叶斯网络分布估计算法中的贝叶斯概率图模型。该算法无需进行贝叶斯网络学习,大大减少了计算量,而且还能获取更准确的概率分布估计。实验结果表明,与贝叶斯优化算法相比,该算法具有更高的稳定性和更强的寻优能力。     

融合改进场力和判定准则的点云特征规则化

为了快速有效地获取散乱点云中的边界特征点和边界线,提出了一种融合改进场力和判定准则的点云特征规则化算法。利用改进的k-d(k-dimensional)树搜索k邻域,以采样点及其k邻域为参考点集拟合微切平面并向该平面投影,在微切平面上建立局部坐标系以将三维坐标转化成二维坐标,利用场力和判定准则识别边界特征点;依据矢量偏转角度和距离对边界特征点进行排序连接;通过改进的三次B样条拟合算法对边界线进行平滑拟合。实验结果表明,该算法能够快速有效地提取边界特征点,且拟合后的边界线偏差量级为10^-5 m,具有较高的精度。     

基于单位四元数法的激光点云拼接算法研究

在实际生产应用中经常需要对激光器多次测量所得点云进行点云拼接,为解决激光点云的精确拼接问题,提出了一种基于单位四元数的点云拼接算法,通过计算点云重心点所在曲面的曲率特征点,经过多次迭代寻找最近点,求出点云平移与旋转矩阵的最优解,进而完成点云的自动精确拼接。     

一种基于曲面约束的点云数据滤波方法

针对机载LIDAR点云数据滤波问题,结合机载LIDAR点云数据的特点,引入虚拟格网技术,提出一种基于多尺度虚拟格网与曲面约束的机载LIDAR点云数据滤波方法。该方法首先根据点云密度等点云数据特点构建多尺度虚拟格网;其次基于多尺度虚拟格网分别获取一级、二级地面种子点;然后依据一级、二级地面种子点基于曲面约束进行滤波获取三级地面种子点;最后将所有地面种子点合并得到地面点集。实验方面,通过两组实验验证了该方法的可行性和适用性。     

高阶高斯分布迭代的云模型及其数学性质研究

云模型通过二阶高斯分布研究不确定性,它产生的云滴分布具有尖峰肥尾特性,呈现出幂率衰减.社会学和经济学的研究发现,由于在演化过程中具有偏好依附的特点,许多实际数据呈现出尖峰肥尾的特性,本文试图通过高阶高斯分布迭代产生的高阶云模型的数学性质研究,探寻高斯分布与尖峰肥尾分布之间的联系.基于高斯分布迭代构造具有尖峰肥尾特性的概率分布,通过基于高阶高斯分布迭代的云模型刻画更多的不确定性现象,分析高阶高斯分布迭代的典型参数,与云模型参数进行对比分析,为雾化后的逆向云发生器求解提供了新的手段,同时也为高阶云模型的逆向求解过程提供了方法.