基于多类型几何图元匹配的三维点云配准

三维点云配准是计算机视觉、计算机图形学和遥感领域内诸多应用的重要基础,然而待配准数据中常有的噪声和共有区域小等问题给点云配准带来了极大的挑战。针对可能具有以上问题的人造物体点云或城市场景点云,提出一个基于多类型几何图元匹配的点云配准方法。该方法首先在原始点云中进行图元提取并基于它们的有效组合创建特征描述子,然后在描述子匹配的基础上,实现图元匹配并从中计算出变换参数,最后利用全局评估策略选出最佳变换参数并以此实现点云配准。该方法充分继承了多类型图元的优势,具有更强的鲁棒性和高效性,实验结果表明该方法在多种基准数据上取得了最佳的配准效果。     

基于多维度特征和MLP的岩体点云植被滤波方法

岩体点云滤波是岩体三维重建的关键环节。针对岩体点云环境,提出一种基于多维度特征和多层神经网络的植被滤波方法。该方法首先计算点云中每一点的多维度特征作为特征输入;然后利用多层神经网络构建分类器实现对岩体点云数据的植被滤波过程。分析多维度特征的可用性,并通过不同的实验过程筛选最优网络模型参数。与其他分类器相比,本算法精度较高,能够更好地应用于岩体点云植被滤波领域。     

基于面提取的三维岩体点云孔洞检测与修复方法

在岩体工程中,由于扫描测量角度、障碍物的阴影和遮挡等因素,使用激光扫描仪扫描得到的岩体点云数据往往包含孔洞,影响后续三维重建的效果。现有的修复方法主要针对规则的点云数据,依据孔洞邻域信息对点云孔洞进行修复,对岩体点云孔洞的检测与修复效果欠佳,且效率低。从岩体点云数据特征出发,提出一种基于平面提取的岩体点云孔洞检测与修复算法。首先,应用一种优化的区域生长算法对岩体点云进行平面提取,然后遍历所有点云并检索其k邻域点集,将其映射至对应平面,计算邻域夹角,实现孔洞检测;最后将点云孔洞根据边界点集的对应平面数量进行分类,在对应平面上新增采样点实现点云孔洞修复。本算法通过平面提取实现了点云数据的去噪和平面拟合过程,简化后续的孔洞修复流程,降低时间复杂度。实验结果表明,与已有算法相比,本算法对大型不规则岩体点云孔洞的检测、修复准确率和运行效率更高,修复效果更佳。     

基于ICP算法的三维激光扫描点云数据配准方法

数据配准在三维激光扫描点云数据处理中占有非常重要的地位,最近点迭代算法(ICP)是点云数据处理中点云数据配准的经典的高水平数学方法。文章回顾了配准方法的研究背景,重点阐述了ICP算法的原理和计算步骤。通过三维激光扫描数据的采集,运用ICP算法对点云数据进行配准,具体实验结果证明该方法的有效性。     

一种基于高斯曲率的ICP改进算法

在众多的点云配准算法中,ICP算法以其所需的信息少,配准精度高而被广泛使用。然而,因其算法迭代最优化的特点,ICP本身存在时间复杂度高、易受噪声及离群点影响等缺点。针对这些问题,提出一种基于高斯曲率的ICP改进方法。该方法首先利用高斯曲率在刚体变换中保持不变的性质,对配准点云中每个点进行高斯曲率估计;其次,通过设置阈值将配准非关键点及噪声点和离群点滤除;最后,对只包含关键点的点云使用ICP进行配准。实验结果表明,在保证配准精度的前提下,本方法不仅能显著地改善ICP的运行效率,也能有效地提高其抗噪声和离群点的能力。     

基于机载LiDAR数据的建筑屋顶点云提取方法

机载激光雷达技术已经成为快速获取城市建筑三维数字模型的有效手段,而建筑物屋顶点云提取则是建筑物三维数字模型重建的关键。为有效剔除植被和墙面点云,以及消除地形起伏对建筑点云提取精度的影响,提出一种层进式屋顶点云提取方法。首先对LiDAR点云进行滤波,在此基础上利用点云回波特性和点云法向量检测并删除非地面点中特征明显的植被点和建筑物墙面点,然后利用连通成分分析法对非地面点聚类得到初始建筑点,最后结合DTM并利用建筑物面积和高度信息分离得到建筑物屋顶点云。试验结果表明,本方法能有效地从机载点云数据中快速提取建筑屋顶点云,有效率可达85%以上。     

三角面片点云数据处理的研究与应用

点云数据转换成灰值图时,对每个像素点周边邻域内的点云进行计算从而估计出该像素点的像素值,但其效率和精度较低。针对上述问题,首先对点云数据进行多视图拼接和滤波处理,然后提出利用三角面片法对点云数据进行处理,将文件头和三角形面片信息分成两部分进行存储,最后,提出在知道坐标原点的位置以及两个基本平面的法向向量值的情况下,进行点云的位置变换的算法。实验证明,提出的三角面片方法可以提高STL文件解析的数量,提出的点云位置变换算法将点云位置变换到加工时所需的坐标系,从而提高数据处理的效率和精度。     

基于机器学习的点集匹配算法

点集匹配是计算机视觉和模式识别中的重要问题,在目标识别、医学图像配准、姿态估计等方面都得到广泛应用。提出基于机器学习的端对端模型——multi-pointer network（MPN）来解决点集匹配问题。该网络模型利用多标签分类的思想,改进pointer network。以前的模型只输出输入序列的一个元素,而MPN模型选择输入序列中的一组元素作为输出。首先,把点集匹配问题转换为序列问题。这样,网络的输入为顶点的坐标序列,输出为点对之间的对应关系。利用这种方式,可以解决相对于整个空间的平移变换和其他大幅度的刚性变换。实验结果表明,模型也可以被推广解决其他带结构的组合优化问题,如三角剖分等。     

基于Hough直线检测的深度图像配准方法

针对传统的图像配准方法中寻找图像之间点对应关系这一难点问题,提出一种基于Hough直线检测的深度图像配准方法.利用Hough变换检测深度图像上的直线,确定不同视点图像上直线之间的对应关系.根据对应直线三维空间上的方向向量确定两幅图像之间的刚体变换参数.最后用模拟深度图像验证方法的有效性并给出三维重建结果.     

刑侦领域高分辨率掌纹识别技术及快速匹配方法

针对公安机关特别是刑侦领域的掌纹自动识别技术需求,讨论基于高分辨率的掌纹细节特征点识别方法必要性.将细节特征点匹配方法作为重点,以Cafis指掌纹系统为例,分析掌纹细节特征点匹配算法的瓶颈,并与传统硬件并行和最新的GPU并行等提高掌纹比对速度的技术方法进行对比.     

大规模散乱点云数据的曲率估算及计算机实现

提出一种基于Matlab的大规模散乱点云数据的曲率估算的计算机实现方法.根据规模点云数据分布的特点,对散乱点云数据进行区域划分;对每个区域内的点云数据,用二次参数曲面逼近空间邻近点集,计算各点法矢,对不协调的法矢方向进行调整,计算各点曲率.实验表明,这种方法简化了散乱点云数据的曲率的计算量,从而在普通计算机上能实现大规模散乱点云数据的求解.