一种板型物体混叠场景的快速分割算法

针对多个板型物体混叠摆放的场景,提出了一种快速有效的分割算法。该算法充分利用有序点云的特点,将自顶向下以及自底向上的分割策略结合,根据三维点的空间位置和法向量,利用随机采样一致性(RANSAC)算法从三维点云数据中快速提取平面点集;然后将提取的平面点集所对应的图像坐标映射为二值图像,通过连通区域分析将其分割为多个连通的平面区域;接着利用"胶水"算法对这些区域进行快速合并,并对较大的弱连接连通区域进行断裂修正,得到最终的分割结果。实验结果表明:与区域生长算法相比,所提算法的分割结果更优,且算法效率大幅提升。     

于散乱三维点云的缺陷检测和三维重构方法

设备表面的缺陷检测对于保证安全生产避免经济损失具有重要意义。针对基于设备表面散乱三维点云缺陷检测和三维重构算法复杂的问题,提出了一种基于散乱三维点云的缺陷检测和三维重构方法。对散乱三维点云沿某一轴向进行分层处理,将同一层内的三维点进行移位规则化处理,并对规则化的三维点云进行缺陷检测和三维重构。分别对无缺陷设备表面和凹凸缺陷设备表面进行缺陷检测和三维重构,规则化前后三维数据缺陷计算结果相对误差为1.01%。实验结果表明,将散乱三维点云分层和规则化处理有效降低了缺陷检测和三维重构的复杂度,易于实现。     

基于改进多规则区域生长的点云多要素分割

针对现有点云多要素分割算法分割面状点集时分割精度低、分割块合并效果差等问题,提出了一种改进的多规则区域生长算法。一方面,计算点云数据的平面拟合残差,基于平面拟合残差设置种子点条件,对面状点集分割进行优化,以此提升面状要素分割的精度;另一方面,在距离条件的基础上,结合相似性和体积变化条件对合并策略进行改进,以实现分割块的有效合并;此外,利用中位数、Baarda数据探测法和k均值聚类分别对算法中涉及的阈值参数进行自适应设置。采用三种不同类型的点云数据进行实验,结果表明:改进算法能够提升面状点集的分割精度,提高了分割块合并的准确性;与其他算法相比,改进算法能够同时兼顾精度和效率,分割结果更具优势。     

航空发动机外形点云的特征分割方法

目前我国存在较多外购发动机的情况，外购发动机存在只有实物及安装尺寸等信息，而没有三维数字化模型的问题，这给飞机与发动机的装配协调设计带来较大困难，因此飞机设计部门对快速重构航空发动机的外形几何模型提出了迫切需求。为了使重建出的发动机外形几何模型尽可能地保留准确的结构特征，提出了一种基于深度学习的航空发动机外形点云特征分割方法，该方法将整体点云分割成特征数据与非特征数据，这有利于后续采用不同的方法重建出各种复杂的结构特征。设计了一种迭代密度均衡算法用于构建特征分割数据集，该算法为特征分割网络的训练、测试和性能评估提供基础；设计了一种特征分割网络，从多尺度局部表面片中收集形状结构和局部邻域信息，用于判断其中心是否是特征点。将训练好的特征分割网络模型应用于发动机外形点云，验证结果表明，特征分割精度达到95.16%,所提算法实现了高精度语义分割。     

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。     

基于车载LiDAR点云的道路提取方法

针对提取道路点云聚类方法存在欠分割、过分割的问题,提出了一种基于坡度滤波算法和改进欧式距离的区域生长算法相结合的道路点云提取方法。原始点云数据量大且繁杂,采用统计分析进行预处理,去除一定数量悬空的噪声,减少数据量;为防止点云数据精度损失,对预处理后的点云按照格网进行划分,结合坡度滤波算法,去除非地面点干扰,获取地面点云;以法向量夹角和欧氏距离为约束条件,采用改进的区域生长算法提取路面点云。使用两组不同场景下的车载点云数据进行试验,证明了该方法的有效性。     

基于散乱三维点云的缺陷检测和三维重构方法

设备表面的缺陷检测对于保证安全生产避免经济损失具有重要意义。针对基于设备表面散乱三维点云缺陷检测和三维重构算法复杂的问题,提出了一种基于散乱三维点云的缺陷检测和三维重构方法。对散乱三维点云沿某一轴向进行分层处理,将同一层内的三维点进行移位规则化处理,并对规则化的三维点云进行缺陷检测和三维重构。分别对无缺陷设备表面和凹凸缺陷设备表面进行缺陷检测和三维重构,规则化前后三维数据缺陷计算结果相对误差为1.01%。实验结果表明,将散乱三维点云分层和规则化处理有效降低了缺陷检测和三维重构的复杂度,易于实现。     

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研究

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。     

基于改进八叉树的三维点云压缩算法

针对大数据环境下,三维模型的传输和存储需求,提出了一种基于八叉树的三维点云有损压缩算法。该算法改进了八叉树分割的停止条件,可以在适当的深度停止分割并确保体素大小合适。同时在分割的基础上通过建立K邻域,利用简单有效的统计方法去除原始点云的离群点。在数据结构上,对每个节点分配位掩码,通过操纵位掩码,在遍历时对数据查询和操作,并优化随后的点位置编码。该算法可以有效地移除离群点和表面杂点,并在区间编码上提高了点云压缩效率。实验结果表明,该算法较完整地保留了三维点云数据的关键信息,取得了良好的压缩率并缩短了压缩时间。     

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。     

From a Point Cloud to a Simulation Model—Bayesian Segmentation and Entropy Based Uncertainty Estimation for 3D Modelling

The 3D modelling of indoor environments and the generation of process simulations play an important role in factory and assembly planning. In brownfield planning cases, existing data are often outdated and incomplete especially for older plants, which were mostly planned in 2D. Thus, current environment models cannot be generated directly on the basis of existing data and a holistic approach on how to build such a factory model in a highly automated fashion is mostly non-existent. Major steps in generating an environment model of a production plant include data collection, data pre-processing and object identification as well as pose estimation. In this work, we elaborate on a methodical modelling approach, which starts with the digitalization of large-scale indoor environments and ends with the generation of a static environment or simulation model. The object identification step is realized using a Bayesian neural network capable of point cloud segmentation. We elaborate on the impact of the uncertainty information estimated by a Bayesian segmentation framework on the accuracy of the generated environment model. The steps of data collection and point cloud segmentation as well as the resulting model accuracy are evaluated on a real-world data set collected at the assembly line of a large-scale automotive production plant. The Bayesian segmentation network clearly surpasses the performance of the frequentist baseline and allows us to considerably increase the accuracy of the model placement in a simulation scene.     

基于视觉SLAM和目标检测的语义地图构建

语义信息对于移动机器人理解环境内容、执行复杂任务至关重要,针对ORB-SLAM2构建的点云过于稀疏、缺乏语义信息、点云所占存储空间大等问题,提出将目标检测算法与视觉SLAM（同时定位与地图构建）技术紧密结合,构建环境的稠密点云语义地图。首先,通过目标检测网络YOLO v3及对象正则化准确获取物体的2D标签,并经过ORB-SLAM2算法构建环境的稀疏点云地图,通过含有2D标签的彩色图像和对应的深度图像以及关键帧来生成含有语义信息的稠密点云标签,使用基于图的分割算法对稠密点云进行分割,再将点云标签与分割后的点云进行融合,进而构建环境的稠密点云语义地图。文中方法在TUM公开数据集上进行试验,实验表明可以构建出效果较好的语义地图。与传统的ORB-SLAM2相比,此系统在构建地图的过程中,相机的绝对位姿误差和绝对轨迹误差分别减少了16.02%和15.86%,提高了建图精度。为了减小点云地图的存储空间,方便移动机器人进行避障和导航,最终将所构建的语义地图转换为八叉树地图。     

Convexity preserving level set for left ventricle segmentation

In clinical applications of cardiac left ventricle (LV) segmentation, the segmented LV is desired to include the cavity, trabeculae, and papillary muscles, which form a convex shape. However, the intensities of trabeculae and papillary muscles are similar to myocardium. Consequently, segmentation algorithms may easily misclassify trabeculae and papillary muscles as myocardium. In this paper, we propose a level set method with a convexity preserving mechanism to ensure the convexity of the segmented LV. In the proposed level set method, the curvature of the level set contours is used to control their convexity, such that the level set contour is finally deformed as a convex shape. The experimental results and the comparison with other level set methods show the advantage of our method in terms of segmentation accuracy. Compared with the state-of-the-art methods using deep-learning, our method is able to achieve comparable segmentation accuracy without the need for training, while the deep-learning based method requires a large set of training data and high-quality manual segmentation. Therefore, our method can be conveniently used in situation where training data and their manual segmentation are not available.     

二维可压缩流体力学Lagrange有限点方法

提出二维可压缩流体力学问题的拉格朗日有限点方法,将求解区域离散为适当的点集.在每个时间步,每个离散点与其周围适当的五个邻点组成一个基本计算单元.在每个计算单元上,利用有限点方法中的典型微分算子的五点近似公式直接离散流体力学方程中的微分算子,并在每个方程中加上一个人为拉普拉斯粘性项,达到稳定格式的目的.给出时间步长的自动选取算法.数值算例结果验证了算法的有效性,初步展示了其计算大变形流体问题的良好发展潜力.     

基于特征定位的航空航天制孔多视测量拼接方法

为满足航空航天大部件对制孔质量的数字化原位检测需求，提出一种基于特征板的制孔多视点云拼接方法，实现孔壁完整三维形貌重建与检测。分析制孔多视检测的需求，提出采用特征定位板辅助的多视点云配准方法。介绍了内角不等四边形特征板的设计与相应的点云分割、识别算法。说明基于特征自定位的多视点云拼接及参数提取方法。结合机械臂搭建实验平台，对常用钛、铝及复合材料的试件模拟原位检测，结果显示各平均误差分别为0.011 mm、0.034 mm、0.041 mm，验证了配准算法的可靠性；并对比传统单视与该方法检测结果，体现该方法的鲁棒性。     

基于三维激光扫描的物体重构建模

针对锂离子电池SOC(荷电状态)难以估算的问题,通过对电池建立等效的Thevenin电路模型,对不同时刻的SOC的模型参数进行拟合得到动态的模型参数,在Matlab中借助Simulink建立仿真模型,采用模块化结构,建立基于卡尔曼滤波算法的电池SOC估算系统;利用测得的电池电压电流,仿真系统可直接估算出实时的电池SOC,与实际的电池SOC对比,误差保持在2.5%以内,表明该方法可以有效的估计电池的SOC,对于锂离子电池在实际应用的容量估算有着重要意义。     

基于机载激光雷达点云的雪道坡度提取算法

滑雪场的雪道坡度信息不仅是雪场规划和建设所需的必要内容,也是滑雪运动员提高成绩、减少运动损伤的重要数据。传统的手动测量方式费时费力,且雪场的低温环境不利于测量人员长时间作业。为了解决滑雪场的雪道坡度计算问题,提出了一种基于激光雷达点云的雪道坡度自动提取算法。使用投影高程差滤波、聚类分割等算法对雪场点云进行预处理,获取雪道边缘特征数据。提出了一种自适应阈值的拟合算法,用于雪道中线的提取,该算法可根据点云数量信息及坐标信息,自动选择阈值拟合雪道中线,消除了实际应用中部分点云数据稀疏或缺失对中线拟合带来的不利影响。数据处理结果表明,该方法计算所得坡度值与多次手动测量平均值之间的相对误差为2.2%。这一方法对激光雷达在雪场目标上的应用、雪场测绘中雪道坡度计算等具有参考意义。     

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...     

Planar segmentation of indoor terrestrial laser scanning point clouds via distance function from a point to a plane

Terrestrial laser scanners are frequently used in most of measurement application, particularly in documentation and restoration studies of indoor historical structures, and in acquiring facade reliefs. When compared to a photogrammetric method, terrestrial laser scanners have the ability to give three dimensional point cloud data directly in a fast and detailed way. High data density of point cloud data is a challenging factor in texture-map operations during documentation and restoration of historical artifacts with more indoor spaces. When coordinate information for terrestrial laser scanner point cloud data is documented, it is seen that there is no regular order and classification for the data. The aim of this study is to suggest the mathematical filtering algorithm for segmentation work towards separation of planar surfaces which have different depths and parallel to each other and which can be frequently encountered in the indoor spaces from the data of terrestrial laser scanner. Filtering function for segmentation used, is based on the distance of a point to the plane. This algorithm has been chosen for the advantage of the rapid and easy results for extracting 3D coordinate data in texture mapping process. The MatLAB interface has been developed for using this method and analyzing the results for application which is detected how many different surfaces exist according to the statistical deviation amount. In the application, test data with 21932 points was segmented by separating it into 16 points in total with four different planes and four corner points per plane. Surfaces with four different depths were obtained as the result of the research. Each of them included four points. These segmented surfaces consisting of four points will facilitate integrated data production by integrating vectorial terrestrial laser scanner data into raster camera data, without the need to conventional measurements that accelerate particularly documentation and modeling in the fields of historical indoor areas.     

An entropy-based filtering approach for airborne laser scanning data

Parameter-tuning is a challenging task when generating digital terrain models from airborne laser scanning (light detection and ranging, LiDAR) data. To address this issue, this paper presents a filtering method for near-infrared laser scanning data that exploits the principle of entropy maximization as the optimization objective. The proposed approach generates ground elevation of point cloud by constructing a triangulated irregular network, calculates the entropy of the elevation from different parts, and automatically separates ground and non-ground points by the principle of entropy maximization. Experimental results from different ground surfaces show that the proposed entropy-based filtering method can effectively extract bare-earth points from the point cloud without adjusting thresholds.