一种基于轮廓特征约束的飞机蒙皮配准方法

飞机蒙皮表面平缓、光滑、特征少,在使用迭代最近点进行数模配准时会产生错位、局部最小值等问题,因此提出了一种基于轮廓约束的蒙皮点云配准方法。首先定义一种新的三维轮廓Cκ特征点描述方法,并基于距离约束对初始Cκ特征点进行聚类和过滤,实现对蒙皮点云特征的精确描述。其次,基于距离的快速点特征直方图(FPFH-d)特征相似度约束,寻找点云和数模特征点的对应点对,实现蒙皮轮廓的初始配准。最终基于迭代最近点算法,融合Cκ特征描述的轮廓约束,实现蒙皮的精配准。利用斯坦福公共数据库点云对算法的速度和精度进行测试,与点快速直方图算法(FPFH-SAC-IA)相比,初始配准精度分别提高了48.47%和77.29%,速度分别提高了70.35%和97.08%,证明了Cκ特征点提取算法的普适性和有效性。基于以上算法,对飞机蒙皮测量数据进行实验验证,配准准确度达到了100%,在12 m~3范围内全局误差优于3.5 mm。该方法有效解决了蒙皮配准时的错位和局部最小值问题。     

高维正交子空间映射的尺度点云配准算法

为了解决三维点云在无序、数据被遮挡以及噪声干扰情况下的配准问题,提出了一种高维正交子空间映射的尺度点云配准算法。根据能量-功率的比值,对待配准点云进行等比例放大,完成仿射配准。在点云无序、数据被遮挡、尺寸放缩以及噪声干扰的情况下,所提算法与经典ICP(Iterative Closest Point)算法的配准精度相当。与经典ICP算法相比,所提算法对Bunny点云数据的配准效率提高了98%,对Dragon点云数据的配准速度至少提高了20倍,且在对大尺度Dragon点云数据的配准中,所提算法的配准时间比经典ICP算法短6210.4 s,配准精度也高于其他算法。所提算法不会陷入局部最小值,在快速精确配准和稳定性方面有明显的优势。     

利用结构特征的点云快速配准算法

为提高三维激光扫描点云的配准精度以及效率,解决数据点缺失、点云散乱时的配准问题,结合点云的全局和局部结构特征的不变特性,提出基于全局结构特征的初始配准算法和利用局部结构特征的快速精确配准算法。首先,给出全局结构特征的定义,并阐明初始配准方法,证明在点云样本集缺失数据时初始配准算法的有效性;然后,给定一种空间区域的划分方式,并找出划分的空间区域中两个点云的对应点;最后,通过找出的有限个对应点实现点云的精确配准。在仿真和实验数据处理时,该精确配准算法能够有效地完成缺失、散乱点云的精确、快速配准,且在效率和精度上比其他几种算法具有明显优势。     

基于邻域特征点提取和匹配的点云配准

为解决噪声干扰、数据丢失情况下迭代最近点算法的鲁棒性差、配准精度低等问题,提出一种基于邻域特征点提取和匹配的点云配准方法.首先定义一个由点的k邻域曲率、点与邻近点的法向量内积均值以及邻近点与邻域拟合平面的欧氏距离方差等三部分组成的邻域特征参数,结合在移动最小二乘表面构造的曲率特征参数对点云进行两次特征点提取;其次依据直方图特征定义三个匹配条件,并用双重约束获得正确的匹配点对;最后在配准阶段,采用双向构建k维树的迭代最近点算法实现精确配准.实验结果表明,该算法的配准精度较迭代最近点算法提高了90%以上,并且能够在噪声环境下有效地完成缺失点云的配准,在鲁棒性和精确配准方面有明显优势.     

一种基于三维形状上下文特征的点云配准算法

针对点云配准过程中点云数据量大、配准时间长、配准精度低的问题,提出了一种基于内部形态描述子（intrinsic shape signatures, ISS）和三维形状上下文描述子（3D shape context, 3DSC）的点云配准算法。该方法首先使用体素网格滤波器对点云进行下采样,接着利用ISS算法提取特征点,并通过3DSC进行描述,然后通过改进的随机采样一致性（randon sample consensus, RANSAC）算法进行粗匹配,最后用改进的迭代最近点算法（iterative closest point, ICP)对点云进行精匹配。试验结果表明,与基于ISS+3DSC的三维正态分布变换(normal distribution transformation, NDT)算法和基于采样一致性初始配准（sample consensus initial aligment, SAC-IA）的ICP算法相比,本文算法的配准精度及效率更高,且对于数据量大的点云也有较好的匹配效果。     

基于l~p空间力学模型的三维点云配准算法

为了提高三维激光扫描点云的配准效率和精度,提出一种基于l~p空间力学模型的点云配准算法。针对待配准的两组点云数据,首先计算两片点云的重心,通过重心化将两组点云移到以重心为原点的同一坐标系下,然后利用l~p空间力学模型将复杂的两组点云数据分别简化为三个特征向量表示的模型,再根据两点云特征向量的对应关系利用奇异值分解方法求解刚体变换旋转矩阵,得到初始配准参数,最后使用改进的最近点迭代(ICP)算法实现两组点云的精确配准。本文算法可以处理无序散乱点云样本。相比于经典ICP算法,本文算法对Bunny点云数据的配准效率提高了72%,对Dragon点云数据的配准速度提高了4倍。实验表明,本文算法收敛速度较快,效果优良。     

结合图论的异源影像点云配准方法

结合图论思想，提出一种高效的异源影像点云配准方法。该方法首先利用点云几何特征寻找点云中的地平面方向，将点云中建筑物的布局关系构建成图形式，使点云配准问题转化为图匹配问题；然后，提出一种图匹配方法，基于几何约束条件构建核三角形作为配准基元，利用高阶相似度信息寻找图的全局最优匹配，实现点云间的快速、稳健初配准；最后，结合迭代最近点（ICP）算法进行精配准，获得高精度异源点云配准结果。为了验证所提方法的有效性，选取河南省3个不同区域的高分七号卫星影像点云和无人机近景影像点云进行实验。实验结果表明，所提方法不受噪声点和异常值的影响，能够克服不同的点云密度差异、消除约939倍的坐标尺度差异，整体配准速度相较于对比方法提升了51～184倍，全自动地实现了异源影像点云鲁棒、高效配准。     

基于语义分割的城区激光点云与光学影像配准

基于点云数据与光学遥感影像的协同应用在遥感领域获得广泛关注,为了对两种数据进行精确的配准以更好地融合两者优势,提出了一种城市场景下点云与光学遥感影像的自动配准方法。首先,由点云数据生成深度影像,即3D数据转换为2D影像;然后,运用Unet模型对深度影像和光学遥感影像分别进行训练并分割得到建筑面;再基于建筑面轮廓点集构建建筑最小外接矩形,将矩形长宽比作为寻找同名点的约束条件;接着,利用相似三角形原理寻找矩形中心同名点;最后,同名点坐标代入变换模型计算模型参数,完成配准。实验结果表明该方法对于运用传统点特征方法匹配困难的情况可实现较好的配准效果,且对图像平移、旋转、缩放均具有可抗性。     

基于多维混合柯西分布的点云配准

为提高三维点云在数据随机缺失和噪声干扰等复杂情况下的配准精度,提出一种基于多维混合柯西分布(MMC)的点云配准方法。将点云数学模型扩展为MMC模型,求解模型各参数,并构造出特征四面体,以优化旋转矩阵与平移向量;通过最大期望算法分别求出目标点云和待配准点云在MMC模型下的数据中心、协方差矩阵和权重的值。仿真与实验数据表明:与几种常用的算法相比,MMC算法即使在点云数据存在遮挡、缺失,大小不一致,含随机噪声,且具有无序性的条件下,也能精确配准,且具有良好的稳健性。     

一种稳健的特征点配准算法

为了能准确快速提取特征和可靠匹配特征点对,提出一种稳健的基于特征点的配准算法。首先改进了Plessey角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度归一化互相关(Normalized cross correlation,NCC),通过双向最大相关系数匹配的方法提取出初始特征点对,用随机采样符合法(Random sample consensus,RANSAC)来剔除伪特征点对,实现特征点对的精确匹配。最后用正确匹配特征点对实现图像的配准。实验表明,该方法能够快速准确地提取两幅图像间的对应特征点,大大降低了误匹配的概率,两幅图像光照不一致、重复性纹理、旋转角度比较大等较难自动匹配情形下,仍能有效地实现图像的配准。     

动态阈值云检测算法改进及在高分辨率卫星上的应用

基于先验地表反射率数据库支持的动态阈值云检测算法(UDTCDA)可以显著提高卫星数据的云检测精度。为进一步提高其在波段相对较少的高空间分辨率卫星数据云检测应用中的精度,改进了UDTCDA中先验地表反射率数据与待检测卫星数据的空间匹配方法。与原方法使用重采样达到空间分辨率一致不同,该方法根据待检测影像高空间分辨率的特点,采用逐像元空间地理坐标配准的方法与真实地表反射率数据进行配准,然后进行云像元检测。该方法保留了高分辨率影像空间分辨率的优势,可以有效降低空间重采样造成的像元信息丢失。分别使用资源3号、高分1号、高分2号和高分4号高分辨率卫星数据开展云检测实验。通过遥感目视解译的方法对结果进行精度验证,并与UDTCDA云识别结果进行对比。结果表明,改进后的算法能以较高的精度识别不同高分辨率卫星影像中的云,总体精度可达到93.92%,对于碎云和薄云具有整体较高的识别精度,漏分误差和错分误差分别低于10.40%和9.57%。     

基于多尺度自适应特征的机载LiDAR点云分类

为解决复杂场景下城区点云分类精度不高的问题,提出了基于多尺度自适应特征的分类方法。首先,对经典几何统计特征和点直方图特征进行组合,将组合特征集作为分类依据;然后采用随机森林法评估特征的重要性,并自适应选取重要的特征集;最后基于多尺度自适应特征实现了点云的分类。实验结果表明:该方法能实现城区点云的高精度分类,能适合任意尺度下不同分辨率点云数据的分类。     

基于几何特征和图像特征的点云自适应拼接方法

多视点云拼接技术是物体三维测量过程中的重要环节。现有的无标志点三维点云自动拼接方法在对不同表面进行测量拼接时稳定性较差。针对此问题,提出了一种基于几何特征和图像特征的点云自适应拼接方法。该方法建立了一个配准算法选择模型,通过引入配准算法判断因子来综合评价物体表面的几何、纹理复杂程度,从而系统可根据判断因子自适应地选择合适的配准算法,实现基于几何特征配准和基于图像特征配准的有机结合。并在特征点匹配过程中,采用随机抽样一致(RANSAC)算法对误匹配特征点进行剔除。实验结果表明,该方法可实现不同表面的稳定点云拼接。     

基于分层优化策略的颅骨点云配准算法

颅骨配准是颅面复原过程中的重要步骤之一,颅骨配准的精度直接影响着颅面复原结果的好坏。为了提高颅骨点云模型的配准精度和收敛速度,提出一种基于分层优化策略的颅骨点云配准算法,将配准过程分为粗配准和细配准两个过程,分别采用不同的优化策略进行优化。首先基于点的邻域提取几何特征,从而得到由平均曲率、高斯曲率、法向量夹角和主曲率构成的特征向量;进一步通过距离函数计算特征相似性来建立匹配点对,并采用k-means算法剔除误匹配点对;然后使用四元数法计算颅骨点云间的刚体变换关系,实现颅骨粗配准;最后通过引入k-维(k-d)树和加入几何特征约束对迭代最近点(ICP)算法进行改进,使用改进的ICP算法实现颅骨的精确配准。实验结果表明:粗配准过程采用k-means算法剔除误匹配点对的优化策略和细配准过程加入k-d树与几何特征约束的优化策略都是有效的。与ICP算法相比,本文算法的匹配率和配准精度分别提高了约17%和51%,算法耗时减少了约31%。与其他经典配准算法和改进的ICP算法相比,本文算法的配准效率是最优的。为了验证本文算法的普适性,还采用兵马俑碎片数据进行验证,本文算法也取得了较好的效果和最优的性能。因此,本文算法是一种有效的颅骨点云配准方法。     

三维点云数据超分辨率技术

随着机器视觉技术的发展,如何准确、高效地对真实世界进行精确记录与建模已成为热点问题.由于硬件条件的限制,通常采集到的点云数据分辨率较低,无法满足实际应用需求,因此有必要对点云数据超分辨率技术进行研究.本文介绍三维点云数据超分辨率技术的意义、进展及评价方法,并对经典超分辨率算法和基于机器学习的超分辨率算法分别进行梳理,总...     

用于三维重建的点云单应性迭代最近点配准算法

点云配准是光学三维(3D)轮廓测量术的关键技术之一。无标志点的点云配准大多由迭代最近点(ICP)算法实现。为提高ICP算法的性能,提出了一种基于点云单应性的迭代最近点配准算法。描述了该算法中单应性点对的建立方法,并推导了点云之间的坐标变换。用一种手持式三维轮廓扫描仪对一个同时具备高频轮廓和低频轮廓的石膏像进行扫描,共得到92帧点云。利用改进ICP算法,82帧点云被成功配准。同时也利用三种具有代表性的ICP算法对这92帧点云进行配准实验以作比较。实验表明,该算法具有稳健性强、收敛速度快、收敛精度高的优点,有助于三维模型的快速重建。     

基于Gocator的多传感器数据拼接方法研究

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。     

基于三维激光扫描和BIM的构件缺陷检测技术

为了自动检测建筑构件的在生产及运输过程中产生的缺陷,提出了基于三维激光扫描和BIM模型的建筑构件检测方法。首先利用三维激光扫描仪获取构件对象的实际点云,并通过弦高偏差法实现点云去噪,同时基于BIM搭建构件的三维模型,通过stl文件将模型对象转换为期望点云。然后分别利用PCA算法和基于K-D树的ICP算法实现点云的初始配准和精配准。最后利用局部均方根值评估构件的误差大小,并通过基于霍夫变换的线性回归分析方法实现了误差量化。通过实例验证了所提算法的可行性与准确性。     

用于光学系统分析的质心配准法

将图像区域像素的统计特征引入活动轮廓模型,提出使分割轮廓所包括区域的质心对应角均方根误差极小的最优搜索方法——质心配准法。质心配准法有效地避免了散斑噪声等图像污染对图像区域分割精度的影响,实现了模糊图像精确的区域分割,求得图像最佳配准参数。对实际光学系统输出的多幅具有较大空时互补性的低分辨率图像进行了仿真实验,实验结果表明：该配准算法具有较高的精度,并在光学系统分析上得到了很好的应用。     

基于FPFH特征的三维场景重建

文章在阐述不同视角下在对一对三维点云数据集两两配准的基础之上,针对ICP精确匹配算法须使初始点云收敛否则无法获取准确匹配结果的问题,提出了基于FPFH特征描述子的特征点云粗匹配。调整两片点云的初始位置,为ICP算法提供了良好的初始位置进一步提高点云的匹配精度。并且在此基础上通过大量实验得到点云对应点对之间的最大距离与拟合系数的函数关系,得到粗匹配最优值,进而得到最佳配准效果。实验证明通过粗匹配最高能将匹配拟合系数提高60.3%。