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。     

基于改进的局部表面凸性算法三维点云分割

点云分割是点云分类、识别以及三维重建等处理的基础,分割结果对后续应用影响巨大。本文提出利用连通点集改进局部表面凸性算法中邻近点关系的方法,解决目前激光三维成像系统点云分割算法在处理复杂环境散乱点云时存在分割过度及分割不充分的问题,通过主顶点与周围点构成连通集,作为分割判断局部子点集,形成有效分割区域。该方法解决了常用点云分割方法无法对形状不规则物体进行有效分割的问题,提高了分割精度。算法实验结果表明,相比于最小切割算法和区域生长算法,基于连通点集的改进局部表面凸性算法对实际路面环境信息的分割效果更好,并能在一定程度上避免分割过度和分割不充分的情况,证明该方法适用于复杂环境散乱点云数据分割。     

基于PolyWorks和COMET 250点云数据的生成和拼接

点云数据的生成和拼接是逆向工程中的关键技术之一。本文以鼠标器为例介绍了利用Comet 250非接触式三维光学扫描仪生成点云数据和PolyWorks软件进行点云数据拼接的方法过程，并分析了点云数据生成和拼接过程中影响其精度和完整性的因素及解决办法。     

基于点云数据的三维目标检测技术研究进展

近年来,随着深度传感器和三维激光扫描设备的普及,点云数据引起了广泛关注。相对于二维图像,点云数据不仅包含场景的深度信息,还不受光照等环境因素的影响,能够更精确地实现目标识别和三维定位。因此,基于点云的三维目标检测技术已经成为智能空间感知和场景理解的关键技术。本文首先介绍了点云数据的特点,并探讨了不同类型的点云特征提取方法;其次,详细阐述了基于体素、点、图以及体素与点混合的点云目标检测方法的原理和发展历程;然后,介绍了常见的室内外点云目标检测数据集和评价指标,并对各类点云目标检测方法在KITTI和Waymo数据集上的性能进行了详细的比较和分析;最后,对点云目标检测技术的研究进展进行了总结和展望。     

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。     

基于Zernike多项式拟合的非球面点云数据自动调平

非球面光学元件在光学系统中的应用日益广泛。非球面点云数据调平坐标变换是非球面检测系统误差分析的一个重要环节。提出了一种基于Zernike多项式拟合的非球面点云数据自动调平方法,通过计算Zernike多项式X和Y倾斜项系数确定调平旋转矩阵,通过迭代使其最小化,最终将点云数据回转轴调整至与坐标Z轴平行,使得非球面三维点云测量结果可以进行后续三维比对和截面误差分析。通过理论仿真和实验数据测试验证了方法的有效性,能够将非球面数据倾斜降低到可忽略的程度;方法计算过程简单,对于各类非球面和曲面点云数据的调平变换都具有较好的参考意义。     

基于三维点云匹配的手掌静脉识别

针对现有手掌静脉认证系统误拒率较高以及不支持大数据集匹配的问题,设计了基于透射式光源的双目视觉静脉三维点云重建装置,提出了基于三维点云匹配的手掌静脉认证算法。系统使用850 nm透射式发光二极管(LED)光源作为照明装置,由双目摄像机拍摄静脉视差图像进行三维重建。选择手掌静脉作为特征点描述其空间三维结构,提出了一种改进的内核相关性分析方法匹配三维点云。针对200组点云数据的实验结果验证了该方法的可行性和有效性,识别率达到了98%,误拒率2%,误识率0%,总特征维数约8000至12000维,高于尺度不变特征变换(SIFT),支持对大数据集的认证识别。     

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。     

面向光学测量跨源点云的多尺度采样配准方法

为了实现具有不同测量尺度、分辨率与精度等特性的跨源点云的精确配准,提出了基于多尺度采样的测量点云数据配准方法。通过尺度滑移算法来滤除高频细节信息,保留轮廓数据,并结合体素网格邻域法来实现点云数据的降采样;对于宏观结构光视觉测量的低分辨率点云数据,通过基于深度学习的渐进式三维点云上采样算法可以精确还原结构光点云的轮廓细节,实现跨源点云在尺度与分辨率上的统一。最后,采用迭代最近点法对处理后尺度近似的数据进行配准,并将配准关系逆向用于原始跨源点云的配准。实验结果表明,多尺度采样方法对于跨源点云的配准精度有所提高,能有效用于发动机叶片等零部件的高性能检测。     

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...     

基于三维激光扫描的铁路罐车点云优化处理方法

通过对三维激光扫描技术在铁路罐车中的应用研究,对扫描过程中发现的点云残缺及噪点问题进行研究分析,提出一种快速有效点云优化处理方法,新方法包括sp-H点云预处理和Eti-G建模优化。验证试验表明,采用新的点云优化处理方法可以在较短时间内将扫描点云进行去噪及残缺修补,并能够快速高效进行模型重建,提升了不同工况环境下扫描点云的适用性,提高了扫描工作效率和准确度,铁路罐车容积测量结果的相对扩展不确定度达到2.4×10?3,为铁路罐车容积扫描最高准确度等级,为三维激光扫描相关技术的发展提供一定借鉴。     

An improved building boundary extraction algorithm based on fusion of optical imagery and LIDAR data

This article presents a new method of automatic boundary extraction using LIDAR-optical fusion suited to handle diverse building shapes. This method makes full use of the complementary advantages of LIDAR data and optical imagery. Different building features are extracted from the two data sources and fused to form the final complete building boundaries. First, the points of each roof patch are detected from LIDAR point cloud. This process consists of four steps: filtering, building detection, wall point removal and roof patch detection. Second, initial building edges are extracted from optical imagery using an improved Canny detector constrained by edge location information derived from the LIDAR point cloud as edge buffer areas. Finally, the roof patch and initial edges are integrated by mathematical morphology to form the final complete building boundaries. All processes have no constraints or rules on building shapes. This method is fully data-driven and suitable for any building shape. LIDAR data and aerial images of complex geographical environments are used to test the method. These experimental results demonstrate that our method can automatically extract accurate boundaries for buildings with complex shapes, and also is highly robust in complex environments.     

云层背景目标识别的匹配滤波器设计

提出一种利用最大平均相关高度(MACH)算法识别复杂云层背景目标的改进滤波器设计方法。在MACH滤波器设计中,通过对云层背景功率谱的统计特性分析,数据拟合得到云层背景功率谱的分布函数,用以代替传统的白噪声模型;提取飞行目标的姿态变化图像,并作阈值化处理,得到训练样本。对不同云层背景和姿态变化目标的相关识别结果表明:改进滤波器的平均峰值相关能量比为0.71%,峰值鉴别率为0.92,可以有效抑制云层背景的干扰,对姿态变化目标识别的鲁棒性较好。     

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。     

点云投影结合轻量化卷积神经网络实现三维成像声呐快速目标分类*

三维成像声呐的成像结果是三维点云,基于点云的三维成像声呐目标分类方法具有网络结构复杂,计算量大的特点,针对这一问题本文提出了一种将三维成像声呐成像结果从三维点云投影至二维图像的方法,并且使用轻量化卷积神经网络实现了三维成像声呐快速目标分类。该方法首先对三维成像声呐波束形成后的波束域数据进行最大值滤波和阈值滤波,降低点云数据维度;接着,依据三维成像声呐的波束方向,将点云投影为深度图和强度图,分别保存点云的位置信息和强度信息;然后,利用深度图和强度图分别作为第一个通道和第二个通道构建混合通道图,将混合通道图作为目标分类网络的输入,从而将三维点云的目标分类问题转换为二维图像的目标分类问题;最后使用MobileNetV2网络实现了三维成像声呐快速目标分类。实验结果表明,通过本文提出的投影方法可以用二维图像分类网络完成三维成像声呐点云的目标分类任务;而且混合通道图比单独的强度图和深度图收敛速度更快,结合目标识别网络可以25fps实时的进行目标分类,在真实数据集上分类精度达到了91.13%。     

基于激光点云多条件约束的相机检校方法

为了克服相机检校对二维/三维检校场的依赖,提出一种基于激光点云多条件约束的相机检校方法。该方法通过对相机获取的多视影像进行光束法平差获得初始相机参数;利用影像点云与其最邻近的激光点云之间的位置关系,以共线方程为基础模型,建立多条件约束的相机检校数学模型;使用不等式约束的最小二乘方法平差迭代解算相机参数。将本文方法与基于三维控制场的检校精度进行了实验对比分析,结果表明本文方法与基于三维控制场的检校精度相当,两者反投影平均误差相差小于0.1 pixel,验证了本文方法在没有传统检校场的情况下进行相机检校的可行性。     

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。     

Diffraction of electromagnetic waves by a cloud of passive vibrators

An approximate method is proposed for solving the problem of the diffraction of an electromagnetic plane wave by a cloud of passive vibrators in random motion. The field at a point in the far zone is found on the radiator side of the cloud. Expressions are found for the average power and for the spectrum.Translated from Izvestiya Vysshikh Uchebnykh Zavedenii Fizika. No. 6,pp. 33–43, June, 1970.     

The use of 3D-laser scanning in assessing the safety of masonry vaults—A case study on the church of Saint-Jacobs

Safety and stability of historical structures are of key importance when dealing with a restoration project. The stability of masonry vaults very much depends on its overall geometry and the analysis results strongly depend on the accuracy in which this geometry can be measured in practice. To obtain an accurate estimate of the geometry of the vaults, 3D-laser scanning was performed. Based on the 3D-point cloud, a 3D-model of the vaults allows determining the lines of thrust in the structure as well as the reaction forces (application point and magnitude) at the abutments. This contribution gives a critical appraisal of the process used in the preliminary research phase: gathering the point clouds, 3D-modelling, structural analysis calculating thrust lines and the consolidation requirements that are obtained. The focus is on the added value of the methodology, its applicability, cost-effectiveness, overall advantages and drawbacks.     

Background suppression for cloud clutter using temporal difference projection

To remove high intensity cloud clutter in infrared image sequence containing point target with high velocity, based on the optimal log-likelihood ratio detector test (LLRDT) together with exploratory temporal data analysis, a method called standardized maximum projection of temporal difference on adjacent frames (SMPTDAF) is proposed. First, cloud scenario is classified and analysis according to temporal features. Second, mathematical difference models of adjacent frames for all regions are presented. Third, to obtain the optimal temporal performance under LLRDT operator, based on the models, projection method after differencing and its simplified method for practical application are established. Finally in the paper, we compared the proposed method against classical temporal suppression method named Moving Target Indicator (MTI) and wavelet method by test image sequence. Experimental results show that the average SCR gain exceeds 11 when the target SCR is from 1.0 and 3, which is better than results of some representative multi-frame filters mentioned above.