基于特征向量提取的点云配准算法

为提高现有配准算法精度和配准效率,提出了一种基于点云特征向量提取的点云配准算法。该算法利用点曲率和邻域内点数量作为综合判据筛选特征点,然后对特征点进行主成分分析提取特征向量,利用特征向量变换关系求解待配准点云之间的变换矩阵实现粗配准,精配准阶段创建点云k维二叉树,通过k维二叉树最近邻搜索来提高ICP算法精配准效率。为验证算法的有效性,将本文算法与多种配准算法在公开数据集Bunny和Horse以及实测环境点云数据进行配准实验对比分析,实验结果表明,计算时间相较于ICP算法减少60%,所提算法具有良好的精度和配准效率。     

多特征关键点的自适应尺度融合特征点云配准

针对点云在噪声、遮挡及相似特征多个干扰条件下容易产生错误配准的问题，提出一种基于多特征的关键点提取算法和自适应尺度的融合特征的点云配准方法。在关键点提取时，同时计算多个特征，使关键点更具描述性和鲁棒性。特征描述时，在自适应尺度的基础上使用FPFH和RoPs特征两种特征分别进行初始配准和错误点对剔除，最终各自得到多个相似的转换矩阵。完成上述求解后，将两者得到的矩阵组成集合进行聚类并对矩阵数最多的类取平均值处理作为最终的结果以完成特征的融合。实验研究表明，在忽略极少数无法具体化的错误配准点的情况下，真实场景下所提算法的RMSE、ATI和ERR分别为0.46 mm, 1和0.37;使用数据集测试得到的正确率为99.3%,均表明该算法的精度和鲁棒性较高。     

大视角变化下点云配准方法研究

为了提高大视角变化下点云配准的精度和效率,本文提出了一种基于仿射不变特征点云提纯与改进随机梯度下降法的点云配准方法。该方法首先获取具有抗视角变化能力的二维特征匹配点,并借助特征点云的空间拓扑关系设计点云提纯方法来估计点云初始位姿变换;然后,在随机梯度下降法的基础上,设计聚类近邻快速搜索策略以提高点云对应点的查找效率,概率地动态调整随机梯度下降法的学习率以提高配准的全局收敛性。实验结果表明,本文方法对大视角改变时的点云配准具有很好的适应性,能够有效提高配准的精确度和配准效率。     

基于改进SURF算法的遥感图像配准

SURF算法用于遥感图像配准具有更好的鲁棒性和更高的效率。但由于遥感图像通常包含较多的重复特征,进行配准时容易产生误配,导致拼接图像出现重影和不精确。针对该问题,运用GTM方法对SURF算法进行改进后用于遥感图像配准。结合特征点的位置信息,分别构建特征点的图形,通过迭代使待配准图像的特征点图形一致,去除误配点。实验结果表明,使用改进后的算法进行遥感图像配准能有效去除误配点,实现准确匹配,从而实现正确拼接。     

基于三维重建的大腿假肢接受腔定制研究

假肢接受腔是连接残肢和假肢的关键部件,假肢接受腔的定制质量和残疾人的体验直接相关。针对假肢接受腔定制中取模精度不高,修型依赖假肢技师经验等问题,在分析残肢表面特征的基础上,提出了残肢表面三维重建算法和接受腔修型方法。通过深度相机扫描残肢,计算残肢点云数据的快速点特征直方图(FPFH)特征,应用采样一致性初始配准(SAC-IA)算法和迭代最近点(ICP)算法分别实现了点云初始配准和精确配准,基于仿射变换的特性提升了点云配准精度,实现残肢表面高精度重建。通过有限元仿真分析了大腿残肢-接受腔系统的受力情况,得出残肢几何形状规则时普遍的正应力和剪切力分布情况,与假肢技师经验平台相结合提出了修型建议,应用3D打印技术实现了接受腔快速成型。实验与仿真表明,三维重建均方误差仅有2. 1 mm,接受腔修型方法可以与医师经验平台互补,应力最大可减少34 k Pa。     

基于 4PCS 和 SICP 的点云配准方法在钢轨磨耗计算中的应用

针对基于三维结构光扫描的钢轨磨耗快速精确测量,本文提出了一种基于 4PCS(4-points congruent sets)和 SICP( sparse iterative closest point)的点云配准组合算法,用于快速精确配准不完整且含噪声的磨耗钢轨与标准钢轨点云。 由于三维结构光 设备一次扫描得到的磨耗钢轨数据是不完整且含噪声的,因此首先利用针对低重叠率点云配准鲁棒性较好的 4PCS 对钢轨点 云进行粗配准,为精确配准提供较好的初始变换矩阵。 然后,再利用针对含噪声点云配准鲁棒性较好的 SICP 进行精确配准。 最后,根据精确配准结果计算出轨头磨耗。 文中定量分析了不同程度降采样对配准精度、时间及轨头磨耗计算精度的影响,展 现了 4PCS+SICP 在快速精确配准不完整且含噪声的钢轨点云的优越性,得出了不同程度降采样对轨头磨耗计算精度无影响的 结论。 与此同时,对钢轨点云含不同程度的噪声点云配准做了定量对比分析,验证了 SICP 在含噪声的磨耗钢轨点云精确配准 中的鲁棒性。     

基于降采样和改进Shi-Tomasi角点检测算法的PCB图像拼接

针对大型多重复单元PCB图像拼接耗时长、拼接错误率高等问题,提出了一种快速鲁棒的图像拼接方法.对采集到的高分辨率PCB图像进行降采样,基于人工选点精准获取含重叠区域的图像单元作为配准区域;引入抑制半径的方法对Shi-Tomasi角点检测算法进行改进,使提取出的区域特征点分布更加均匀;使用暴力匹配方式分别对区域特征点进行粗匹配并通过RANSAC算法剔除误匹配点对后获得配准系数矩阵;结合仿射变换公式推导计算出原图像的配准系数矩阵,根据配准系数矩阵对待拼接的图像进行融合,得到完整的PCB拼接图像.实验结果表明,所提出的PCB图像拼接方法,加快了PCB图像拼接的速度同时也提高了特征点匹配精度,在对图像降采样8倍下,改进的Shi-Tomasi算法较传统的Shi-Tomsi算法和Harris算法在匹配正确率上分别提高了7.8％和4.0％,验证了该方法的可行性.     

基于特征点提取的人体三维数据拼接技术

针对人体对象表面光滑,不好寻找控制点的问题,本文给出基于三维特征点的人体数据拼接算法,通过提取对配准数据轮廓描述较好的三维特征点来减小计算量。实验结果表明,提出算法配准所需时间短,配准精度高。     

基于非刚性ICP的三维人脸稠密对应算法

三维人脸稠密对应是三维人脸分析研究的前提和基础。目前大多数的稠密对应技术是基于模板形变的方式,非刚性最近点迭代（iterative closest point, ICP）是应用最为广泛的一种,该算法通过逐步形变一个高分辨率的三维人脸模板来逼近目标人脸（扫描人脸数据）。但该类方法通过牺牲边缘精度来保持边缘区域的拓扑结构,以保证人脸之间的稠密对应。针对这一问题,提出了一种结合拓扑结构损失项的非刚性ICP算法,使得保持边缘区域拓扑结构的同时不会大幅度牺牲配准精度。实验结果表明,该算法比目前广泛使用的算法配准精度更高。     

基于改进SURF算子的彩色图像配准算法

为了解决传统SURF算法存在的问题,提高彩色图像配准的精度和准确率,提出一种双向邻近匹配的彩色图像配准算法。该算法对传统的SURF描述符进行改进,将图像的色彩信息叠加在只包含灰度信息的传统SURF特征描述符上,组成改进的SURF特征描述符,以增强彩色信息对配准的影响,提高配准的准确率;采用FLANN算法搜索匹配点对,并对匹配点对进行双向邻近匹配,以提高搜索效率和匹配精度;利用改进RANSAC算法剔除匹配错误的特征点对,以进一步优化匹配结果。实验结果表明,该算法能够有效地提高彩色图像配准的精度和准确率,具有较好的鲁棒性和图像变换适应性。     

面向大型室内场景的无人机三维激光雷达解耦SLAM方法

大型室内场景通常在高程方向结构较为相似,导致激光雷达扫描点云在高程方向特征退化,传统激光雷达SLAM的无人机定位方法易发生高程特征误匹配。针对于此,提出了一种基于惯性/高度传感器信息辅助的机载三维激光雷达解耦SLAM算法：将高度传感器、惯性姿态引入点云初始化过程,提高初始位姿匹配精度;将基于多元正态分布的点云配准算法在水平、高度通道解耦,约束点云配准方向,提高高程退化环境下的定位精度;同时使得传统SLAM六维位姿解算降为三维,降低了计算量。通过Gazebo构建船舱仿真场景,对提出的方法进行验证,结果表明本文方法可以提高在高程特征退化下的激光雷达SLAM定位精度,比传统算法提升40%以上,并有效提高了计算效率。     

组合激光雷达系统在输电线路测量中的应用

针对传统人工测量输电线路方法精度与效率较低的问题,提出一种机载激光雷达系统与地面激光扫描仪协同工作的组合激光雷达系统进行输电线路测量。机载激光雷达系统负责输电线路走廊点云数据的采集,地面激光扫描仪负责电塔高精度点云数据的采集,通过计算两个坐标系之间的旋转矩阵与平移向量,实现两组点云数据的融合。在张北500KV高压输电线路工程中进行应用试验,试验结果表明,该系统可以高效、准确地实现输电线路走廊中危险点的检测以及电力塔的倾斜度与变形监测,具有一定的实用价值。     

一种面向复杂环境的自适应激光里程计设计

针对在复杂环境下使用传统三维点云配准算法构建的激光里程计精度低且建图易发生漂移的问题，本文设计了一种面向复杂环境的自适应激光里程计。首先通过三维激光雷达采集原始点云数据，经过点云预处理环节后，采用地面分割方法完成点云数据分割并获取路面点云丰富度信息；然后，使用NDT算法将前后两帧点云数据极大限度的进行拉近，实现点云数据的粗配准；最后，在环境判断结论指引下选择合适的ICP算法完成三维点云的高精度配准并根据输出的点云变换关系构建激光里程计。通过在数据集以及不同环境下的大量实车测试，得出该激光里程计在室内结构化环境中的平均位移误差为0026 m，在室外非结构化环境中的平均位移误差为01 m。结果表明，本文构建的激光里程计能够更好的适应复杂环境从而得到更加精确的三维点云地图与SLAM轨迹。     

基于激光点云的高压输电线覆冰厚度反演

高压输电线覆冰是电网安全运行管理维护部门关注的重点致灾因子之一,其中覆冰厚度是输电线路风险评估、除冰策略等研究的关键指标。针对现有覆冰厚度提取精度不高、效率低等不足,提出了一种基于激光点云的高压输电线覆冰厚度反演方法,即模型-应力-冰厚法。首先从两期激光点云中精细提取输电线三维空间模型,结合导线参数提取空载输电线水平应力。然后根据状态方程,计算覆冰输电线水平应力。最后综合覆冰输电线三维空间模型和水平应力,计算其综合比载,最终实现覆冰平均厚度快速反演。实验结果表明:该方法能快速实现输电线覆冰厚度反演,覆冰厚度反演误差最大值为0.30 mm,相对误差为6.58%。该研究对高压输电线路覆冰风险监测与评估具有重要的应用价值。     

基于无人机载LiDAR的输电线路树障单木识别

树障是高压输电线路在复杂山区植被茂密区域运行所面临的主要安全威胁之一,不同树种生长周期不同,一定时间内的树障风险也不同。为了大范围准确识别林区的树木种类,文中提出了一种基于机载雷达测量技术的树木种类快速识别方法。首先利用机载雷达对输电线路地区地面进行快速点云数据获取,并且预处理数据得到单棵树木的冠层点云;随后建立冠层的空间属性点云特征量,包括树冠高度、树冠体积、树冠点云密度、冠层激光反射强度以及树冠形貌特征;最后根据树木的空间点云特征建立树木的种类K均值聚类识别模型。结果表明：对于该地区生长的树木,5种空间点云特征具有良好的识别效果,最终建立的树木种类K均值聚类识别模型对于验证数据的准确率达到了85.9%,Kappa系数0.812。输电线路下方植被种类的快速识别对于树障风险评估和预警具有重要意义。     

基于几何仿射与注意力的三维激光点云分类

三维点云分类和分割对于三维重建和自动驾驶等技术的发展具有积极的推动作用。三维点云数据具有无序、不规则和稀疏等特点，因此三维点云分类和分割的研究面临诸多挑战。PCT分类网络采用标量注意力机制提取三维点云局部特征，具有良好的三维点云特征学习能力，在三维点云分类和分割任务中表现出先进的分类精度。然而PCT在对三维点云数据进行下采样时忽视了其稀疏性对几何结构所产生的影响，从而无法充分地提取局部特征致使三维点云分类和分割精度下降。针对该问题，本文提出一种基于注意力机制的三维点云分类分割网络GAM-PCT，具体地，GAM-PCT网络采用了向量注意力机制对单通道特征的权重进行调节，利用减法关系和邻域位置编码对三维点云邻域求取注意力特征，同时在对整体点云下采样时插入即插即用的几何形状仿射（GAM）模块来解决三维点云局部区域的稀疏性问题，进而提升网络的分类准确率。实验结果表明，与PCT三维点云分类和分割网络相比，所提出GAM-PCT网络在数据集ModelNet40上的分类精度提升了0.3%，而在ScanObjectNN数据集上的分类精度提升了1.9%，在ShapeNet数据集上的分割平均交并比值提升了0.2%。同时在网络参数量和FLOPs指标上分别降低了0.31 G和0.69 M。实验结果表明改进后网络的复杂度得到了简化，充分验证了改进方法的有效性。     

基于PSO-KNN的变电站设备三维点云识别方法研究

针对传统的三维重建方法因数据缺失而造成的精度差、效率低等问题,在三维激光扫描点云的基础上,提出了一种将粒子群优化算法和k-近邻分类算法相结合的变电站设备三维点云识别方法。通过粒子群优化算法对各子空间特征的系数权重进行优化,k-近邻分类算法完成分类。通过实验分析点云子空间的大小和丢失率对识别效果的影响,并与改进的迭代最近点算法进行比较,验证该方法的优越性和准确性。实验结果表明,该方法具有较好的识别准确率和效率,识别准确率达到95%以上,平均识别时间为0.19 s,具有一定的应用价值。     

基于 3D 视觉的风电塔筒焊缝检测系统设计

为满足风电机组塔筒行业对焊缝外观质量缺陷检测高效性、精确性的需求,采用3D机器视觉技术研制了基于风电塔筒焊缝外观质量缺陷检测系统。首先,通过点云滤波、点云分割、点云精简对采集的点云数据进行预处理,确保后期缺陷评判的准确性;其次,对三维数据进行轮廓切片化处理以及断点拟合处理,得到轮廓特性;再次,采用递归粗提取改进算法提取特征点,进行缺陷评判,获得焊缝外观缺陷检测结果;最后,根据系统焊缝缺陷评判流程及标准,选取典型的焊缝样板进行焊缝宽度、焊缝错边以及焊缝直线度测试,焊缝检测精度可达0.001 mm,速度为当前人工检测速度的3倍,检测结果表明,系统具备高准确性、高速度和高精度特性,能代替人工检测,具有良好的应用前景。