基于旋转采样光场数据的物体表面重构

光场的旋转采样模式与图像重建的扫描模式具有相似的几何特性.借鉴图像重建的全刻画模型,提出一种基于旋转采样光场数据的物体表面重构算法,给出了旋转采样光场的参数化表示方法,建立了刻画旋转采样光场数据与物体表面关系的模型,得到物体表面特征点对应光线在旋转采样光场中的分布函数.根据分布函数结合图像的特征点匹配建立表面特征点位置的重构算法,由表面特征点生成物体表面的三维点云,实现物体的三维表面重构.实验结果验证了提出的基于旋转采样光场数据的物体表面重构算法的可行性和有效性.     

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。     

空间封闭点云的八象限三角剖分算法

提出了一种针对空间封闭点云的三角剖分算法.该算法首先根据空间封闭点云的分布特征,将其划分到三维坐标的八个象限中,使每部分点云的包角均小于180°;然后适当旋转各部分点云,使其对应投影平面面积最大化,再运用平面三角剖分方法对其进行三角剖分,从而得到各部分点云的剖分结果;最后将已处理的各部分用三角面片对其边界进行缝合,进而形成空间封闭点云的立体三角化.实验结果表明,该方法剖分速度快、形成的三角网格质量高,能够较好地再现原三维物体的表面特征.     

一种新的基于重采样的曲线重建算法

提出了一种新的对原始点云进行k-近邻跟踪重采样的曲线重建算法.首先通过人为规划得到面部模型的特征线点云;采用k-近邻搜索和空间划分的策略, 确定跟踪点列得到一个简化有序的重采样点云, 再用B样条的反求来重构曲线模型;最后利用VC6. 0实现了上述算法和基于MLS原理的重采样算法.实验表明, 提出的重采样算法重构的曲线模型不仅质量好且重构效率较高.     

一种基于曲率极值法的LiDAR点云特征提取算法

针对地面LiDAR（1ightdetectionandranging）技术在三维数据采集过程中无法体现人的主观判别能力、采样数据存在大量冗余的问题,提出了一种基于曲率极值与最小生成树准则的LiDAR点云特征提取算法．通过二次曲面拟合实现对原始采样曲面的模拟与表达,估算采样表面的几何微分属性,分别基于平均曲率比较法、曲率极值法来实现特征点的初选与精选;设计并实现了一种基于最小生成树准则的特征点拓扑邻接关系的确定方法以及相应的最小生成树裁减算法,在确定特征点拓扑邻接关系的同时,依据裁减算法实现了采样地理实体表面特征的精确提取．实验证明,算法是可行、有效的,利用算法提取了LiDAR点云的特征之后,有效地增强了点云数据的表达能力,弥补了地面LiDAR技术在数据采集过程中无法体现人的主观判别能力的不足;借助于算法提取的采样地理实体表面特征来指导和约束点云数据简化过程,可在有效保留原始采样曲面重要特征的同时实现点云数据的大幅度精简．     

基于MLS点云模型特征的提取算法

针对以往特征提取算法提取边界特征效果不理想和特征识别时间较长的问题,提出了一种改进的点云模型特征边界线提取算法.该算法以移动最小二乘法为基础,在对已有的边界特征提取方法研究的基础上,结合研究对象棱角分明的特点,提取点云模型边界特征点集,利用双向搜索方法快速生成模型的特征边界线,并对得到的特征边界线进行特征修复,从而得到较为稳定的点云模型的特征边界线.实验结果表明,该算法能快速地提取点云模型的特征边界线,为后续基于特征边界的建模节约了大量时间.     

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Graham三角剖分生成Delaunay三角网的算法

目的提出一种基于Graham三角剖分生成Delaunay三角网的算法,加快Delaunay三角网的生成速度.方法首先按Graham扫描法对平面散乱点集进行排序,然后将排好序的点通过可见点的判断连接成Graham三角网,最后利用拓扑结构快速进行优化,使其成为Delaunay三角网.结果通过500至10000个点的测试,表明这种基于Graham三角剖分生成Delaunay三角网的生成速度快于传统基于凸包生成Delaunay三角网的生成速度.结论采用可见点表的数据结构以及利用点、边、三角形的有序性的特点构建Delaunay三角网,是提高建网速度的关键.     

多目立体视觉三维重建系统的设计

针对工业产品质量检测过程中产品三维表面的重建问题,提出一种基于多目立体视觉三维重建方法.设计了一套由八个直线分布的工业相机构成的三维重建系统方案.首先通过图像采集模块,在八个不同方向对目标物体进行图像采集.其次对采集到的图像进行预处理,其中包括图像背景抑制和目标物体分割.然后通过相机标定模块,对八个相机进行标定,获得它们的内外参数,并结合Harris角点检测及高斯差分检测算法对预处理后的图像实现特征点提取.在此结果上,再利用三角形法对提取到的特征点进行匹配和校正.最后采用泊松表面重建方法准确地获取和优化角点,并找到角点特征的匹配点,从而对物体进行三维表面的精确重建.实验结果表明,设计的系统能够重建出静止物体的局部三维表面,重建结果中的物体表面完整,结构清晰,表面上的字符重建完整,能够很好地进行识别.     

基于三维激光扫描点云的边界特征自动提取算法

针对三维激光扫描点云数据包含大量冗余数据、利用率不高等问题,提出了一种基于点云数据局部邻域内点的投影关系来判断边界特征点的快速算法。该算法利用邻域点投影的方位角差值进行特征点提取。结果表明,该算法提取速度快,冗余度少,可清晰完整地提取构筑物外部轮廓线和内部细节特征线。