基于邻域几何特征约束的植株三维形态配准方法研究

为提高不同角度多次测量得到的植株点云配准速度和精度,提出一种基于植株点云邻域几何特征约束改进的三维形态配准方法。首先,针对点云量大并缺少拓扑信息,选取关键点集并估计其中每个点的支撑邻域来拟合出支撑曲面,进一步计算出邻域几何特征。其次,采用特征相似度的方法实现点云的初始配准。最后,在初始配准的基础上,加入两个新的夹角几何特征约束匹配点对改进ICP算法进行配准优化。利用bunny、兵马俑模型点云对算法的精度和通用性进行测试,并在实际应用中验证了配准效果和算法鲁棒性。结果表明,与传统的特征配准方法相比,该方法配准速度提高约10%以上,精确配准误差约为传统算法误差的1%。     

小物体3维重建中影像与几何模型的配准

目的 近景摄影测量中的目标几何形状复杂,且拍摄影像的角度变化大,给影像与几何模型的配准带来了困难。传统单幅影像与几何模型配准的做法,由于缺乏自动粗配准的方法,效率相对较低。将多视影像首先统一坐标系的做法,在近景目标的复杂背景下也难以实现。方法 为此,将近景目标置于平面标定板上,利用相机标定的方法同时解算出影像的内外方位元素,实现多视影像坐标系的统一。然后人工选取3组以上同名点,做多视影像与几何模型的绝对定向,得到初始配准参数。最后使用多视影像与几何模型漫反射渲染图之间的归一化互信息作为相似性测度,用Powell非线性优化方法得到配准参数的精确值。结果 实验结果表明,使用标定板可以稳定地获取多视影像的内外方位元素,用绝对定向得到的配准参数进行影像和几何模型的交替显示仍然可以看到明显的裂缝,在经过互信息优化后裂缝现象得到明显改善。结论 多视影像与几何模型配准相比传统单幅影像与几何模型配准,人工选取同名点的工作量大大减少,由于人工选点存在误差,影响绝对定向的精度,使用归一化互信息作为测度进行非线性优化,可以获得更高的精度。     

基于相对几何不变性的点云粗配准算法研究

针对目前点云在大数据量下的自动配准算法计算效率低下,粗配准初值匹配稳定性差,参数难以设置等问题,提出一种基于匹配对间相对几何不变性特点的快速粗配准算法。通过点云邻域特征值筛选一定量的关键点,利用快速点特征直方图（fast point feature histogram,FPFH）描述子初步获取最邻近匹配对;通过点云特征的对称候选寻点策略及两组正确匹配对在源点云与目标点云对应边的2-范数比例不变的特性获取精确的匹配对;利用奇异值分解算法（singular value decomposition,SVD）求解配准目标函数。实验表明,算法策略合理可靠,参数设置相对简易,具有显著的效率及稳定性优势,能够为后续精配准提供稳定精确的初始参数。     

Clifford 代数几何不变量3D医学图像配准的方法

就3D医学图像配准数据量大、计算复杂度高、配准精度低的问题,提出一种基于Clifford代数几何不变量的配准方法,以实现人头颅部3D医学图像配准。提出配准所需的Clifford代数几何不变量及其Clifford代数方程算式,并构造适合于该几何参考轴旋转的Clifford几何旋转算子,利用所求的最大、最小值对应的Clifford几何不变量建立Clifford旋转算子,对浮动影像数据实现几何变换,以达到配准的结果。配准实验中对两个世界著名的3D医学数据集进行了测试,结果表明:该方法计算简单,几何意义直观,配准精度高,执行效率高,并且通过轴线变换不易陷入配准过程的局部极值点。     

面向复杂地形的无人机集群遥感图像自动几何配准算法

为了提高无人机集群遥感图像自动几何配准精度,设计一个面向复杂地形的无人机集群遥感图像自动几何配准算法。首先获取遥感图像的特征点,然后计算图像特征向量,在此基础上,建立尺度空间模型找到图形间的连接关系,同时,建立图像匹配原则,通过匹配原则建立变换空间,确定两点之间的联系,最后建立配准模型,实现无人机集群遥感图像自动几何配准。实验结果表明,所研究的配准算法提高了配准精度与配准效率。     

小物体三维重建中影像与几何模型的配准方法

本文提出了一种快速有效的二维影像与三维几何模型之间的配准方法。首先在平面标定板的辅助下获取所有影像的内外方位元素,其次利用少量的人工控制点做绝对定向,获取影像与三维几何模型之间的配准参数的初始值,最后利用整体互信息测度做Powell方法非线性优化,获取配准参数的精确值。实验表明,经过互信息优化可以获得子像素级的配准精度。本文的方法具有速度快、人工交互少、精度高的特点。     

板金属冲压零件表面模型与实测点云配准研究

为研究板料零件成形后实测点与设计原型之间的制造偏差,需要将实测坐标点云数据和产品数字模型进行配准,实现设计坐标系和实测点云数据的测量坐标系的统一。以CAD模型离散点云数据为引导,将配准过程分为初步配准和精确配准两个步骤。采用基于PCA提取特征坐标系的方法进行初步配准,采用k-d tree加速的ICP算法进行精确配准,将实测点云数据和设计原型离散点云数据转换到同一个坐标系中。基于UG NX平台将经过坐标转换的实测点云数据读入到CAD模型中,得到同一环境坐标系下配准后的实测点云数据和CAD模型,为制造偏差分析提供了基础,并进行了实例验证。     

基于ICP算法的医学图像几何配准技术

几何配准是医学图像领域研究的重要内容，医学图像几何配准的目标就是建立术前和术中两组点的变换关系。该文利用股骨为模型，讨论了基于轮廓特征的ICP医学图像几何配准算法，从技术上实现了术前建模和术中取点，并编制相应的ICP算法程序。     

利用稠密结构特征的航空影像与LiDAR数据配准北大核心CSCD

针对航空影像与激光雷达点云数据间存在显著的几何畸变和辐射差异导致难以精确配准的问题,提出了一种基于几何约束和稠密结构特征的自动配准方法。该方法包括粗配准和精配准两个阶段。粗配准通过基于分块FAST算子的特征点提取和局部几何校正两个步骤,消除影像间明显的尺度和旋转差异。在精配准阶段,首先构建了一个结合一阶和二阶梯度信息的新描述符(second-and first-order channel features of orientated gradients,S-CFOG)来提取影像间稠密的结构特征,然后在频率域采用三维相位相关作为相似性度量进行同名点匹配。最后,利用同名点对外方位元素进行精化,实现对这两类数据的精配准。通过两组不同覆盖场景的数据进行实验,结果表明,该方法可达到1~2个像素的配准精度。     

激光点云和数字影像结合的目标重建研究

针对复杂目标的重建,利用近景激光扫描仪和机控的旋转平台获取目标的激光点云与数字影像两种不同的数据源,提出了一种大旋转角度的不同视点激光点云的配准算法,并实现了多视点云的无缝配准,建立目标完整的三维几何模型,对实验结果进行了精度评定。在此基础上,利用序列数字影像实现目标的纹理恢复,使得重建的目标既能够表现出精确的几何特征,又能够表现出丰富的纹理特征。实验证明,复杂目标重建的几何精度和纹理效果与实际量测结果和人的主观视觉感知具有良好的一致性。     

基于特征相似性的RGBD点云配准

三维点云数据的配准是计算机视觉领域的重要研究课题,也是三维重建的关键步 骤。针对 RGBD 点云数据的配准问题,提出一种基于特征相似性的初始配准方法。首先需要计 算待配准的 RGBD 点云模型的曲率和颜色特征度(CFD),并对 CFD 进行统计分析,若模型颜色 特征足够丰富优先采用颜色相似性策略,反之尝试曲率相似性策略。通过特征点提取精简点云 模型,利用确定的对应点选择策略选择候选对应点对。在候选对应点对上采用优化样本一致性 算法获得初始配准变换矩阵,实现两片点云的初始配准。针对不同颜色纹理的 RGBD 点云模型, 本文方法可以自适应选择合适的特征点选择策略,实现点云间良好的初始配准。实验结果表明, 对于几何特征不明显的 RGBD 模型,本文方法能够自适应选择颜色相似性策略来较好地完成初 始配准。对于不同类型的模型配准结果较好,算法效率更高。     

Automated registration of multi-view point clouds using sphere targets

This paper addresses the problem of automated registration of multi-view point clouds generated by a 3D scanner using sphere targets. First, sphere targets are detected from each point cloud. The centroids of the detected targets in each point cloud are then used for rough registration. Congruent triangles are computed from the centroids for the correspondence among them, with which a rigid body transformation is obtained to bring the two point clouds together as closely as possible. After the initial registration, the two point clouds are further registered by refining the position and orientation of the point clouds using the underlying geometric shapes of the targets. These registration steps are integrated into one system that allows two input point clouds automatically registered with no user intervention. Real examples are used to demonstrate the performance of the point cloud registration.     

三维编织复合材料几何成型算法及仿真研究

本文总结广泛应用的四步编织法工艺中携纱器的运动规律,建立了纺织工艺参数与几何结构参数之间的数学模型,针对四步法编织工艺的特点提出了固定网格法来分步模拟。首先解决了方形四步编织工艺算法的设计,然后分析了方形四步编织工艺和圆形四步编织工艺的异同点;最后实现了三维编织预制件的几何成型仿真。     

基于投影图像 SURF 特征提取的三维模型配准

针对传统三维模型配准方法存在对点云初始位置有一定要求、模型配准的精度有 时不高等问题,提出了一种基于三维模型投影图像 SURF 特征提取的三维模型配准方法。首先 通过扫描三维模型数据确定投影图像的范围,判断每个投影图像像素所隶属的模型网格,并求 解从投影图像到纹理图像的映射关系,从而获取二维投影图像;然后对这两幅投影图像分别进 行 SURF 特征点的选取与特征值的计算,并按 SURF 特征值进行特征匹配,再根据投影图像像 素点与三维网格端点的映射关系计算三维特征点对;最后通过匹配的特征点对求取模型变换矩 阵完成三维模型的配准。实验结果表明,该方法在配准时间变化不大的前提下,有效提高了配 准精度,并具有较好的鲁棒性。     

Registration of 3D Points Using Geometric Algebra and Tensor Voting

We address the problem of finding the correspondences of two point sets in 3D undergoing a rigid transformation. Using these correspondences the motion between the two sets can be computed to perform registration. Our approach is based on the analysis of the rigid motion equations as expressed in the Geometric Algebra framework. Through this analysis it was apparent that this problem could be cast into a problem of finding a certain 3D plane in a different space that satisfies certain geometric constraints. In order to find this plane in a robust way, the Tensor Voting methodology was used. Unlike other common algorithms for point registration (like the Iterated Closest Points algorithm), ours does not require an initialization, works equally well with small and large transformations, it cannot be trapped in “local minima” and works even in the presence of large amounts of outliers. We also show that this algorithm is easily extended to account for multiple motions and certain non-rigid or elastic transformations.     

基于机器学习和几何变换的实时2D/3D脊椎配准

在图像引导的脊柱手术中,实时高效的2D/3D配准是一项重要且具有挑战性的任务.通常的2D/3D配准一般是将三维图像投影到二维平面,然后进行2D/2D的配准.由于投影空间涉及到3个平移以及3个旋转参数,其投影空间的复杂度为O（n6）,使得配准很难兼具高准确性和高实时性.本文提出了一个结合机器学习与几何变换的2D/3D配准方法,首先,使用统计形状模型对目标脊椎进行建模,并构建了一种新的投影方式,使得6个投影参数中的4个可以使用几何的方法计算出来;接下来利用回归学习的方法学习目标脊椎的形状与投影参数之间的关系;最终,结合学到的关系和几何变换完成配准.本方法的两个姿态参数的平均预测误差为0.84°和0.81°,平均目标配准误差（Mean target registration error,mTRE）为0.87mm,平均配准时间为0.9s.实验结果表明本方法具有很好的实时性和准确性.     

A high-accuracy method for fine registration of overlapping point clouds

This paper presents a high-accuracy method for fine registration of two partially overlapping point clouds that have been coarsely registered. The proposed algorithm, which is named dual interpolating point-to-surface method, is principally a modified variant of point-to-surface Iterative Closest Point (ICP) algorithm. The original correspondences are established by adopting a dual surface fitting approach using B-spline interpolation. A novel auxiliary pair constraint based on the surface fitting approach, together with surface curvature information, is employed to remove unreliable point matches. The combined constraint directly utilizes global rigid motion consistency in conjunction with local geometric invariant to reject false correspondences precisely and efficiently. The experimental results involving a number of realistic point clouds demonstrate that the new method can obtain accurate and robust fine registration for pairwise 3D point clouds. This method addresses highest accuracy alignment with less focus on recovery from poor coarse registrations.     

基于自由度分析的三维几何约束推理求解

三维几何约束求解对于装配设计、装配工艺规划和并行工程等多个领域的研究具有重要意义。以自由度分析为基础，对冗余约束和约束冲突的情况进行判断。采用几何推理的方法，直接从零件上的点、线、面、圆柱面、球面等基本几何元素出发，对这些基本几何元素之间的位置关系进行分析，求解三维几何约束。避免了数值解法中对初始值的依赖和迭代过程的不稳定，提高了三维几何约束求解的速度和稳定性。     

Detection of Geometric Temporal Changes in Point Clouds

Detecting geometric changes between two 3D captures of the same location performed at different moments is a critical operation for all systems requiring a precise segmentation between change and no‐change regions. Such application scenarios include 3D surface reconstruction, environment monitoring, natural events management and forensic science. Unfortunately, typical 3D scanning setups cannot provide any one‐to‐one mapping between measured samples in static regions: in particular, both extrinsic and intrinsic sensor parameters may vary over time while sensor noise and outliers additionally corrupt the data. In this paper, we adopt a multi‐scale approach to robustly tackle these issues. Starting from two point clouds, we first remove outliers using a probabilistic operator. Then, we detect the actual change using the implicit surface defined by the point clouds under a Growing Least Square reconstruction that, compared to the classical proximity measure, offers a more robust change/no‐change characterization near the temporal intersection of the scans and in the areas exhibiting different sampling density and direction. The resulting classification is enhanced with a spatial reasoning step to solve critical geometric configurations that are common in man‐made environments. We validate our approach on a synthetic test case and on a collection of real data sets acquired using commodity hardware. Finally, we show how 3D reconstruction benefits from the resulting precise change/no‐change segmentation.