地面三维激光扫描多站点云数据配准新方法

针对点云数据两两配准中存在误差传递与累积的缺点,提出一种新的多视点云数据配准方法.该方法首先构建一个统一扫描网坐标系,即选取某一扫描坐标系作为统一的扫描网坐标系,利用两两配准计算出相邻两个点云数据间的变换参数,并计算出各站点云数据在统一扫描网坐标系下的坐标;结合相邻测站间的公共点,以首站点在统一扫描坐标系下的坐标经非线性变形改正后应与首站实际扫描坐标相等、相邻扫描站公共点经非线性变形改正后坐标应相等为条件,借助非线性变形改正模型计算出各个点云的非线性变形参数,从而实现对每站扫描点云数据进行改正,以降低误差传递带来的累积效应.实验表明,此方法能提高点云数据配准精度.     

基于真实三维人体点云的特征参数提取

针对真实三维人体点云数据,提出一种快速提取人体特征参数的方法。首先对点云数据进行预处理,并将人体中心点转化为坐标原点,然后利用人体几何形状以及特征参数的定义,通过分层探索法来定位人体特征点,最后利用人体特征点得到相应的特征截面信息,使用边缘识别法提取特征轮廓边界点,对于不同人体体型,基于人体几何形状分析法自动识别正常和肥胖人体体型,有效地计算不同体型的真实特征参数信息。数值实验说明了该方法的有效性。     

基于高分辨率点云的地理场景重建技术研究——以浑河流域模型为例

以浑河流域模型为例,介绍利用三维激光扫描仪扫描模型获取点云的外业和内业工作,合理地选择和布设测站,并在各个测站对模型进行扫描以获取点云数据,对各个测站扫描的点云进行预处理,删除多余的孤立噪声点,将不同视图的点云进行拼接与配准,最后在同一空间坐标系内进行匹配。针对整体数据匹配,分析并应用基于闭合导线条件的整体误差分配计算方法。     

地面三维激光扫描点云的多站数据无缝拼接

针对如何将多站分块扫描的点云无缝地拼接为一个整体以完整地表达扫描对象几何形态的问题,基于测量平差理论,提出了一种简单易行的多站扫描数据无缝拼接方法.首先根据与相邻前一扫描站相重叠的扫描区域内的同名标志点按附有限制条件的间接平差模型求取坐标转换参数,再对序列坐标转换参数按闭合条件进行加权误差分配,得到各站扫描点云的最终坐标转换模型,并依此坐标转换模型对各站扫描点云进行坐标变换,将它们统一到项目坐标系下,最终得到多站扫描点云的无缝拼接结果.对多站扫描的建筑物点云数据进行整体拼接实验,证明了本方法的可行性和有效性.     

基于点云数据的三维人体头部分割技术研究

三维人体分割技术是数字化服装、数字化人体测量、计算机动画等应用中最关键的技术,但当前存在着分割不是很精确的缺点。针对头部分割不精确的缺点,对基于点云数据的三维人体头部分割技术进行了研究,提出以最大距离法和近似凸包边法定位分割特征点和分割切面,并引入分割切面倾斜角实施头部分割。实验结果表明：提出的分割方法提高了头部分割的实时性和精确性。     

基于点云的膝关节胫骨三维CT与MRI图像配准

同时利用CT和MRI图像对膝关节及胫骨疾病进行诊断和治疗,是目前临床上的常规方法。精确配准膝关节胫骨部分三维CT和MRI图像可以更有效地利用这两种图像中的组织信息。目前,基于图像特征或者图像灰度值的方法可以实现图像间的配准,但是都存在一些配准精度低或者时间复杂度高的缺陷。针对膝关节胫骨组织的刚性特征,采用一种基于骨组织表面重建的点云配准方法。首先对数据集进行骨表面重建,通过重建后的结果提取点云数据,对点云数据进行下采样并利用重心进行初始变换,最后利用ICP算法对点云数据进行配准。对该方法进行配准结果分析及配准精度实验,表明这种方法简单可靠并且配准精度较高。     

Kriging点云滤波改进算法及监测试验研究

为进一步提高三维激光扫描技术的量测精度,从优化滤波算法的角度出发,基于Kriging改进算法,考虑描述对象的空间相关性质,针对点云数据的滤波处理问题,研究点云格网化滤波的优化方法。以实际工程为依托,通过现场监测比对试验,对三维激光点云数据进行格网化处理和分析,将试验得出的变形数据与传统方法的量测数据进行对比。结果表明：基于Kriging滤波的改进算法不仅能够高效识别和提取隧道轮廓断面可视化数据,而且可以高效、准确地获得隧道变形;试验的拱顶下沉数据与传统量测数据较接近,而周边收敛数据则有一定的差异。三维激光扫描技术下的隧道变形监测在一定的环境条件下能较好地反映隧道变形的真实情况,为隧道工程的施工提供有效的安全预警。     

基于点云数据的预制叠合板尺寸质量智能检测方法

为保证预制叠合板在施工现场能顺利安装,在出厂前通常需要对其进行尺寸质量检测,现有预制叠合板的尺寸质量检测方法难以全面准确地测量叠合板的实际三维尺寸。提出一种基于预制叠合板点云数据的多尺寸质量智能检测方法。对采集的点云数据进行预处理后,利用机器学习算法完成预制叠合板点云的自动定位与分割;依据不同的检测任务,将目标点云沿不同方向降维,映射为二维灰度图像;利用图像特征检测算法,分别实现叠合板底板的长宽、预留胡子筋的出筋长度与间距及桁架钢筋高度的自动检测;在验证试验中,对3块预制叠合板的点云数据进行尺寸质量检测。结果表明,提出的智能检测方法能全面准确地完成预制叠合板出厂尺寸质量检测,能进一步提高预制叠合板非接触质量检测结果的科学性与精准性。     

基于KFCM的三维点云精简算法

毫米波雷达、TOF相机等扫描设备捕获的点云包含大量的冗余信息与噪声点,降低了点云配准的精度与处理效率．针对上述问题,提出基于KFCM的三维点云精简方法,将原始扫描点云以核函数映射至特征空间,同时更新聚类中心及隶属度矩阵,利用加权误差平方和建立目标函数且以其收敛为算法终止标准,最终将聚类中心作为精简结果输出．实验结果表明,可在良好保持点云基本特征的前提下降低源点云分辨率以达到精简效果,且可通过调节参数控制输出点云的疏密程度,在与配准任务的适应性实验中可满足ICP等配准算法的需求．     

基于竞争注意力融合的深度三维点云分类网络

为了提高三维点云深度网络分类模型对全局特征的提取与表达能力,增强模型对噪声干扰的鲁棒性,提出可迁移应用于不同分类网络的竞争性注意力融合模块,学习多层级特征的全局表征和中间特征内在相似度,对中间特征通道权值重分配. 在基准网络Pointnet++和PointASNL中嵌入所提模块并进行实验,结果显示：所提模块具有独立性和可迁移性,聚焦更利于三维点云形状分类的核心骨干特征. 与基准网络相比,所提模块在保持分类精度稳定不下降的情况下,模型对点云扰动噪声、离群点噪声和随机噪声的抗干扰能力增强,在随机噪声数分别为0、10、50、100、200的情况下,准确度分别达到93.2%、92.9%、85.7%、78.2%、63.5%. 与传统滤波方法相比,端到端的学习减少预处理步骤和人工干预过程,同时具有更优的抗噪性能.     

基于三维激光扫描技术的大型古建筑精细三维重建

大型古建筑文物结构复杂,数字化保护工作繁琐且沉重,而三维激光扫描技术作为测绘领域的一项高新技术,具有无接触测量、效率高等优点,将三维激光扫描技术应用到文物保护领域将成为精细、快捷的文物档案保护手段之一。以某大型仿古建筑为例,详细阐述了数据采集的技术和方法,结合在数据处理过程遇到的一些问题进行了探讨和总结。最终给出该建筑物的局部纹理映射图和各类效果图,为三维激光扫描技术在大型古建筑三维重建中的应用提供借鉴和参考。     

基于灰度相似性的激光点云与全景影像配准

针对传感器参数未知、环境结构特征不明显、影像数据较少等情况,提出基于灰度相似性的车载3D激光点云与全景影像自动化配准方法.基于全景拼接算法和柱面投影原理,分别将多张单幅图片拼接为全景影像,并将3D激光点云转换为2D深度图.基于灰度相似性原理,将全景影像和2D深度图在水平方向和垂直方向等间隔细分成区域对,沿水平方向和垂直方向移动全景影像,计算每次移动后各细分区域对之间像素灰度值之和的比值,并求解其均方差,将均方差最小时的区域移动值作为最终匹配偏移量.根据偏移量计算得到全景影像相对3D激光点云的水平旋转角度和垂直平移距离.实测结果表明,本研究所提算法对场景的适应性较好,平均配准误差为2个像素,而对比方法无法实现有效配准.     

采用动态残差图卷积的3D点云超分辨率

为了在超分辨率中对非欧数据的3D点云进行局部信息高效提取,提出采用动态残差图卷积的3D点云超分辨率网络(PSR-DRGCN),该网络包括特征提取模块、DRGCN模块及上采样模块.对于输入的3D点云,特征提取模块采用k-近邻(k-NN)算法在3D空间中找到每个点对应的k个邻居,通过逐点卷积把局部几何信息转换到高维特征空间中;DRGCN模块利用多层图卷积操作将3D空间中每个点的局部几何特征抽象为语义特征,在每一层对点的近邻空间进行动态调整以增加感受野范围,并通过残差连接融合多层次语义信息,从而对局部几何信息高效提取;上采样模块将特征空间中的点进行上采样并转换到3D空间中.实验结果表明,PSR-DRGCN生成的高分辨率点云在放大尺度为2倍时,相似性指标CD、 EMD、 F-score相比第2网络分别优化了10.00%, 4.76%,16.84%;当放大尺度为6倍时,相似性指标相比第2网络分别优化了2.35%,40.00%,0.58%;在所有情况下的均值与标准差指标上达到最优效果,生成的高分辨率点云质量高.     

基于点云数据三维重建方法的研究

由于三维激光扫描仪采集的点云数据是离散的,这些离散的点云数据由于分辨率有限,缺少灵活性,导致无法满足对实际场景重建出具有几何精确性的模型。为解决上述问题,用Delaunay三角化方法构造网格逼近物体的i维表面模型,把离散的点云数据连续化生成表面模型来模拟场景,实验证明该方法有效。     

三维激光点云数据的特征线光滑处理方法研究

在点云数据的三维建模过程中,常常会碰到特征线的光滑处理问题,通过拉格朗日插值、多项式拟合和三次样条函数拟合这3种方法对三维激光点云数据的特征线进行光滑处理.和原始数据进行实验对比分析,检验出样条拟合在特征线光滑处理方面有一定的优越性.     

基于F-PointNet的3D点云数据目标检测

针对目前3D点云目标检测模型检测精度不高的问题,研究使用直接处理点云数据的F-PointNet模型检测汽车、行人和骑车人,并对模型进行微调,进一步提升模型的目标检测精度。试验中使用不同的参数初始化、$ell $₂正则化和修改卷积核数的方法对模型进行测试。试验结果表明, Xavier参数初始化方法收敛速度比截断正态分布方法快0.09 s,同时汽车和骑车人检测精度分别高出大约3%和2%;增加$ell $₂正则化,行人检测精度和骑车人检测精度可提高大约2%和1%;对T-Net(Transfrmer Networks)第一层卷积层的卷积核数减少为128后,汽车和骑车人检测精度分别提高了大约1%和2%,表明本模型能有效地提升目标检测精度。     

基于F-PointNet的3D点云数据目标检测

针对目前3D点云目标检测模型检测精度不高的问题,研究使用直接处理点云数据的F-PointNet模型检测汽车、行人和骑车人,并对模型进行微调,进一步提升模型的目标检测精度。试验中使用不同的参数初始化、$\ell $₂正则化和修改卷积核数的方法对模型进行测试。试验结果表明, Xavier参数初始化方法收敛速度比截断正态分布方法快0.09 s,同时汽车和骑车人检测精度分别高出大约3%和2%;增加$\ell $₂正则化,行人检测精度和骑车人检测精度可提高大约2%和1%;对T-Net(Transfrmer Networks)第一层卷积层的卷积核数减少为128后,汽车和骑车人检测精度分别提高了大约1%和2%,表明本模型能有效地提升目标检测精度。     

三维激光扫描技术在虚拟现实中的应用

虚拟环境的建立是虚拟现实技术的核心内容,目前虚拟现实技术中的虚拟视景和模型生成方法大多都是基于软件设计及二维图象实现的,这是一个重大的不足之处.三维激光扫描技术的产生和发展拓展了虚拟视景和模型生成的技术实现手段,进而使虚拟现实技术有了跨越式应用.本文介绍了虚拟现实技术和三维激光技术的基本概念和原理,并且通过实验验证了三维激光扫描技术在虚拟现实中的应用.