散乱点云自适应切片算法研究

提出一种散乱点云自适应切片算法,该算法建立点云动态空间索引结构,基于该结构快速准确获取切片邻域数据并确定各层切片位置,依据邻域数据与切片的位置关系将其分为正负两个区域,通过正负区域配对点连线与切片求交获取切片数据点,并采用最小生成树算法排序,得到有序的切片数据点,实现散乱点云的自适应切片,实例证明该算法适用于逆向工程中各种复杂型面点云数据,切片数据获取精度高,算法运行速度快.     

基于最小生成树的切片数据点排序算法

提出一种基于最小生成树的切片数据点排序算法,该算法建立散乱点云空间索引结构,基于该结构快速获取切片邻域数据,依据邻域数据与切片的位置关系将其划分为正负2个区域,通过正负邻域配对点连线与切片求交获取切片数据点,构造切片数据点的无向完全连通图,求解该图最小生成树,并将最小生成树的各分枝首尾相连,实现切片数据点的排序,实例证明该算法可对逆向工程中各种复杂型面切片数据点排序,排序结果准确,算法运行效率高。     

散乱点云边界特征快速提取算法

摘要：提出一种散乱点云边界特征的快速提取算法,该算法采用R*-tree建立散乱点云空间索引结构,基于该结构快速准确获取局部型面参考点集,建立该点集的基准平面,计算点集内各点到基准平面的距离并将该距离与目标点到基准平面的距离进行比较,识别点云边界特征.实例证明该算法可快速、准确地提取散乱点云的边界特征.     

一种基于点云数据的直接分层算法

点云数据重建存在点与点之间几何拓扑关系建立困难和大量冗余数据两大难点．为实现数据的精确压缩,简化点与点之间拓扑结构的建立,采用基于最小距离关联点对的线面截交算法和截面轮廓数据的八方向编码追踪算法对点云数据进行直接分层处理,用实例验证了该方法的可行性．     

采空区单站激光等距扫描与高效三维重建方法

采空区三维空间形态的精确获取关系到矿山安全生产、高效开采和资源有效回收,传统的采空区三维激光等角扫描方法具有扫描盲目性和数据采集分布不均匀性等缺点.结合采空区自身空间几何特点,提出采空区三维激光等距扫描方法,以及基于半球面-平面联合投影的激光扫描点云数据建模算法:采用预扫描采空区若干剖面获取轮廓信息,分析并提取基准轮廓线;在此基础上解析三维激光等距扫描的径向角度和轴向角度控制指令,以此驱动激光扫描仪运作,获取分布均匀的空区点云数据;结合激光扫描点云数据可投影至球面上这一特性,提出了半球面-平面联合投影准则;通过任意轴坐标旋转机制和Delaunay三角剖分原理完成水平面点云数据的构网,最终基于拓扑关系映射实现采空区的快速精确建模.矿山采空区建模的试验结果验证了该探测方法的有效性,为采空区三维空间信息精确获取及建模提供了整体解决方案.     

基于机载LiDAR数据的建筑物点云提取

LiDAR技术是快速获取地面及地物三维数据的新型测绘技术,也是近年来进行城市三维建模的一种重要手段,而对建筑物的提取是城市三维建模的重要步骤。为了从原始机载点云中有效地提取出城市建模所需要的建筑物点云,在常用机载LiDAR滤波与点云分类思想的基础上,提出了结合面积与斜率两特征参数的区域增长算法,实现了高大植被与建筑物点云的有效分离,完成了建筑物点云的提取。通过设定合理的面积阈值与斜率阈值,结合具体的数据通过该算法获得了较好的提取效果,最后对提取方法及效果进行了客观分析与评价。     

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.     

基于多层次语义特征的建筑立面点云提取方法

建筑立面信息是指建筑物与外部空间接触面的空间分布及属性信息,如何从点云数据中提取建筑立面信息是点云数据处理中的热点和难点。为解决传统格网密度算法在建筑立面点云提取时评价标准单一、适应性不强的问题,综合分析建筑区各类典型地物点云的高程分布、投影密度、法向量分布等局部及整体空间特征,构建由点云单点语义、格网语义及区域语义组成的多层次语义特征描述子,在此基础上提出一种建筑立面点云提取方法,针对建筑立面点云在不同层次语义上的特点设置合理阈值,通过逐层筛选实现建筑立面点云的精确提取。试验结果表明：该算法能在低层、高层以及超高层建筑区等不同场景海量点云中快速准确地实现建筑立面点云提取,算法精度、效率、适应性良好。     

基于游程分析轮廓提取算法的改进

指出Capson游程分析轮廓提取算法存在的两点不足:一是所提取轮廓在水平方向凹形部分存在偏差;二是未考虑合并情况会导致提取复杂图案轮廓时出现部分轮廓丢失现象.通过增加分叉点和交汇点以及建立两种未考虑合并情况对应的规则,分别对这两点不足进行改进.实验表明,改进后的算法能精确提取任意复杂图案的全部内外轮廓,在提取高游程平均压缩率图像轮廓时耗时较少.该算法能实现流水线式并行轮廓提取,减少线阵扫描相机应用中等待数据获取的时间,提高在线检测速度,且成功应用于高精度PCB线路板缺陷检测系统,实现高分辨PCB图像轮廓快速准确提取.     

大型工件位姿估计中的稀疏点云配准方法

针对飞机、轮船、汽车等大型设备制造领域中大尺寸工件的精确位姿检测的问题,提出了一种用于估计具有自由曲面特征的工件空间位姿的稀疏点云数据自动配准算法。为了提高点云配准的精度和速度,着重将配准过程分为粗略配准和精确配准两个阶段实现。鉴于稀疏点云数据中的各点曲率具有旋转平移不变性,设计基于曲率特征的点云粗略配准算法;为弥补现有ICP算法的不足,提出基于距离约束的四叉树逼近算法。仿真实验表明,完成点云配准后,稀疏点云中各个点位的平均误差为0.0168 mm,均方差为0.0095 mm,说明该算法能够自动、准确、快速地实现点云数据配准。