逆向工程中散乱点云数据精简研究

近年来,激光扫描技术有了重大的进展,可以方便地以较高精度和速度获取零件模型表面信息．对于产生的大量扫描数据,需要对其进行精简处理．在分析自适应最小距离法和基于八叉树非均匀网格法这2种精简方法特点的基础上,提出了基于这2种方法的改进型数据精简方法．该算法能够对大量点云测量数据进行直接、有效的精简．并通过对比实验进行了验证．最后对该算法的优缺点做了小结．     

一种改进的点云数据精简方法

改进的点云数据精简方法是针对KIM在进行点云计算和记录过程中经常造成相关几何特征丢失的现象而形成和改进的一种新型精简方法.其在对图形处理过程中通过计算相应抛物面的主曲率,对其进行处理,从而针对物体或事物的不同几何特征对其进行点云记录,最终将其简化结果进行精确处理.改进的点云数据精简方法能够更好的用于记录和绘制,为三维重建等方面提供有力的数据信息,节约后期对数据的处理时间,提高工作效率.本文中针对这一方式进行研究,从而使人们更加了解点云数据精简方法.     

基于PCL的点云数据压缩研究

研究基于开源C++编程库PCL(点云库),在VS2010平台上读取由Kinect获取的PLY格式的三维模型数据,利用PCL的Octree(八叉树)类为点云数据构建八叉树结构、进行八叉树编码,实现了点云数据的高效压缩方案。此压缩方案可以针对不同的应用场合设置不同的精简点距离,简洁高效,减少了数据的空间占用,且便于数据的在线传输。     

基于局部熵的点云精简算法

针对目前流行的三维物体激光扫描仪获取的点云数据量大,冗余度高等问题,提出一种基于信息熵的点云精简算法。首先,定义数据点的曲率、点到邻域点重心的距离、点到邻域点的平均距离的倒数,三者乘积为权值积;然后,使用K-means聚类算法划分点云数据,根据类内估计曲率差值区分特征区域与非特征区域;最后,针对特征区域,利用提出的精简方法精简点云。实验结果表明,该方法计算相对简单,能够有效避免孔洞现象,同时,更好地保留了点云数据的原始物理特征。     

3D-SIFT特征提取与体素滤波结合的点云精简算法

点云数据中的冗余数据会影响到点云处理算法的速度,因此,为提升算法速率,需对点云数量进行精简。然而,点云精简过程容易剔除掉特征点,导致点云信息不完整,效果不好等问题。针对这些问题,提出一种利用3D-SIFT特征提取与八叉树体素滤波结合的点云精简方法。利用3D-SIFT算法提取出点云的强特征点和弱特征点,对弱特征点进行改进的八叉树体素滤波,并保留强特征点,通过点云合并,将滤波后的弱特征点与保留的特征点整合到一起,使得精简后的点云数据不丢失特征点信息,从而也达到了精简的效果。将本算法与均匀网格算法、非均匀网格法、随机采样算法进行对比实验。通过多个不同模型的可视化结果和信息熵评价分析,可以得出对于几种不同模型取平均本算法平均信息熵达到3.771 92,高于其他算法的信息熵,证明本算法在对数据进行精简的同时也达到了特征保留的效果。     

基于主曲率增强距离变换的形状相似性度量方法

针对常规形状相似性度量方法在噪声干扰、部分信息遮挡和缺失情况下鲁棒性和准确性不足的问题,提出了一种基于主曲率增强距离变换的形状相似性度量方法.通过距离变换扩展形状轮廓的作用范围,提升相似性度量结果的鲁棒性;基于主曲率增强距离图,提升信息量丰富轮廓在变换图中的响应,提升度量结果的准确性.仿真对比实验验证了方法在噪声干扰以及部分轮廓遮挡或缺失情况下的鲁棒性和准确性,道路矢量与GPS信号和光学遥感图像的应用试验表明方法在实际应用中的有效性.与传统的形状相似性度量方法相比,基于主曲率增强距离变换的方法适用于非刚性目标形状相似性度量,而且鲁棒性和准确度较高.     

基于方向矢量曲率估算的点云精简研究

逆向工程获得的大量散乱点云数据,不利于后续曲面重构工作,因此需要进行点云精简。文章利用包围盒法分割原始点云数据,确定K邻域的中心点并搜索K邻域点,基于方向矢量曲率计算方法估算曲率,并采用曲率精简原则精简点云。实例证明,该方法对于大量点云精简有明显效果。     

基于邻域点位置特征的点云数据精简

海量点云数据给存储、传输、处理等带来极大困难。针对现有算法在特征保留与精简后重建模型表面积、体积、重建误差不能兼顾的问题,提出一种基于邻域点位置特征的点云精简算法。该算法根据权值计算投影面、搜寻矩阵大小以及精简比例对目标点云进行精简。将目标点云网格化处理;寻找投影面垂直方向（正、负两个方向）,以目标点为中心,获取搜寻矩阵范围内的点;根据搜寻矩阵内点与目标点的位置关系确定其权值;根据所设的精简比例对原始点云进行精简。将所提算法与曲率采样法、均匀网格法和随机采样法进行比较,并从特征保留、表面积和体积变化率这3个方面进行评价。实验结果表明：所提算法的精简结果对特征区域效果优于均匀网格法和随机采样法,与曲率采样法一致;精简结果误差、重建模型的表面积差和体积差总体优于曲率采样法,与随机采样法基本一致,略差于均匀网格法。因此,所提算法既能较好地保留特征,同时又能使重建后的结果模型表面积和体积变化以及误差都较小,综合效果好。     

基于Hausdorff距离的行人跟踪计数方法

运用目标匹配和目标链,对视频中的行人进行跟踪和计数。提出了一种基于Hausdorff距离的快速目标匹配方法,利用快速匹配形成的聚类进行最佳匹配,通过目标运动速度和方向的光滑性度量来建立每个运动目标的“目标链”即运动轨迹,实验结果表明此方法保证了运动跟踪的连续性和行人计数的有效性。     

一种改进的点云数据组合精简算法

在逆向工程中,点云数据的精简是一个重要的步骤,精简的质量直接关系到后续曲面重构的效率。文章针对广州灰塑曲率较大,凹凸面较多的特点,提出了一种基于曲率和均匀精简的点云数据精简方法:利用包围盒法对散乱的点云数据进行拓扑规则排序,建立点的K-邻域集,计算点云在某点处的曲率,在曲率较大处保留更多的特征点,但是曲率较小处会删除较多的点云数据。文章在此基础上再利用均匀网格的方法对初始精简后的点云进行重采样处理,使得曲率较小处的特征点也能保留下来。     

基于Hausdorff距离和遗传算法的物体匹配方法

在模式识别与机器视觉中，常常需要进行图像中的物体检测。本文将Ｈａｕｓｄｏｒｆｆ距离作为物体轮廓的相似性的测度，并用遗传算法进行最佳物体匹配的快速搜索方法，实验结果表明，本文的方法能有效地检测出具有平移、旋转和尺度变化的物体。     

基于Hausdorff距离的图像配准研究

针对图像配准中常出现的RST(旋转-比例-平移)变换,推导出了相应的盒距离变换公式。与传统的基于广义仿射变换的Hausdorff盒距离变换公式相比,缩小了搜索距离空间。在计算Voronoi表面时,根据Hausdorff距离的计算需要提出比较滑动窗口的区域Voronoi表面,节省了计算Voronoi表面的时间。并且在利用边缘点计算Hausdorff距离时,剔除琐碎的边缘,仅使用较长的边缘计算。试验结果表明,这些改进方法较大地提高了基于Hausdorff距离的图像配准的计算速度。     

基于曲率距离的时间序列相似性搜索方法

针对几种时间序列相似性度量方法存在的序列元素值依赖性,对序列信息挖掘不充分等问题,该文提出一种新的时间序列分段、近似表示和相似性度量方法。在对序列信息和规律充分挖掘的基础上,对时间序列进行分段并建立了各分段的精确拟合模型,用分段的拟合曲线在各时刻处曲率组成的曲率序列对原时间序列进行近似表示,给出了时间序列的曲率距离定义。最后,提出了基于曲率距离的时间序列相似性搜索算法。该方法充分挖掘了序列信息,对时间序列的主要形态特征进行了有效保留和识别,经实验验证了该方法的有效性、稳定性和准确性。     

基于Hausdorff距离的多分辨率目标跟踪方法

针对目前运动目标跟踪算法的计算结果和效率不能令人满意的现状,提出利用改进的Hausdorff距离进行模板匹配,它具有计算量小,适应性强的特点.为了能较快的跟踪目标,采用多分辨率分析的方法处理序列图像.实验结果表明,本文的算法能显著提高运动目标跟踪的准确程度和效率.     

基于新的加权Hausdorff距离的图像匹配

Hausdorff距离(HD)用于度量两个点集之间的距离,它不要求点之间的一一对应,是一种模糊度量,因而在匹配来自不同传感器的图像时广泛使用。在分析了传统HD算法的基础上,提出了一种基于结构张量加权的HD,称为STWHD。红外与可见光图像匹配的仿真实验表明,其抗噪能力较传统的HD算法有较大的提高。     

基于Hausdorff距离的相控阵雷达波束指向侦察方法研究

针对相控阵雷达航迹欺骗干扰存在的难以确定主波束指向的问题,提出利用相控阵雷达波束扫描时旁瓣的变形对主波束指向进行侦察的方法.首先定性分析了旁瓣变形与主波束指向的关系,证明了这种方法的可行性,之后利用曲线相似原理,对旁瓣的变形进行测绘与识别.针对侦察中存在的方向图难以确定的问题,提出利用先期侦察信息通过计算确定粗略的天线方向图,之后利用微似比在计算方向图的基础上确定主波束指向的角度范围,最后利用Hausdorff距离在这一角度范围内再精确确定主波束的指向,仿真结果表明了这种方法的有效性.     

基于Hausdorff距离的自动目标识别算法的研究

红外自动目标识别是智能化图像处理及应用开发的方法.由于传统的图像匹配方法受到诸如景物的遮挡、背景和噪声的影响比较大,并且需要建立模板与图像间的对应关系,因而使实际图像的匹配变得困难.为了克服上述缺陷,以便快速地进行图像匹配,提出了一种基于Hausdorff距离的自动目标识别算法.该算法不仅加快了匹配过程,提高了抗噪性能,而且能准确匹配遮挡图像.实验结果证明,该方法是正确有效的.