激光点云在三维模型重构中的应用

提出激光点云在三维模型重构中的应用研究。采用三维激光扫描仪获取某目标的激光点云数据，基于曲率精简处理激光点云数据，以此为基础，应用快速CPD算法拼接激光点云数据。由于拼接后激光点云数据依然散乱，采用泊松表面重构算法重构三维网格，以重构三维网格为依据，通过纹理映射理论实现三维网格模型参数化，从而实现了三维模型的整体重构。实验数据表明：与对比方法相比较，应用提出方法获得的激光点云数据精简度较大，三维模型重构时间较短，三维模型重构精度较高，充分证实了提出方法激光点云在三维模型重构中应用效果较好。     

基于激光点云数据的建筑物三维可视化系统

为了获理想的建筑物三维可视化效果,为建筑物测量提供有效技术手段,设计了基于激光点云数据的建筑物三维可视化系统。首先利用激光扫描仪采集建筑物激光点云数据,对建筑物激光点云数据进行冗余去除、畸变补偿和滤波处理,然后对激光点云数据进行坐标转换处理,利用3D Max建模软件建立建筑物三维可视化模型,最后通过实验分析其性能,结果表明：该系统具备较强的兼容性、激光点云数据预处理能力,建筑物三维重构精度超过93%,建筑物三维重构时间控制在4 s以内,具有更高的建筑物三维重构效率。     

基于多线激光的轮胎花纹深度测量方法研究

针对轮胎花纹深度测量中存在传统手工方法效率低下及单线激光测量适应性不高的问题,提出一种基于多线激光的轮胎花纹深度测量方法。该方法通过测量装置获取带有多线激光条纹的轮胎花纹图像,再通过三角测量技术得到轮胎表面激光条纹中心点的三维点数据。对获取到的点云数据进行处理,筛选出轮胎凹槽点和轮胎胎面点。将轮胎凹槽点拟合成一个曲面,依次计算胎面点到凹槽曲面的距离,获得每条凹槽的深度,以判断轮胎磨损状况。试验结果表明,该方法简单高效,鲁棒性强,能够准确测量出轮胎花纹的深度,与深度尺测量结果的差值在0.1 mm以内,可以满足轮胎花纹深度测量的要求。     

基于置信度的飞行时间点云去噪方法

飞行时间（Time-of-Flight,ToF）三维成像方法由于多路径干扰和混合像素等问题降低了目标物体深度测量的精度。传统的方法通过优化重构异常点云数据或滤除噪声点云数据来提高目标的准确性,但是这些方法复杂度高且容易导致过度平滑。三维点云图像中的有效点云与噪声点云之间的关系很难用数学模型来表示。针对上述问题,本文提出了一种基于置信度的飞行时间点云去噪方法。首先,分析多帧点云数据的概率相关性,以点云数据的置信度作为判别有效点云与噪声点云的依据;其次,利用多帧点云之间的矢量对偶性,提出了一种快速提取不同置信度点云的算法,其时间复杂度为O(L);最后使用该算法提取多帧三维图像中置信度高的点云数据获得目标物体的真实测量数据,并重点对4组不同场景的点云数据进行对比实验。实验结果表明,该算法能够在有效滤除噪声的同时,显著提高目标物体的距离测量精度,增强目标物体的特征,因此具有广泛的应用价值。     

互相关算法在运动目标距离选通激光三维成像中的应用

在微光成像中,距离选通成像是一种获取目标三维信息的有效手段。对于静止目标而言,可以通过对目标切片成像,获得不同选通距离的目标图像,进而通过二值化算法或质心算法获得目标的三维图像。而对于运动目标而言,在切片成像的同时,目标的空间位置会发生变化,因此需要对不同选通距离的目标图像进行配准,而后才能获得目标的三维图像。搭建了基于像增强电荷耦合器件(ICCD)的距离选通实验系统,提出了一种基于像质评价的互信息配准算法配准激光图像目标的空间位置,然后对配准后的激光图像通过互相关算法获得三维图像,并在保证一定的三维精度基础上,逐渐减少激光图像的像幅数,最后与二值化算法和质心算法三维重构进行了实验对比,实验结果表明,互信息配准算法能够有效配准激光图像,互相关三维成像算法精度高于二值化法和质心法,最少采用2幅图像即可获得目标的三维点云图像,大大降低了对运动目标三维成像的难度。     

采用激光扫描点云拟合自由曲面的重构特性研究

三维激光扫描仪可快速获取物体表面离散点云,研究了离散点云曲面拟合以及提高曲面品质的方法.讨论了控制点、曲面阶次、节点数等因素对曲面重构精度的影响,控制顶点的增减与位置改变直接导致重构曲面控制网格的变化和曲面拟合精度,对于百万点云数量,剖分为100个四边域面片,选用60～80个控制点比较适宜.通过提高曲面拟合阶次和节点数...     

基于三维激光点云的运动图像动态目标识别方法

当前的动态目标识别方法在场景复杂的图像中,因为无法采集足够多的特征信息,导致识别结果应用性受限。基于三维激光点云提出一种运动图像动态目标识别方法。利用三维扫描系统获取运动点云图像特征,在不影响有效信息采集的情况下,进行图像预处理;引入地平面方程,将图像背景点云与被识别目标点云通过欧式聚类法分割,提取处理后的被识别目标关键点,并采用Freeman链码检测边缘特征,完成运动图像动态目标识别。试验对比结果表明,所研究基于三维激光点云的运动图像动态目标识别方法,对动态目标有良好的鉴别能力及较好的识别精度,且所需动态目标识别时间较短。     

基于大数据可视化激光测距城市空间三维图像重构

针对当前三维图像重构效率差,重构结果遍历覆盖度低等问题,提出基于大数据可视化激光测距城市空间三维图像重构方法.利用激光测距仪采集大量城市空间三维点云元数据,对元数据实施序列化处理获取城市空间相关大数据.基于获取的数据进行可视化分析,点云数据中包含激光采样点数值范围,可构建城市空间数字表面模型;利用该模型获取城市地面高度...     

从全球激光点云到三维数字地球空间框架：全球精确测绘进阶之路

激光点云数据具有测量精度高、处理效率快、三维视觉强、应用领域广等特点,将是新一代国家全球测绘数据库核心数据集之一。星载激光对地观测技术快速发展,为获取全球三维点云数据提供了可能,为构建高精度三维数字地球空间信息框架提供了一条快速有效的技术途径。首先分析了当前全球高精度三维测绘现状及面临的问题,然后给出了基于全球激光点云的三维数字地球空间信息框架快速构建的技术体系,主要包括星载光子计数体制激光点云数据探测、处理、应用等技术流程。最后分析了基于点云快速构建的三维数字地球框架的特点和优势,指出了下一步发展需要关注的主要问题和发展方向。     

复杂反射率物体三维测量方法研究

针对复杂反射率物体在三维测量中,激光条纹图像曝光程度差异问题,提出一种自适应多曝光获取三维点云的方法。该方法根据所研制采集系统的成像原理,拟合出视觉传感器成像函数。将初始条纹几何中心反射率突变点设为基准点,并对复杂反射率物体上的条纹信息按基准点进行分段采集;根据各分段区域反射率均值计算相应自适应曝光参数;按基准点融合所采集的激光条纹信息。测量平台采用步进运动,实现物体整体扫描。应用二次拟合重心法提取条纹中心坐标,生成三维点云信息。经实验验证,自适应曝光准确率高于90%,条纹能量集中度大于5,三维点云均方根误差低于0.3 mm,该测量方法有效解决了条纹图像过曝光或欠曝光问题,可在动态下实现复杂反射率物体三维测量。     

基于激光雷达SLAM的三维点云自适应算法

SLAM(Simultaneously Localization And Mapping)同步定位与地图构建作为移动机器人智能感知的关键技术。但是,大多已有的SLAM方法是在静止环境下实现的,当环境中存在移动频繁的障碍物时,SLAM建图会产生运动畸变,导致机器人无法进行精准的定位导航。同时,激光雷达等三维扫描设备获得的三维点云数据存在着大量的冗余三维数据点,过多的冗余数据不仅浪费大量的存储空间,同时也影响了各种点云处理算法的实时性。针对以上问题,本文提出一种SLAM运动畸变去除方法和一种基于曲率的点云数据分类简化框架。它通过激光插值法优化SLAM运动畸变,将优化后的点云数据分类简化。它能在提高SLAM建图精度,同时也很好的消除三维点云数据中特征不明显区域的冗余数据点,大大提高计算机运行效率。     

激光扫描点云中运动图像边界信息提取方法北大核心CSCD

使用距离地面较远的机载激光扫描获取运动图像边界信息数据,得到的数据点密度较低,无法精细提取运动图像边界信息,因此设计一种激光扫描点云中运动图像边界信息提取方法。首先获取激光扫描点云运动图像,对其中的三维激光扫描仪、惯性测量单元等装置进行组合并设置相关的参数,并对激光扫描点云得到的数据预处理,使用八叉树建立离散点之间的关系,通过点云体素化完成去噪,最后通过地物聚类完成运动图像特征点云三维信息的提取。实验结果表明,所设计方法提取准确性较高,完整性较好,提取质量效果较佳,均超过了97%,具有较好的提取效果。     

改进贪婪投影三角化算法的激光点云快速三维重建

通过三维激光扫描仪获取的点云数据具有密度大、精度高等特点。本文针对贪婪投影三角化算法在对采集的大量点云数据进行三维重建时耗时长,重构的模型表面不够光滑,存在细小孔洞的问题,提出一种改进的点云三维重建算法。该方法首先用体像素网格滤波算法对点云进行下采样;然后使用移动最小二乘算法对输入的点云进行平滑及重采样,并且使用八叉树来代替KD树进行近邻域搜索;最后使用基于移动最小二乘算法的点云法线估计的贪婪投影三角化算法对点云进行重建。经过实验验证,该方法可以缩短重建时间,减少孔洞,并构建出平滑、点云拓扑结构更为准确的模型。     

影像数量对SFM三维重建模型测量精度的影响分析

在运动恢复结构(Structure From Motion,SFM)技术的实际应用中,不同数量影像数据集的SFM重建精度和效率通常存在差异。为了研究影像数量对SFM重建模型精度的影响,为三维重建应用中的影像数据采集与选取提供参考依据,利用手持数码相机对目标物体进行数据采集,选取不同数量的影像执行SFM点云和网格模型的重建,并将各组SFM三维模型与激光扫描模型进行模型精确度、噪声和完整度的对比分析。实验结果表明,影像数量与SFM三维模型的精度之间具有一定的相关性,影像数量越多,重建模型的完整度越高,但受SFM特征点匹配误差、配准误差以及影像中多余场景的影响,影像数量的增加会导致模型精确度的降低以及噪声程度的加重。在实际的工程应用中,需要深入分析生产三维模型的特点和需求,选取合适影像数量的数据集进行SFM三维重建。     

三维激光扫描测体积技术及其应用进展

三维激光扫描技术因具有准确性强、检测效率高、无损等优势而被应用于各行各业的物体体积测量。本文概括了利用三维激光扫描技术获取物体轮廓表面信息的几种光学原理;综述了三维激光扫描测体积系统中点云数据获取、点云数据预处理、三维重建与体积计算的研究进展;对三维激光扫描测体积技术在各类行业中的应用现状进行总结分析;最终展望了三维激光扫描技术在不规则体体积测量上面临的挑战和未来的发展趋势。     

三维点云重建混凝土结构裂缝定位与追踪技术的研究

混凝土结构裂缝是影响既有工程安全的病害之一，如何实现对混凝土结构裂缝的自动定位、扩展跟追，是降低混凝土裂缝病害破坏力、预防安全事故的主要问题。三维点云重建混凝土结构裂缝定位与跟追技术基于大数据技术，其可以通过无人机搭载的高分辨云台照相机获得目标图像集，然后通过优化数据集与三维重建流程，获得建筑结构点云模型并还原相机空间参数，最后通过视点定位算法，求得拍摄图片的坐标，并将图片与坐标相连接，以此将裂缝定位在点云模型中。检验表明，三维点云重建的模型能精准定位混凝土裂缝，并实现对裂缝的实时跟踪与观测。     

中值滤波在激光雷达点云数据预处理中的应用

为了研究3维激光雷达测量系统采集到的点云数据如何进行去噪处理,根据灰度图像中对灰度值进行滤波去噪的概念,采用改进的2维中值滤波方法对点云数据中的噪声点加以处理。基于激光雷达点云数据数据量庞大且存在噪声点特点,重点分析了改进2维中值滤波算法和点云数据信噪分离方法,并通过实验验证,得到了速度对比数据和滤波效果图。结果表明,利用改进后的2维中值滤波方法,速度明显得到改进,对激光雷达点云数据的滤波效果良好。     

基于主动式全景视觉的管道形变检测及重构技术的研究

研究了一种采用主动式全景视觉传感器(ASODVS)的 管道内表面全方位检测方法。基于主动式全景视觉检测原理, 提出了一种能够快速、全方位获取管道内壁三维点云信息,实现视觉检测管道形变的全景激 光视觉系统; 利用携带有ASODVS的爬行机器人进入管道内部,采集激光横断扫描全 景图像;然后根据提 取的管道内壁三维点云数据计算最小直径、横断面面积等几何特征判断变形率;最后根据三 维点云圆周分 布的特征,采用三角格网模型进行三维重构。实验结果表明:基于主动式全景视觉的管道内 壁全方位检测 系统能够实时完成对管道凹凸形变的检测和识别,并恢复管道内壁的三维形貌,具有较高的 检测精度。     

基于PCA-TrICP的多源点云无缝三维重建

针对三维重建时使用单一数据源的局限性问题,融合异源的倾斜影像和三维激光点云进行三维实景重建。在前期工作中,利用倾斜摄影技术对校园图书馆建立初始模型,生成影像点云,并使用三维激光扫描仪获取其立面数据,完成去噪及拼接等预处理工作。针对预处理过后的影像点云和激光点云数据的配准,首先使用主成分分析方法对数据降低维度,对齐跨源点云的姿态方向,并利用数据的空间几何中心匹配得到初始位姿;然后使用TrICP算法完成低重叠率的跨源点云的精确配准。实验结果表明,本文粗配准方法的精度达到0.32 m,远高于快速点特征直方图算法精度;在精配准的精度分析中,建筑物立面的独立精度为0.03 m、0.08 m、0.22 m,整体精度相对于传统ICP算法提高了53.5%,达到了0.08m。     

一种基于飞行时间相机的点云目标提取方法

基于飞行时间(Time of Flight,TOF)原理的深度相机成像方法不同于二维图像来计算三维信息,而是通过光在空气中的飞行时间,来计算出目标的距离,从而直接获取场景目标的三维点云信息。本文通过研究基于飞行时间红外相机的三维重建技术,设计了一种基于飞行时间红外相机的点云目标提取方法。利用飞行时间相机直接获得场景的三维点云数据,提出一种双阈值空间滤波算法,对点云数据进行空间滤波,并对滤波效果进行了对比评价。在双阈值空间滤波算法的基础上提出了一种改进的基于法向量的随机抽样一致性(RANSAC)算法,实现了对三维点云数据的目标提取,为基于飞行时间相机的场景目标三维重建奠定了基础。