基于CEGI和Fourier变换的全自动点云配准算法

针对没有任何几何和拓扑信息的散乱点云,提出一种全自动点云数据配准算法。针对待配准的两组点云数据,首先通过局部最小二乘曲面拟合,估计每个点的法向和曲率,其次计算点云的扩展高斯图（EGI）和复扩展高斯图（CEGI）,然后根据EGI和CEGI利用球面调和函数计算旋转欧拉角,构造相关函数,通过Fourier变换估计平移向量,完成粗配准,把粗配准结果作为新的初始位置,采用最近点迭代算法（ICP）进行精确配准,从而实现两组散乱点云的精确配准。实例分析表明该算法配准效果良好。     

基于多视点云拼接算法研究

针对目前点云自动匹配效率低,拼接精度还有待提高,提出了一种自动匹配标志点的拼接算法。首先根据标志点之间的空间特征不变性,引入一种动态距离矩阵来记录搜索标志点间的距离,通过循环迭代比对动态距离矩阵来匹配标志点;然后采用最小二乘法求解坐标变换矩阵进行多视点云拼接。通过实验对比,可以发现本文的点云拼接算法明显优越于传统的方法,最后引入拼接精度进行验证。多视点云拼接实验表明,该方法方便、快捷、实用,拼接精度达0.0179mm,适合在工业生产中使用。     

点云分割匹配的三维重建算法

对三维空间进行测量并获得空间模型的任务中,目前的配准算法无法拼接两帧重叠区域过小的点云。以ICP算法为基础,提出基于多重高斯概率模型的点群匹配拼接算法。通过点云欧式分割算法对点云聚类,得到对应的点云子集,求取子集的高斯模型,根据高斯模型匹配互为映射的子集,利用改进的最近点迭代配准算法求取旋转和平移矩阵,再利用求得的矩阵对分割前的点云进行坐标转换,最终实现与目标点云的拼接。实验结果表明多重高斯概率模型的点群匹配拼接算法解决了目前因重叠区域过小不能准确拼接点云的问题。     

傅里叶-梅林变换用于地面激光扫描点云配准研究

点云配准技术在国内外各个领域都在不断的发展并且受到广泛地关注,不同的配准方法都有其优势与不足.针对地面激光扫描获取的多个测站的点云的拼接问题,提出了一种新的配准方法,即在频域中对点云数据进行配准.该方法使用傅里叶变换将点云从空间域变换到频域,利用傅里叶梅林-变换可以将旋转、缩放这两个参数与平移参数分离,即可以单独在频域求解旋转和缩放,之后再在此基础上求解平移参数,从而实现对点云的配准.这种方法具有很强的鲁棒性,而且在频域中,不受点云本身噪声点、密度、或者某些结构缺失的影响,且不需要平移的初始估计.最后的实验结果也表明,这种算法在实现点云配准时与传统的算法相比具有一定的优势.     

结构光三维测量系统的点云精度分析

点云质量是结构光三维测量系统中一个非常重要的部分,通过对单片点云的精度和点云拼接的效果两个方面对点云质量进行评价。首先由相片的参数和标定板上标志点的像点坐标计算出标志点的三维坐标,与重构出的点云进行比较计算空间点精度;通过对标定板进行重构进行平面度误差分析;再将各片点云用专业的拼接检测软件进行拼接,生成误差和精度报告。反复实验表明,采用PHOTOSCANSHOP结构光三维测量系统获取的单片点云有较小的误差,整体拼接能达到较好的效果。     

基于特征匹配的三维点云粗配准方法

针对无初值情况下点云配准精度不高以及配准效率低下的问题,提出一种基于特征匹配的三维点云粗配准方法。首先,利用点云局部法向量的变化描述其特征,加入特征保留权值筛选突出特征信息,提高配准效率;然后,根据保留的特征信息建立特征直方图,通过比较特征直方图描述的信息获取初始匹配的点对;最后,将刚性不变约束与随机抽样一致性算法结合筛选正确的匹配点对,再利用四元素法得到旋转矩阵和平移向量。实验结果表明,提出的算法与其他粗配准算法相比具有较高的精度和效率,为后续的点云精配准工作提供了良好的初值。     

基于多Kinect的三维人脸重建研究

人脸三维数字化在医疗、影视制作和虚拟现实等领域具有重要意义,是计算机视觉研究的热点.为快速、完整、低成本和精确地实现人脸三维数字化,提出一种基于多Kinect的三维数字化系统.首先,连续采集8帧点云信息,避免信息缺失,改进双边滤波算法,对Kinect获取的点云滤波去噪;然后,精简点云拼接区域,先采用点特征直方图在两点云间寻找配准点,构造协方差矩阵,奇异值分解法求解该矩阵,得到初始变换参数,粗拼接点云;再通过改进的共享最近邻居聚类算法加快粗拼接后两点云间的最近点搜索速度,利用改进的最近点迭代算法实现精拼接;最后,实验结果表明:该系统能够快速、完整和精确地三维数字化人脸,达到了实验预期效果.     

双Kinect联合扫描点云配准方法

大型场景或者大尺寸物体的三维重建无法由单台设备完成,而由多台设备采集得到的点云位置偏移较大,一般的点云配准方法无法达到三维重建所需的精度。该文提出了一种基于Kinect标定的点云配准方法。首先通过棋盘格标定算法对两台Kinect进行标定,然后利用标定得到的相机内外参数计算不同视角下点云数据间的运动参数,接着根据得到的运动参数,对原始采集的点云数据进行初始配准。在此基础上,采用改进的迭代最近点算法,对初始配准后的点云数据进行精确配准。实验结果表明,与直接采用改进的ICP算法相比,该方法配准结果无明显的错位现象,且计算速度提高了15%左右。     

曲面的点云模型优化配准方法

针对覆盖率较低的曲面配准问题,提出一种先粗配再细配的点云模型配准方法.首先,采用基于GH-LS3D(Gauss-Helmert least-squares 3D)的配准算法实现曲面的粗配准;然后,在迭代最近点(iterative closest point,ICP)算法中引入高斯概率模型和动态迭代系数以提高算法的抗噪性和收敛速度,由此实现曲面的快速精确细配准.实验结果表明,该优化配准方法能够实现曲面的精确配准,并在细配准阶段取得了较高的配准精度和收敛速度,是一种有效的曲面配准方法.     

基于主成分分析与迭代最近点的三维膝关节配准

针对膝关节与假体空间坐标系不一致的问题,提出了一种基于主成分分析（PCA）与迭代最近点（ICP）算法相结合的三段式配准方法.采用PCA结合两次ICP算法的配准策略,对膝关节与关节假体的点云数据进行PCA配准处理,然后对得到的初始配准结果采用ICP算法进行调整,最后对调整好姿态的点云数据再次进行ICP配准,从而将其空间坐标轴调整到一致.实验结果表明,三段式配准方法相较于其他算法,可在保持较高配准精度的同时缩短配准时间.     

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,本方法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。     

基于三维点云的奶牛乳房外形特征分析方法

针对奶牛乳房外形特征分析,提出一种利用计算机技术的奶牛乳房外形分析方法．首先,通过机器视觉技术获得奶牛乳房的三维点云,并利用封闭算法将非封闭的三维点云封闭化后,计算奶牛乳房的体积;随后,将封闭的三维点云与一组平行平面相交,从而获得一组二维曲线集合;最终,通过分析二维曲线的特征,使奶牛乳房的外形特征分析与对比成为可能．本方法为进一步深入研究高产奶牛与低产奶牛在乳房外形特征方面的差异奠定了基础．     

一种改进的LiDAR点云滤波方法

针对移动机器人激光雷达点云数据滤波过程中存在对噪声敏感和准确性差等问题,提出一种加权的高斯滤波方法.该方法使用高斯滤波与角度余弦作为加权值对雷达点云数据进行滤波处理,减小了激光雷达扫描到的物体轮廓波动.最后将该方法应用到实际的机器人操作系统的移动机器人底盘中,实验结果表明,相比传统的高斯滤波方法,该方法能更好地解决雷达...     

基于散乱点云的疵点去除与体积积分算法研究

针对目前处理大量散乱点云数据体积计算算法效率低下且时间较长的情况,提出了一种基于散乱点云数据的高效率体积计算算法。此算法对散乱的点云数据进行三角剖分,利用最小二乘法计算三角面片的各个顶点与其法向量,根据法向量进行疵点去除及方向调整,再将三角面片投影形成的凸五面体分割成两个三棱锥和一个三棱柱,最后积分计算出各分割体的体积之和从而得到总体积。结果表明,该算法在降低运算时间的同时具有更高的准确性。     

基于网格化曲率聚类的点云分割

针对三维散乱点云数据,提出一种基于网格化曲率聚类的点云分割算法．首先对点云进行三维空间动态网格划分建立散乱数据点的拓扑关系,利用坐标转换法,在局部坐标系内拟合抛物面,进而求得高斯曲率、平均曲率等微分信息,然后基于聚类分析的思想利用高斯曲率和平均曲率的相似性进行点云数据的初始分割,再利用空间网格的拓扑关系检查和纠正完成点云数据的区域分割．该方法不需计算出每一个测量点的曲率值,从而提高了计算速度．     

基于改进的角度偏差法的采空区点云数据精简

在保证采空区几何特征不变的前提下,有必要对点云数据进行精简,提高三维建模及其应用的效率。介绍了点云数据精简算法的评价体系,探讨了空区探测系统扫测采空区的点云数据特点; 在对比最小距离法、平均距离法、角度偏差法、弦高偏差法等采空区点云数据精简方法的基础上,提出了保留采空区几何特征更为有效的点云数据精简方法——改进的角度偏差法。通过对比精简前后的扫描线周长、面积及标准差等指标,认为该方法不但保持了扫描线的细节,而且使精简后扫描线上的点分布较均匀,为后续三维建模及应用打下良好基础。     

功能性规则约束下的三维点云道路设施语义标注

三维场景的语义标注研究是机器视觉、摄影测量以及机器学习等领域的热门研究课题. 但基于移动激光扫描数据的道路设施精确解释仍处于瓶颈期. 提出一种基于逻辑关系和功能性对道路设施进行语义标注的新方法,先总结制定道路设施相关的特征符号和规则,再根据所定义的规则功能对点云数据进行语义标注. 基于该方法对国内某中等城市道路点云数据进行了相当详尽的解释,正确提取了93%的杆状物体,并全部正确识别. 对于杆状物体的附件(如灯头、交通标志等),基本正确识别且有效标记. 与改进的RANSAC算法相比,该方法提供了一个较好的解决方案,有助于在城市环境中自动绘制详细的道路设施.