基于 FPFH 特征提取的散乱点云精简算法

针对原始点云模型中存在大量冗余数据问题,提出一种基于快速点特征直方图(FPFH)特征提取的点云精简算法,有效兼顾了特征信息保留和整体完整性。算法首先查找并保留原始模型的边缘点;然后计算非边缘点的 FPFH 值,由此得到点云的特征值,并进行排序且划分出特征区域和非特征区域,保留特征区域内的点;最后将非特征区域划分为 k 个子区间,对每个子区间用改进的最远点采样算法进行采样。将该算法与最远点采样算法、非均匀网格法、k-means 算法和自适应曲率熵算法进行对比实验,并用标准化信息熵评价方法对精简后的点云进行评价,实验表明其优于其他精简算法。此外,可视化结果也表明,该算法能够在保证精简模型完整性的同时,较好地保留住点云大部分特征信息。     

基于区域生长的非结构巷道点云去噪方法

目前针对地下巷道点云去噪研究未完全满足巷道点云的特殊去噪需求,尤其是在狭长、密闭且复杂的地下巷道环境中,未能充分应对管壁附属物、粉尘和人为噪声等因素造成的挑战。通过分析井下非结构场景和传感器误差,考虑行人、移动设备和管网带来的噪声,提出一种基于区域生长的非结构巷道点云去噪方法。利用三维激光扫描技术获得井下巷道场景的3D点云信息,并分析其中由于井下非结构场景和传感器误差造成的异常点,以及行人、移动设备和风/水管网形成的噪声特点;利用k维树（kd-tree）构建点云的拓扑关系,选取适当的种子节点和生长准则,设定合适的曲率和角度阈值,通过区域生长算法实现巷道点云的有效分割,去除未加入分割区域的离群点云;根据噪声特点,基于巷道点云区域分割结果进一步去噪优化。试验结果表明：对于巷道中存在行人、设备等特征的情况,建议将区域生长算法的角度阈值设定为10°左右,曲率阈值设定为3左右;在实际应用中,应平衡数据量的减少与去噪效果,以确保数据处理的有效性,同时提高数据质量;采用基于区域生长的非结构巷道点云去噪方法进行去噪时,点云数量减少幅度介于SOR滤波器和低通滤波器之间,能有效移除行人、设备等噪声。     

向量相似度可复原三维点云压缩算法

针对三维点云数据压缩中细节特征不易保留,模型平缓部位存在过度压缩以及压缩后的点云模型不易复原等问题,提出一种基于向量相似度的三维点云压缩算法和复原算法CVS。向量相似性度量采用提出的L3A进行度量。CVS把每个三维坐标点看作是连接其坐标和原点的三维向量,按照三维坐标点的读入顺序选取参考向量,生成覆盖整个点云区域的采样区域,进行分区压缩。在采样区域中使用最小二乘曲面拟合算法对包含其中的点云进行曲面拟合,设置曲率阈值剔除坐标点,并存储曲面方程参数用于复原。通过控制L3A向量相似度中的长度和角度的变化阈值,使得密集点云区域的压缩率高于非密集区域的压缩率,通过控制曲率阈值,使得低曲率区域的压缩率高于高曲率区域的压缩率,最大程度保留模型细节特征。CVS使用压缩阶段产生的复原信息生成点云来恢复模型的细节特征,使得模型特征更加明显。     

基于动态网格k邻域搜索的激光点云精简算法

由非接触式扫描方法获得的点云数据存在大量的冗余点,为便于模型重构, 提出一种新的基于动态网格k邻域搜索的点云精简方法.首先,对点云进行k邻域搜索,在k邻域搜索过程中采用动态网格的方法快速寻找k邻域点;然后,根据数据点的k邻域计算点的曲率、点与邻域点法向夹角的平均值、点与邻域点的平均距离,并利用这3个参数定义特征判别参数和特征阈值,比较大小,对特征点进行提取;最后,利用包围盒法对非特征点进行二次精简,将精简后的点云与特征点拼接,实现精简目的.实验结果表明,所提出方法与其他k邻域搜索方法相比,提高了计算效率,并且将特征提取与二次精简方法相结合,既可保留模型的几何特征,又能避免空洞区域的产生,在精度和速度上都取得了较好的效果.     

空间分割与曲率相融合的点云精简算法研究

非接触式扫描方法获得点云数据存在大量的冗余数据。为便于模型重构,针对点云数据精简是必不可少的数据预处理手段,提出了一种基于空间分割和曲率特征信息的点云数据精简算法。通过K-邻域计算、二次曲面拟合、曲率估算和曲率阈值可调的数据分区等关键精简技术,实现了对同一数据不同区域应用不同精简算法,进行不同比例的数据精简。实例验证表明,该算法能适应各种类型曲面数据的精简要求,保证精简效率的同时,很好地保留点云的特征信息。     

散乱点云精简的一种改进算法*

非接触式扫描获取的散乱点云数据存在大量冗余,为方便模型重构,点云数据精简是不可或缺的点云预处理步骤,提出一种散乱点云数据精简的改进算法,首先将包围点云数据的最小包围盒划分成若干个子空间,根据每个含有点的子空间,获取K邻域点集的拟合平面,计算K邻域中各点到拟合平面距离的累加和。对各个K邻域的距离累加和升序排列,根据预定精简百分比,将包围盒划分为待保留和待删除两个区域,实现了对同一数据在不同区域采用不同算法,完成不同比例的精简。实例验证表明,该算法在保留几何特征的同时,更能有效地避免“空白区域”,且提高了计算效率。     

基于双判定因子的道路绿化带分割

以高速公路的无人机影像点云数据为研究对象, 提出一种基于双判定因子的道路绿化带分割算法. 首先对点云数据进行串行下采样, 在降低点云数目的同时尽可能多地保留点云特征点; 其次, 对降采样后的点云数据进行正射影校正; 最后, 提出一种结合法向量夹角与 RANSAC 平面分割双判定的点云分割算法, 实现了对高速公路中绿化带的准确分割, 采用绿化带边界提取算法最终实现高速公路环境信息的分割. 以G85高速凤翔段的无人机影像点云作为实验数据, 分别采用本文算法、基于法向量夹角的分割算法、基于RANSAC平面拟合分割算法进行验证. 实验结果表明基于双判定因子的道路绿化带分割算法对环境噪点及离群点有较好的抗干扰性, 可以有效过滤路面高曲率点, 提取结果较好.     

改进的核密度点云去噪算法的研究与实现

针对目前基于核密度估计的去噪算法在核函数参数的选取上未能充分体现散乱点云数据的表面特征,提出一种改进的去噪算法。以当前点法向量与其邻域内点的法向量构造的差向量作为核函数的参数,引入面积权重进行光顺,通过构造空间单元格的最大连通域剔除离群点,结合K-近邻搜索建立点云之间的拓扑关系,以改进的高斯函数作为核函数计算当前点的影响值。实验结果表明,该算法在有效去除表面噪声和离群点的同时,能够较好保留模型的细节特征。     

保留几何特征的散乱点云简化方法

针对散乱点云简化时经常丢失过多的几何特征,提出一种保留几何特征的简化方法。首先采用均匀栅格法划分点云空间;然后分别以点云中的数据点为球心构建包围球,并在包围球中查找数据点的K邻域;随后构造一个非负函数用于度量重建曲面在各点处的曲率,进而提取并保留点云中的特征点;最后根据法向量的内积阈值对包围球中的非特征点进行适度简化。实验结果表明该方法不仅能够充分保留点云中的几何特征,而且具有速度快的特点。     

序列图像三维重构中点云精简算法的研究与改进

点云精简是基于图像的三维重建过程中的一个关键步骤,精简后点云的数量和分布质量将直接决定重建的效率。针对传统方法易在平缓区出现孔洞和无法保证均衡分布的缺点,在保留传统精简方法精简后点云依据曲率自适应分布特点的基础上,给出了一种改进的点云分类精简算法。首先对点云进行小栅格包围盒精简,可初步简化点云并方便点云的特征计算,然后通过点的法向夹角系数和弯曲度进行点云分类并分别采样,最后给出了一种简易的方法来进行精简效果的评估。实验结果表明,该方法能较好保留点云几何特征,克服传统方法的缺点。     

特征保留的点云数据自适应精简算法

提出一种特征保留的点云数据自适应精简算法。该算法首先构造散乱点云数据的局部拓扑信息,通过一种改进的二次栅格法快速建立K邻域,由此估算点的邻域弯曲度,再进行分类。算法在保留特征点后对其余点应用自适应精简距离进行阈值精简,故算法不仅可以完整保存实物模型整体轮廓,而且能够最大限度地保证模型区域特征。数值实验结果表明,该算法能够得到不错的精简效果,且具有较小的计算时间复杂度。     

激光三维扫描数据的表面重建

对激光三维扫描系统获得的没有任何附加信息的轮廓线点云数据进行处理,首先采用求最大连通域的方法删除噪声点,利用设定相邻点连线夹角正切阈值的方法精简数据,然后采用基于局部切平面簇的方法对数据点云进行切平面的估算、法向量的调整和计算距离函数,用改进的MC方法输出三维网格,并且应用基于顶点的网格删除算法对三维网格进行简化,在估算切平面的时候采用新的估算原则,提高了重建速度,改善了重建效果,所表述的重建流程,成功地解决了激光扫描系统所得轮廓数据点的表面重建问题。     

局部特征熵的网格非均匀简化算法

针对三维模型简化后的精度与效率上难以平衡的问题进行研究,提出一种局部特征熵的半边折叠非均匀网格简化算法。采用两次局部区域聚类探测,首先探测三维数据点所在边聚类局部区域,获取该探测区域法向量,其次以三维数据点临近点区域的重心约束来探测二次聚类区域法向量;根据信息熵的定义利,用两次探测的法向量之间夹角信息构建局部区域特征熵值做为半边折叠的代价,局部区域特征熵越大表示该区域越趋于平面,应优先简化,否则当保留;最后采用三角形内角判断方法来保留简化后网格中三角形的正则度,以减小变形引起的误差。实验结果表明,本算法在三维模型分均匀简化中在局部细节特性精度上和时间效率上能达到较优的平衡。     

基于法向量距离的路面坑槽提取方法

以路面高程激光点云为研究对象,提出一种基于法向量距离的路面坑槽提取方法.首先对路面高程点云数据进行数据清洗;其次采用自适应最优邻域的PCA方法估算路面点云数据的法向量,通过计算路面点云中采样点到其局部二次曲面的切平面的法向距离作为法向量距离;以法向量距离描述采样点的三维空间特征,并通过阈值分割自动提取路面坑槽点云集合,...     

基于三维激光扫描的公路沉降监测研究

为提高公路沉降的监测效率和实时性,以四川高速某段沉降公路为研究对象,提出基于三维激光扫描的公路沉降监测研究。研究采用激光扫描技术对某路段的沉降信息进行采集,获取其点云数据集;然后通过去噪和精简方法提升数据精度,通过C2M方法实现沉降数据实时监测;最后对点云数据去噪和精简算法进行实验验证,并将三维激光扫描变形方法与传统检测方法进比较,实验结果表明,通过k-means聚类去噪方法的去噪精度高达98.2%,去噪效果较好,组合精简方法相较于其他方法精简效果更强。将三维激光扫描技术应用到高速公路沉降监测中,沉降误差低于3 mm,监测时间较短,监测实时性和效率显著提高,说明此技术具备可行性。     

基于特征点提取的三维点云模型水印算法

为了有效提高三维水印的透明性、抗噪能力和水印提取准确度,针对三维网格中不固定点云数据,提出一种基于局部特征点提取的三维点云模型水印算法。根据协方差分析提取出三维模型初始特征点,以初始特征点为核心,在它K近邻邻域中,构建不跨越区域最小三角形为嵌入单元的底面,将剩余顶点按照升序排列,寻找合适的嵌入顶点,构建局部嵌入单元,通过改变嵌入顶点信息来嵌入水印。其中通过顶点在平面投影产生的夹角确定水印索引值,实现盲水印。算法通过保留特征点信息,改变非特征点嵌入水印信息能有效提高透明性和抗噪能力,通过限制嵌入单元区域提高水印提取准确率,同时实现了盲水印检测。     

各向异性扩散滤波的三维散乱点云平滑去噪算法

针对传统点云去噪算法在去除噪声时易造成模型特征失真的问题,提出一种各向异性扩散滤波的三维散乱点云平滑去噪算法.首先采用张量投票算法计算采样点的张量矩阵,并求解其特征值和特征向量;然后根据采样点的几何特征设计扩散张量的特征值,保证在不同特征方向的扩散速率能自适应调整;最后将重构的扩散张量与三维各向异性扩散滤波方程相结合,构造了点云滤波模型用于点云去噪.对不同含噪点云模型进行去噪的实验结果表明,该算法在点云去除噪声的同时,可以有效地保持原始模型的特征信息,避免了模型的过光顺.     

点云数据下的矿山巷道三维建模

基于三维激光扫描技术获取数据点云,对煤矿巷道进行精细三维建模。研究了狭长型海量巷道点云数据精细建模问题,使用Delaunay生长算法引入边、角等约束条件,设置不同三角网边长阈值对点云数据分析处理,在保证模型细节前提下选取合适的边长阈值完成巷道整体构网,实现了巷道实体对象的全景建模并对模型精度进行了分析。借助某煤矿点云数据验证了三维激光技术在巷道建模的可行性,为数字化矿山建设提供准确精细的数字化模型。     

基于二次精简的散乱点云精简方法

在逆向工程中,点云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。分析了常用的几种点云精简方法,并针对现有方法的不足,提出一种改进的方法。该方法使用 PCA主成分析法,利用点的k邻域点集拟合切平面,将点到该平面距离作为判断特征点的依据进行初始精简,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,保留部分关键特征点。通过初始精简和后期精简两步法完成对点云的精简步骤,并通过实验验证了该方法的有效性。     

基于改进ICP算法的点云自动配准技术

在零件的型面检测过程中,通常有数据采集、曲面重构、曲面配准和误差求取几个步骤。其中,曲面之间的配准是检测中关键的一环。针对传统的经典ICP(Iterative Closest Point)算法在配准过程中受噪声干扰大、鲁棒性差的缺点,在应用点云主方向贴合的粗略配准基础上,以经典的ICP算法为基础,提出了点云数据的欧氏距离阈值去噪和点云的方向矢量夹角阈值两种方法改进ICP算法,并应用改进算法作为点云之间的精确配准算法。对于经过初始配准的点云数据使用欧氏距离阈值法剔除点云间点对的噪声,并经点云各点间的方向矢量夹角阈值进行对应点采样,提高了传统ICP算法的效率和精度。经飞机和汽车零件点云配准实验验证,本算法的配准误差在±1μm内。算法具有设计简洁,响应快速的特点,有实际工作意义。