飞行时间三维相机的多视角散乱点云优化配准方法研究

针对目前基于飞行时间(TOF)原理的三维相机实现物体完整表面的三维点云重建过程中,多视角散乱点云配准精度低的问题,本文提出了一种多视角散乱点云优化配准方法。该方法通过构建一个目标功能函数,并结合相邻点云的变换矩阵对该目标函数进行最小化求解,直接获取任意位置的点云到基准坐标系的绝对变换矩阵,避免了对相邻点云的变换矩阵进行累积而引起误差的累加。实验结果表明,该方法提高了多视角点云配准的精度,同时增强了物体点云模型重建的效果,在三维曲面重建中具有较强的实用性。     

散乱点云数据配准算法

提出一种以物体表面上不附加任何几何和拓扑信息的散乱点集为处理对象,自动进行点云数据配准的算法．该算法针对待配准的2组点云数据,根据测点及其邻域点估算每个点的曲面法矢,并对法矢方向进行调整,使其指向曲面的同一侧;然后计算各个测点的曲率．根据每个测点的曲率来识别出2组点云数据中可以匹配的点对集合。计算将每一个点对的法矢方向映射为一致的三维空间变换,采用几何哈希方法找出使得最多数量的点对法矢一致的变换,运用该变换将散乱点云作初次配准．以初次配准后的结果作为新的初始位置,将匹配点对集合中的所有点对采用最近点迭代法进行二次配准,从而实现了2组散乱数据的精确配准．应用实例表明,该算法效果良好．     

分形维数的全局点云初始配准算法

针对重叠率低、角度大的点云数据之间的配准进行了研究,提出基于分形维数的全局点云初始配准算法。计算点云中各点的维数值;通过维数属性,从点云中提取特征点;聚类特征点,形成全局结构;从全局结构中,获得全等三角形对,作为匹配点对,进行初始配准;进行剪枝迭代最近点（Trimmed Iterative Closest Point,Trimmed-ICP）细配准。该算法与全局最优迭代最近点（Global optimal Iterative Closest Point,Go-ICP）算法相比,能够有效缩小不同角度的点云数据之间的位姿差异,显著提升对重叠率低、角度大的点云数据的配准效果。     

基于旋转多视角深度配准的三维重建方法

针对在旋转平台上采集得到的多视角数据,提出一种有效的配准方法,同时结合双目立体视觉测量构建了完整的三维重建系统。通过拍摄旋转平台上多个视角下的标定板图像,提取标定板图像角点信息,计算出旋转平台坐标系和摄像机坐标系的空间位置关系,进一步推导出不同视角下的坐标转换关系,从而实现不同视角的数据配准。实验结果表明,基于本配准方法的旋转多视角双目测量系统具有较高的配准精度,能有效用于物体表面三维重建。     

一种基于相机标定的图像配准方法

图像配准是把同一场景的两幅或者多幅图像在空间上进行配准,它在图像分析领域应用广泛,如医学,遥感图像分析,图像融合,图像检索及目标识别等．匹配困难是图像配准的主要问题,造成匹配困难的原因之一是待匹配图像存在畸变．该问题是由于待配准图像相对于基准图像会产生大面积相同区域或产生平移、旋转、缩放等多种畸变．针对以上各种畸变,本文提出一种解决方案：利用相机标定信息求解畸变情况的平移矩阵、旋转矩阵和缩放比,通过反变换达到矫正图像畸变的效果．然而标定信息常会因为相机位置移动而发生改变．对于此问题,本文则是通过求解多角度下的云台转角来确定相机的标定信息．实验表明：本文提供的方案很好的解决了图像配准阶段的一些畸变问题,使图像配准有较高的精度．     

利用混合特征的多视角遥感图像配准

目的 多视角遥感图像配准是遥感图像处理领域的一项关键技术,其目的是精确获取图像间被测区域发生的几何变换关系。由于航拍视角变化以及地物的空间分布和几何形状的复杂度,多视角遥感图像间会产生非刚性畸变问题,增加了图像配准的难度,为此本文提出一种利用遥感图像SIFT（scale-invariant feature transform）特征点阵的全局和局部几何结构特征进行多视角遥感图像配准的算法。方法 通过增加对SIFT点阵的几何结构特征描述以及利用SIFT点阵间全局与局部几何结构特征的互补关系,提升存在非刚性畸变的多视角遥感图像配准精度。 结果 实验使用谷歌地球的卫星影像数据以及无人机航拍遥感数据对本文算法进行了测试,并与3种同类算法（SIFT、SURF（speeded-up robust features）、CPD（coherent point drift））进行对比实验,本文算法在存在非刚性畸变的多视角遥感图像配准中能够有效地提升SIFT特征点阵的配准精度,从而获得更加准确的多视角遥感图像配准结果。结论 本文实现了一种结合SIFT特征点阵的全局和局部几何结构特征进行多视角遥感图像配准的算法,实验结果表明了该方法对存在非刚性畸变的多视角遥感图像能够有效地进行配准,可适用于同源多视角情况下的遥感图像配准问题。     

三维视觉传感器多视角曲面测量数据的一种配准拼接方法

本文提出一种将三维视觉传感器多视角曲面测量数据进行拼接从而获得被测物体整个表 面模型的方法．首先在给定不同视角之间初始坐标旋转矩阵R和平移矢量T的基础上,采用一 种迭代配准方法求解更为准确的R和T,从而将不同视角下测量三维数据转换到同一坐标系下 ;然后通过引入三维空间的球坐标系,将配准后物体表面数据按其空间角度进行网格化处理 ,得到覆盖整个物体表面的数据网格．本文最后给出了配准建模实例．     

基于SIFT图像特征匹配的多视角深度图配准算法

为有效地解决多视角深度图配准问题,提出一种新的配准算法.首先给出一种深度图数据图像化方法,根据深度图包含的像素信息和网格顶点处的曲率值创建特征图像;然后通过对特征图像进行SIFT特征检测与匹配来获得特征点与匹配关系,从而得到原始深度图上的特征点与匹配关系;最后采用投票和预配准方法去除误匹配,实现递增式多视角深度图配准.模拟噪声实验和多个实际测量深度图的配准实验结果验证了该算法的鲁棒性和有效性.     

二维点模式图像的仿射变换配准

提出了一种图像特征点配准算法．该算法为二维点模式图像仿射配准建立了新的求解模型,此模型对参考图像的特征点集和浮动图像的特征点集分别进行Whitening变换,将点集间的一般仿射变换问题转换为刚性变换问题;在对刚性变换求解时,采用平滑性好、局部极值较少的新的目标函数;并引入了形变程度分量,使该算法更能符合实际应用．结合文中提出的新的仿射不变量,目标函数只需在平分法的基础上加入随机因素便能快速求解．实验结果证明,该算法在处理特征点仿射配准问题上具有速度快、精度高的特点．     

基于一种优化的配准算法的图像超分辨率重建

提出了一种优化的图像配准算法.该算法充分结合了时域基于全局运动模型的配准算法和频域基于傅立叶变换的配准算法,并运用到超分辨重建中.假设序列低分辨率图像之间存在旋转和平移,首先运用全局配准法求出旋转参数,对图像进行旋转补偿,然后对补偿后的图像用频域配准法估计平移参数,针对估计出的旋转参数和平移参数对序列低分辨率图像进行超分辨率图像重建,实验表明该方法能较有效地提高图像分辨的效果,并且本文还阐述了低分辨率图像帧数的影响.     

古遗址多视点云的渐进式三维配准*

为实现古遗址场景多分辨率点云的精确配准,提出一种基于序列迭代的多视点云三维配准方法。利用反向投影确定两点集的重叠区,基于法向量计算定标球球心坐标,实现相邻点云的准确融合;利用基于马氏距离计算相邻点云的三维边缘点,通过在迭代过程中不断优化转换矩阵,逐步提高配准精度,消除部分重影现象。唐小雁塔和西汉古墓的工程实践表明,该方法能有效抑制序列配准的累积误差,具有有效性和鲁棒性,可应用于古遗址的数字化保护与虚拟展示领域。     

基于平移域估计的点云全局配准算法

针对迭代最近点(ICP)算法需要两幅点云具有良好的初始位置,否则易陷入局部最优的问题,提出了一种基于平移域估计的点云全局配准算法。首先分别计算数据点云和模型点云的去模糊主方向点云,利用两者平行于坐标轴的包围盒估计平移域范围;其次利用改进的全局ICP算法在估计出的平移域和[-π,π]³的旋转域中进行全局搜索配准。该算法可以根据待配准点云自适应地估计平移域的大小,进行全局自动配准,配准过程中不需要计算点云的特征信息,所需设置的参数少,对点云的初始位置没有要求。实验结果表明,所提算法能够获取全局优化的精确的配准结果,同时提高了全局配准的效率。     

改进的粒子群算法多模态生物医学图像配准

多模态生物医学图像配准在医疗诊断、治疗方案的制定,以及身体机能的研究等方面起到越来越大的作用。如何将这些多模态信息融合在一起是目前研究的重点,目前,该融合主要基于图像强度信息的配准方法。该类方法通过最大化化图像间的相似度函数达到配准的目的,但配准过程中使用往往会出现参数变化非凸且不光滑的现象,因而,传统的局部最优方法通常不能得到较好的结果。粒子群算法是一种全局寻优算法,但传统的方法中受初始值的选取以及当前全局最优点的影响,易陷入局部最优。本文对其进行改进,使得即使在初始值离准确值较远时也能得到全局最优,并将该方法用于多模态医学图像配准中,得到了较好的结果。     

一种基于曲率的点云自动配准算法

针对兵马俑破碎俑片虚拟复原过程中拼接效率低的问题,提出了一种新型的基于曲率的散乱点云数据自动配准算法.该算法利用MLS表面计算出两组点云中每个点的曲率,提取局部曲率变化最大的特征点,并计算曲率的Hausdorff距离来获得初始匹配点,然后根据初始匹配点之间极大极小曲率的相似度函数,采用粒子群优化算法确定精确匹配点.最后用四元组法求得坐标变换实现粗配准,并且用迭代最近点算法提高配准精度.实验验证了算法的有效性和稳定性.     

基于结构光相机的钢筋骨架整体点云获取算法

为了获取钢筋骨架质量自动检查所需的高精度钢筋骨架整体点云,建立了基于结构光相机的钢筋骨架整体点云获取算法。首先,对结构光相机采集得到的多幅钢筋骨架图像进行三维重建,得到结构光相机的无量纲位姿。其次,根据无量纲位姿获取有量纲位姿。然后,计算这些有量纲位姿间精确的转换矩阵。接着,基于这些有量纲位姿及其两两之间的精确转换矩阵,使用图优化对这些有量纲位姿进行优化,以得到高精度的有量纲位姿。最后,基于高精度的有量纲位姿对齐结构光相机采集的所有点云,获取钢筋骨架整体点云。实验结果表明,该算法获取实际预制钢筋混凝土构件钢筋骨架整体点云的耗时约10 min,且点云的误差约为5 mm。钢筋骨架整体点云获取算法可以快速获取钢筋骨架整体点云,而且所得点云的精度较高,可以满足钢筋骨架质量自动检查的要求。     

使用霍夫变换的3维点云拼合算法

目的 直接基于点云数据本身的拼合算法对点云模型的位置和重叠度有着较高的要求。为了克服这种缺陷,提出一种针对散乱点云的分步拼合算法。方法 不同于大多数已有的基于曲率信息的拼合算法,本文算法包含了一个序贯式的匹配点对筛选过程和一个基于霍夫变换的坐标变换参数估计过程。在筛选过程中,首先利用曲率相似度确定点云数据之间的初始匹配关系,然后利用刚体不变量特征邻域标识相似度以及持续特征直方图相似度对初始匹配点对进行连续两次筛选以便得到更为精确的匹配点对集。在参数估计阶段,通过对匹配点对的旋转矩阵和平移矢量的参数化处理,利用霍夫变换消除错误匹配点对对坐标变换参数估计的影响,从而得到更加准确的坐标变换参数,实现点云的3维拼合。结果 利用本文算法对两片部分重叠的点云数据进行了拼接实验。实验结果表明,本文算法能很好地实现对部分重叠点云的拼合。由于霍夫变换的引入,本文算法相较于经典的Ransac算法具有更高的正确率、稳定性以及抗噪性,在运行速度上也具有一定的优越性。结论 本文算法不仅能适用于任何具有任意初始相对位置的部分重叠点云的拼接,而且可以取得很高的拼合精度和很好的噪声鲁棒性。     

Continuous global optimization in surface reconstruction from an oriented point cloud

We introduce a continuous global optimization method to the field of surface reconstruction from discrete noisy cloud of points with weak information on orientation. The proposed method uses an energy functional combining flux-based data-fit measures and a regularization term. A continuous convex relaxation scheme assures the global minima of the geometric surface functional. The reconstructed surface is implicitly represented by the binary segmentation of vertices of a 3D uniform grid and a triangulated surface can be obtained by extracting an appropriate isosurface. Unlike the discrete graph-cut solution, the continuous global optimization entails advantages like memory requirements, reduction of metrication errors for geometric quantities, and allowing globally optimal surface reconstruction at higher grid resolutions. We demonstrate the performance of the proposed method on several oriented point clouds captured by laser scanners. Experimental results confirm that our approach is robust to noise, large holes and non-uniform sampling density under the condition of very coarse orientation information.     

改进型文化粒子群在图像配准中的应用

设计了一种用于图像配准的优化算法.根据图像灰度和空间结构信息,构造一个基于最大化互信息的配准测度函数,结合一种适用于图像自动配准的文化粒子群优化(CIPSO)算法.新的配准算法在搜索空间上进行优化设置,将整个搜索空间分成群体空间、信念空间两组.群体空间的粒子不仅根据自己空间的个体最优和全局最优来优化自己,还与信念空间中的最优个体进行交互学习,加速粒子群的收敛速度,克服了图像配准中计算量过大、搜索速度慢等问题.实验表明,与现有的PSO配准算法相比,提出的算法具有较好的鲁棒性和配准精确率.     

杂合型全局优化法优化Sr2+(H2O)n团簇

以半经验的势能函数描述H_2O-H_2O之间和Sr~(2 )-H_2O间的相互作用,采用杂合型全局优化法(fast hybrid global optimiza- tion algorithm,FHGOA)搜索Sr~(2 )(H_2O)_n(n=1-30)团簇的最优结构。结果表明：当n=1-8时,团簇为n_1 0结构,其中,在n_1=5-7时,优化出的团簇结构与实验结果相吻合;当n=9-19时,团簇结构为8 n_2结构;当n=20-30,团簇结构为9 n_2结构。根据实验结果推断：在Sr~(2 )水溶液中,Sr~(2 )的水化数为9,此结果和MC模拟的结果是一致的。