点云边界快速精确提取算法

点云边界提取是点云三维重建中极其关键的一步, 现有的边界提取算法大多采用一种 判别准则进行边界点提取,导致提取的效率低或者提取效果不理想。针对上述问题,本文提 出一种快速精确的点云边界提取算法,其包括粗提取与精提取两个步骤。粗提取中对任意点 ,利用Kdtree搜索其近邻点,对该点与其近邻点构成的单位法向量进行叠加,依据叠加后 向量的模长与近邻数的比值粗提取出边界点;精提取中对于粗提取出的边界点,搜索其近邻 点并依据近邻点拟合成平面,再将近邻点投影到该平面上,根据判断点的投影点与近邻点的 投影点连线间的最大夹角精确提取出边界点。使用地面与机载两类不同的点云数据验证本算 法,实验结果表明:本算法均可以准确提取出这两种点云的边界点,同时在提取机载点云边 界上效率提高了6.8倍,在地面点云中提高了2倍。本文算法可用于快 速提取边界点,有利用后续点云重建。     

于法向量夹角信息熵的点云简化算法

针对点云简化很难完全保证精度和速度上达到最优的问题,提出了基于法向量夹角信息熵的点云简化算法。利用经典的主成分分析方法来估计点的法向量,计算法向量与参考平面的夹角,利用最邻近点搜索算法,确定每个点的K个最邻近点,并根据信息熵的定义,提出法向量夹角局部熵模型,局部熵的大小直接反映了表面的特征状况;针对不同区域局部熵大小,进行逐步的点云简化,从而可以保留凸变区域较多的点,精简较多平面区域的点,实现点云的非均匀简化。实验结果表明,该方法在简化精度和速度上都能达到较优。     

基于特征点和关键点提取的点云数据压缩方法

针对采集到的点云数据中含有大量的冗余数据,为后期数据处理及其应用带来诸多不便,而采用现有通用压缩方法压缩后的点云容易造成细节特征丢失问题,为此,本文提出一种基于特征点和SIFT关键点提取的点云数据压缩方法。该方法的核心技术是首先根据查询点与邻域中的点所构成向量的夹角而提取边界点;然后根据点云数据的曲率和法向量夹角提取尖锐点,据此使特征点在点云压缩处理过程中得到绝对被保留;同时在平坦区域提取SIFT关键点,这样能避免在曲率变化缓慢区域所保留的并不是特征点;最后融合特征点和SIFT关键点而实现对点云数据的压缩处理。研究通过设计与现有两种基于曲率压缩方法进行对比实验分析,结果表明本文所提方法既能最大量的去除冗余数据,又能保留点云中大部分特征点,实现了点云数据的高质量压缩。     

基于FPFH和法向量的改进点云配准算法

针对飞行时间法(TOF)获取点云的相关特点,提出一种适用于TOF点云的改进配准算法,首先使用FPFH特征对点云进行粗配准;在精配准阶段,通过法向量夹角特征采样的方法来减少点云的点数,同时又保留点云的关键信息点,并引入KD树和RANSAC方法来改进ICP的配准效率.实验结果表明,该算法具有良好的配准效率和精度,同时具有较大的适用范围.     

基于WHI及ICP的点云配准算法

针对两步点云配准中精度差、计算效率低、易受噪声干扰的问题,提出一种基于WHI特征描述符结合改进的ICP点云配准算法。首先,对大数据量的点云通过ISS算法提取特征点集作为配准点云;然后,计算特征点云的WHI特征描述符,利用随机采样一致性算法完成粗配准;最后,基于安德森加速迭代ICP算法对粗配准点云进行精确配准。通过多组点云数据集对所提算法进行验证,实验表明,该算法配准精度高、速度快,在含有噪声数据集的优势更明显。在不同的点云模型下,所提算法的配准效率提高2倍以上,在噪声环境下具有一定的鲁棒性。     

基于点云边界质心的粗配准方法

点云配准的质量直接影响着三维重建的质量。针对传统K-4PCS耗时长且易出现错误匹配等问题,文中提出一种基于边界质心的点云粗配准方法。通过对点云进行边界提取,既保留点云外表特征,又减少了点云数据的大小,提高了粗配准速度。为了加快边界点的提取速度,使用K-D tree算法完成对k近邻点的搜索。通过配准边界点的质心,减少点云初始距离并增加重叠度,保证了粗配准的精度。实验结果证明,文中方法在粗配准速度和精度方面都优于传统K-4PCS算法,其速度约为传统K-4PCS算法的2倍,平移和旋转精度也比传统K-4PCS高了40%以上。文中所提方法对提高点云粗配准的速度和精度具有一定的参考价值。     

基于机载激光点云的电力线自动提取方法

为了解决地形、走向复杂、点云密度不均匀的输电线路的电力线提取精度低的问题, 提出了一种高效的电力线自动提取和重建方法。首先通过空间分割和点云密度分析方法改进高程滤波算法实现电力线粗提取; 采用基于点云间倾斜角度平均值的滤波算法精提取电力线; 使用统计滤波算法完成电力线整体点云提取; 通过基于随机采样一致性算法的电力线分条提取算法分离电力线, 最后采用直线和抛物线结合的模型完成电力线重建。结果表明, 该方法电力线总的提取精度为99.342%, 单条电力线重建精度最低为0.042m, 对地形、线路走向和点云密度等因素具有较好的鲁棒性。该研究为复杂场景下大规模输电线路的电力线提取和3维重建提供了参考。     

融合特征点提取的三维点云配准方法

为了改进传统迭代最近点云配准方法配准精度低,需要较好的初始输入变换矩阵等问题,提出一种基于分块思想结合点云平面拟合提取特征点的改进型点云配准方法。首先,对点云进行分块,结合随机采样一致性定理进行块状点云的平面拟合和特征点提取。其次,采用快速点对直方图来描述点云特征,利用采样一致性配准算法进行初始配准,为精配准奠定良好的基础。精配准通过K-D树改进加速迭代最近点算法,实现点云的整体配准。试验结果表明,所提出的点云配准方法在两种测试集上相较于传统最近迭代点方法,在配准精度上提升89.23%和31.45%,相较于其他点云配准方法,提出的方法也有一定的优势。     

基于改进ICP的复杂机械零件测量点云配准方法

点云配准是基于机器视觉进行复杂机械零件三维非接触精密测量的关键环节。针对传统迭代最近点(iterative closest point, ICP)算法对初始位置依赖性强,迭代收敛速度慢,错误对应点对多,难以满足大批量复杂机械零件测量点云配准效率和精度要求的问题,提出了一种基于ISS-FPFH(intrinsic shape signature-fast point feature histogram)特征结合改进ICP的复杂机械零件测量点云配准方法。为了减少点云配准数量,并保留点云表面原来的细微特征,提出了基于重心邻近点的体素滤波器对点云进行下采样预处理。为解决传统ICP算法因合适初始位置难以确定而导致多视角测量点云配准失败的问题,采用了基于ISS-FPFH特征的采样一致性初始配准(sample consensus intial alignment, SAC-IA)算法进行粗配准。为解决传统ICP算法迭代收敛速度慢、错误对应点对多的问题,提出结合法向量夹角约束的点到平面ICP算法进行精配准。以斯坦福大学的bunny点云模型为对象,验证了本文提出方法对噪声点云的鲁棒性。以常见的复杂机械零...     

融合曲率信息的点云配准方法

针对点云配准时受原始位姿局限及配准效率、鲁棒性低的问题,提出一种融合曲率信息的点云配准方法。首先,将海量点云进行重心邻近点体素下采样,采用融合曲率信息的提取算法提取特征点;其次,通过三维形状上下描述符进行特征描述并利用改进的随机抽样一致性算法进行粗配准;最后,在具有较好位姿的情况下采用Symm-ICP进行精配准。试验结果表明,该算法对于不同位姿的点云数据均保持较高的配准精度。本文提出的算法配准效率优于其他算法,并具有较好的鲁棒性。     

邻图配对式运动恢复结构的欧式三维重建

传统增量式运动恢复结构重建易受到尺度变化的影响,重建出的点云存在分层现象,并且不存在量纲。通过改进重建拓扑结构和尺度迭代最近点算法,提出了一种新的欧式三维重建方法。首先,设计了两两相邻图片重建点云后并入主点云的重建拓扑结构;然后,建立了对应表,旨在找到同一世界点在新建点云和主点云下的对应三维点对;接着,结合Geman-McClure范数,提出了抗噪声的尺度迭代最近点求解算法;最后,设置地面控制点,为重建出的点云引入尺度。实验结果表明,提出方法重建出的点云比传统增量式运动恢复结构重建出的点云更精确,并且点云长度的测量绝对误差在1%~2%左右。提出方法适用于近场景物体较精确的欧式三维重建。     

方向自适应的光子计数激光雷达滤波方法

提出一种自适应滤波方向的光子计数激光雷达点云滤波方法,定义了一种可调节主滤波方向的滤波核,通过遍历得到最佳滤波方向的密度值并剔除远离地物的噪声点,根据密度值与邻域内其它点的密度值差值剔除接近地物的噪声点。通过实验数据对算法进行了验证,结果表明算法能有效剔除与地面非常接近的噪声点,适用于低密度地物点云的滤波处理,其中植被滤波精度91.86%,地面点滤波精度97.89%。     

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。     

自适应局部邻域特征点提取和匹配的点云配准

点云配准是三维重建的关键技术之一。针对点云匹配中迭代最近点算法(ICP)速率低、对初始位置要求高的问题,提出了一种基于自适应局部邻域特征点提取和匹配的点云配准方法。首先根据局部表面变化因子与平均变化因子的大小关系,自适应地提取特征点;其次利用快速点特征直方图（FPFH）综合描述每个特征点的局部信息,结合随机抽样一致性（RANSAC）算法实现粗配准;最后根据得到的初始变换矩阵和基于特征点的ICP算法实现精配准。对斯坦福数据集、含噪声的点云以及场景点云进行配准实验,实验结果表明:所提出的特征点提取算法能高效地提取点云的特征;相比于其他特征点检测方法,所提方法在粗配准中的配准精度和配准速度更高,且抗噪性能更好;与ICP算法相比,基于文中特征点的ICP算法在斯坦福数据集和场景点云中的配准速度提升了约10倍,在含噪声的点云中,能根据所提取的特征点高效地进行配准。该研究为提高三维重建和目标识别的匹配效率提供了一种高效的方法。     

点云多法向量邻域特征配准算法

针对三维激光扫描点云数据的配准问题,提出了 一种多法向量邻域特征点云配准算法。首先,根据目标点选取不同邻 域半径估算的法向量存在方向偏差,设定约束条件选择关键点,使得初始点云数据量得到精 简;其次,设计了一种依据邻域多 法向量计算的特征描述子,并计算所有关键点的特征向量;然后,依据所求的特征描 述子,使用最小距离与次小距离比值阈 值方法初步获取对应关系,并使用随机采样一致性算法和聚类分选方法进行两次优化,得到 精确的点与点对应关系;最后,使 用奇异值分解法解算刚体变换矩阵,得到配准参数。实验结果表明,由本文设计的关键点选 取、特征描述子提取和对应关系筛选 方法原理简单、稳定可靠、计算速度较快且计算复杂度小,无需进行第二次配准,对实现点 云配准具有实用价值。     

结合区域生长及主成分分析的机载LiDAR建筑物点云提取

针对机载LiDAR建筑物点云提取过程中与树木紧邻的建筑物难以提取,已有先滤波后提取算法效率低等问题,提出一种结合区域生长与主成分分析的机载LiDAR建筑物点云提取算法。该算法首先对粗差剔除后的机载LiDAR离散点云构建TIN三角网,依据建筑物边缘点所在三角形的特征提取建筑物边缘点;然后将邻域特征优化后的建筑物边缘点作为种子点进行区域生长得到建筑物点云;最后采用主成分分析对提取结果进行检核,剔除非建筑物点云,在此基础上基于连通性对建筑物点云进行单体化分割,剔除小面积区域,得到最终的建筑物激光脚点数据。实验选取国际摄影测量与遥感协会提供的三组典型区域的LiDAR点云数据进行建筑物提取,并与传统形态学和区域生长两种建筑物点云提取算法进行比较,结果表明本文算法可以实现建筑物点云的高精度提取,且对地形及不同类型屋顶的建筑物具有良好的自适应性,验证了算法的可靠性。      

基于无人机机载LiDAR的电力线点云提取与重建

为了提高基于无人机机载激光雷达点云电力线提取与重建的精度和效率,采用了一种综合电力线点云分步提取、分段k均值聚类采样及结合直线和抛物线拟合的电力线点云提取与重建方法。在对电力线走廊点云进行预处理和改进滤波的基础上,先对其进行分段并根据电力线点云在高程方向的分布特征进行粗提取,再将粗提取得的电力线点投影到水平面上用Hough变换对其进行精提取,然后通过对精提取的电力线点进行分段k均值聚类采样, 从而完成电力线的单根分离,最后使用直线和抛物线结合的模型对电力线进行拟合重建。选取实测数据进行试验,通过电力线提取的完整率以及重建的精度和效率对本文中算法进行了评价。结果表明,利用该算法提取电力线点的综合完整率达到96%以上。这一结果对高效地提取和重建单档单根电力线具有一定帮助。     

一种基于机载LiDAR数据的山区道路提取方法

为了解决基于机载激光雷达(LiDAR)点云提取道路时多重特征阈值设定难、普适性低的问题, 采用了随机森林分类模型提取道路点云进而获得道路中心线的方法。首先使用渐进加密三角网滤波获取地面点云, 根据山区道路特性, 计算地面点云各点在邻域范围的坡度、粗糙度、高差方差、点密度及反射强度, 组成点的分类特征; 随后手动采集正负样本训练点云随机森林分类模型, 将地面点云通过模型分类得到初始道路点云; 再通过基于密度的噪声应用空间聚类算法去除噪声点精化道路点云; 最后矢量化道路点云获取道路中心线。结果表明, 以Entiat River地区山区LiDAR点云数据进行实验验证, 道路点云提取的正确率达到95.29%, 完整率达到92.96%, 提取质量达到88.88%。该方法能解决多重阈值难以确定的问题, 能较高精度地提取到山区道路点云, 进而获取有效道路中心线, 对山区道路信息的研究有一定的参考价值。