基于机载LiDAR数据的三维树木建模方法

提出一种基于机载激光雷达系统LiDAR数据树木可视化建模的方法。利用机载LiDAR数据的特点,结合L-系统分形的思想,对传统的L-系统方法进行随机化、参数化的扩展和改进,由此对数据进行建模。针对LiDAR数据分布空间由内到外的层次特点,采取分步的建模策略,在外层建立从LiDAR数据中提取L-系统参数的方法。实验结果表明,该方法具有较好的建模效果,适用于三维数字城市、虚拟现实以及林业领域。     

基于Kinect深度数据的移动机器人障碍检测方法研究

（北方工业大学,机械与材料工程学院,北京,100144）摘要： 未知室内环境中的障碍检测是室内移动机器人领域的热点问题。在低成本条件下为更加准确的对环境中的障碍进行检测,提出一种基于低成本Kinect传感器点云数据进行环境障碍检测的有效方法。首先通过Kinect三维点云数据,对点云数据进行去燥处理,并进行三维数据到二维平面的投影的转换并通过DBSCAN聚类算法对投影的二维点云数据进行聚类分析。通过设置相邻顶点间最大距离阈值对convex-hull凸包算法进行改进,试验结果表明改进的凸包算法能够对障碍进行有效识别。该方法在Matlab中进行了方法验证,并在P3-DX移动机器人平台上进行了试验验证,结果表明该方法能够有效对环境中的障碍进行有效识别。     

数据驱动的蒸发器在线建模方法

针对蒸发器离线建模方法对变量运行工况范围要求较大的问题,利用K-means算法对辨识模型的观测数据进行聚类筛选处理,提出一种基于数据的蒸发器在线建模方法。首先利用DB准则和PSO算法提出K-means算法中最优分类数K*和最优初始聚类中心的确定方法,提高算法的收敛速度,并使用改进的K-means算法获得各簇聚类中心来代替辨识模型的观测数据,减少模型辨识的数据量。然后利用已有的蒸发器模型结构以及模型辨识方法,对模型进行辨识。实验结果表明：利用聚类筛选前、后的观测数据所辨识的模型精度基本相当,分别在±3%和±3.5%以内。最后利用在线观测数据到各聚类中心欧氏距离的分析判断,提出蒸发器的在线建模方法。该方法可以先采用小工况范围的少量离线数据辨识模型,再利用在线数据修正模型参数,扩大模型的适用范围。     

利用Kinect深度信息的三维点云配准方法研究

针对三维重建中的点云配准问题,提出一种基于点云特征的自动配准算法。利用微软Kinect传感器采集物体的多视角深度图像,提取目标区域并转化为三维点云。对点云进行滤波并估计快速点特征直方图特征,结合双向快速近似最近邻搜索算法得到初始对应点集,并使用随机采样一致性算法确定最终对应点集。根据奇异值分解法求出点云的变换矩阵初始值,在初始配准的基础上运用迭代最近点算法做精细配准。实验结果表明,该配准方法既保证了三维点云的配准质量,又降低了计算复杂度,具有较高的可操作性和鲁棒性。     

基于Kinect 2.0深度图像的快速体积测量

为了满足现实生活中对物体体积实时测量的需求,提出了一套基于Kinect 2.0深度图像处理的快速体积测量方案。首先,使用Kinect 2.0深度传感器获得深度图像及对应的点云数据矩阵,并对深度图像进行增强、二值化、目标提取等预处理,定位出目标物体。然后,通过像素点的统计和点云数据的处理得到目标物体的面积、高度。最后由面积和高度完成目标物体的体积计算。经验证这种方法的体积测量误差控制在3%以内,完全满足实时性的误差要求,又由于深度图像较彩色图像不易受光线、背景的干扰,使得该方法具有很强的鲁棒性。     

复杂产品协同设计中数据建模与驱动方法

针对在传统基于工作流的协同设计中,不同专业设计人员交流和任务协调困难导致产品设计效率低下的问题,提出复杂产品"一元三层"数据模型和基于数据驱动的复杂产品协同设计技术。首先采用多维多粒度的数据建模和本体描述方法完成了对复杂产品的信息建模,然后采用基于本体的语义检索技术完成协同设计过程任务的数据订阅,最后实现基于数据订阅/发布的复杂产品任务协同技术。实验结果表明,基于数据驱动的复杂产品协同设计技术解决了传统协同设计过程中不同专业设计人员之间交流与任务协调的困难,实现复杂产品协同设计过程的螺旋式上升,从而提高了产品设计效率。     

基于Kinect的点云配准方法

Kinect采集的点云存在点云数量大、点云位置有误差,直接使用迭代最近点(ICP)算法对点云进行配准时效率低.针对该问题,提出一种基于特征点法向量夹角的改进点云配准算法.首先使用体素栅格对Kinect采集的原始点云进行下采样,精简点云数量,并使用滤波器移除离群点.然后使用SIFT算法提取目标点云与待配准点云公共部分的特...     

基于Kinect的深度数据融合方法

与传统三维激光扫描仪相比, Kinect作为一种新型深度相机, 具有价格低廉、深度数据获取能力强、RGB影像与深度影像同步获取等优势, 然而面对较大室内场景精细建模却存在数据量大、建模范围有限、对硬件环境依赖性强等问题。因此, 在现有单一模型建模基础上, 提出了基于Kinect深度影像的多模型数据融合方法, 实现模型间的自动拼接。最后通过两组实验对提出的数据融合方法进行了验证, 并取得了较好的模型拼接效果。     

基于三维激光扫描的快速建模方法研究

介绍了三维激光扫描技术的含义及特点,相对于传统方法的优势,以某型装甲车负重轮的三维模型构建为例,从点云数据获取、数据预处理、利用3D MAX进行模型构建,实现负重轮由实物到点云,由点云到三维模型的快速构建.     

数据驱动的三维服装快速建模

提出一种数据驱动的三维服装快速建模方法,可以从样本中快速生成新的三维服装模型.首先,输入三维服装模型集,通过形状款式分析,对三维服装进行语义分割.其次,将分割后的三维服装部件模型聚类为四大类（上身、下身、袖子、配件）,构成三维服装部件库.然后,以服装部件模型的面积和边界周长比例为几何形状特征,定义度量服装部件重新组合的款式描述算子.最后,对三维服装部件模型聚类后的源模型进行优化,并通过自然拼接输出新的三维服装.实验结果表明,该方法提高了三维服装建模的效率,能较好地满足目前大规模三维服装数量的需求.     

异形组合零件建模中地面激光扫描仪的应用研究

针对异形组合零件三维建模在恶劣环境下因不规则目标测量困难而导致的几何结构分析周期长、模型精度低、工作复量大等问题,采用地面激光扫描仪,以快速而非接触式的方式采集点云数据,结合逆向工程方法和轮廓线曲面正投影法,通过曲面提取与数据误差计算工序降低地面激光点云中的噪声对建模精度带来的负面影响,并以两组异形组合零件建模实例进行测试得到,三维建模与不规则目标件虚拟干涉检验值均低于02 mm,并且3D打印样品符合装配精度要求,验证了地面激光点云数据不仅能单纯地进行曲面反求,而且能广泛用于极端操作条件下的精确设计建模工作。     

基于评价指标组合特征的三维模型检索方法

特征组合是提高三维模型检索有效性的一种重要手段,为了能更有效地引导特征组合,提出一种借助检索有效性单值评价指标来进行特征组合的方法.该方法采用了深度图、视图特征集、法向量信息熵和射线4种特征,首先对训练集分别计算这4种特征的检索有效性单值评价指标,并依据这些评价指标来确定特征距离的权重;然后在对测试集的检索中,使用权重来组合根据单一特征得到的特征距离,以度量三维模型的相似性.实验结果表明,文中方法的检索有效性优于经典的DESIRE特征组合方法.     

使用形状变化描述三维模型

针对三维模型检索中的形状特征提取问题,提出利用三维模型自身形状变化信息构造形状特征描述符的方法.首先选择一组等间距互相平行的平面切割三维模型,得到三维模型的切片集合;然后定义相邻切片的 差来描述切片间的形状变化,并通过所有相邻切片间的差值来反映三维模型自身的形状变化,以此作为三维模型的形状特征描述符.该方法与三维模型的旋转、平移无关,同时不依赖于模型的点云分布,并且精简模型三角面片对算法的影响较小.实验结果验证了该方法的有效性.     

基于Kinect的轴类零件三维重建研究

使用Kinect采集的深度数据,进行了轴类零件三维重建算法的研究。首先借助Kinect获取深度和彩色数据,通过坐标转换将深度信息转换成三维点云数据;其次提取出感兴趣目标的点云数据,根据点云数据的噪声特点,并对其进行滤波降噪处理;然后进行点云分割获得点云集,最后对各点云集进行结构参数化分析。实验结果表明,本文算法能够精确、高效地实现轴类零件的重建。     

结合图像分割和点云分割的障碍物检测算法

针对单目图像检测障碍物的低可靠性和当前双目视觉检测障碍物的局限性的问题,提出一种结合图像分割和点云分割技术的双目视觉障碍物检测方法。通过设定检测深度范围,分割障碍物点云与道路点云;采用将分割出的障碍物点云对应的视差图与图像分割得到的子图进行比较的策略,有效解决对不同深度、倾斜面和不规则障碍物检测效果差的问题。通过实验验证了在获得稀疏三维点云的情况下,该方法对障碍物的检测具有较好的鲁棒性。     

一种基于球面调和描述子的3维模型相似性比较算法

提出了一种基于球面调和描述子的3维模型相似性比较算法。首先,对3维模型进行一分为二的递归分解,然后对每次递归分解得到的3维模型顶点集合进行球面映射得到其球面图像,最后计算所有球面图像的球面调和描述子得到3维模型的特征二叉树。通过对3维模型特征二叉树进行相似性比较可以得到3维模型的相似性。实验结果表明,该算法不仅能较好地比较3维模型相似性,而且对坐标系旋转变换、模型噪声、网格简化和细分具有较好的鲁棒性。     

基于渲染图像角度结构特征的三维模型检索方法

为了充分利用三维模型的颜色、形状、纹理等特征,提出以三维模型渲染图像为数据集,利用渲染图像角度结构特征实现三维模型检索。首先,该方法以三维模型渲染图像为测试集,利用已有类别标记的自然图像作为训练集,通过骨架形状上下文特征对渲染图像进行分类,提取角度结构特征,建立特征库;然后,对输入的自然图像提取角度结构特征,与特征库中的角度结构特征进行相似度匹配计算,实现三维模型检索。实验结果表明, 充分利用 渲染图像的颜色、形状和空间信息是实现三维模型检索的有效方法。     

改进的三维模型形状分布检索算法

针对传统D1距离形状分布函数获取采样点计算复杂、模型内容描述不充分和检索速率低下等问题提出了一种改进方法。该方法的关键点是：首先采用平移和缩放对模型进行标准化处理,用于减少面片之间的差异,使得采样点均匀地落在模型的表面;其次采用三角面片的索引号进行随机数的生成,并且利用三角面片的重心和质心进行有效的计算,以便用于缩短模型的处理时间和提高检索速率。利用普林斯顿大学三维模型数据库中的部分模型作为实验数据,实现结果表明：改进的方法不会降低模型的检索性能,并有效地减少了模型查询和处理时间。     

基于最大相似类别和位置熵的三维模型融合检索方法

为了有效利用各特征集对三维模型内容的描述信息,对各种特征集上分别 检索的结果进行综合分析,统计各类模型的分布概率得到查询模型的最大相似类别,然后在 各个检索结果中统计该类别模型的位置熵,基于最大相似类别模型数目和位置熵计算融合权 值。在普林斯顿标准3D 模型集上进行实验,并和其他几种动态融合方法和静态方法进行比 较,结果说明所提出的方法在有弱特征集存在的情况下是有效的。