用于多视点云拼接的改进ICP算法

点云拼接在三维物体重建中有着广泛的应用,由于扫描设备会受到光照、遮挡或物体尺寸等的影响,使得扫描设备不能在同一视角下获取待测物体的全部点云信息. 针对迭代最近点算法（ICP）受点云初始位姿影响较大,鲁棒性差的特点,提出一种将多视点云数据作为研究对象,基于改进ICP算法的点云拼接算法. 该算法在选取特征点时,将坐标轴与阈值相结合,设定一个阈值约束候选点的搜索范围,然后得到欧氏距离最近的点集,并使用ICP算法进行点云拼接. 实验结果表明使用本文算法较传统ICP算法在迭代耗时、拼接精度上有明显的优势.     

基于距离直方图的最优视点选择

基于物体内蕴几何量,提出一种观察三维物体的最优视点选择方法.首先在三维物体表面均匀采样获取采样点,并计算物体形心,然后利用采样点到物体形心的距离来构造距离直方图,最后计算距离直方图的Shannon熵并将其作为衡量视点优劣的标准.根据认知心理学理论,最优视点是存在的,也是恒定的,故文中视点在包围球上选取.实验结果表明,采用该方法获得的最优视点能观察到三维物体更多的功能结构和更显著特征,与其他方法相比更符合人类的感官选择.     

基于特征点检测的三维模型最佳视点选择

针对三维模型最佳视点选择问题,提出了一种基表面特征点检测的视点选择算法。首先引入一种基于局部平均形心距离差的顶点显著性度量方法,认为三维网格模型表面某顶点的显著性是由该顶点与形心之间距离和该顶点邻域内的顶点与形心之间距离的平均差值来刻画,而不是该点所在位置的弯曲程度所决定;然后根据顶点的显著性大小进行三维模型表面特征点检测;最后针对视点球体上的每个候选视点分析该视点下可见特征点的几何分布和显著度大小计算视点质量,提取出最佳视点。实验结果验证了基于三维模型特征点的视点选择方法的有效性,在能够选择出质量较优的视点的同时保证算法的效率。     

自由形态物体多视点深度数据配准方法研究

针对多视点数据配准问题提出了一种基于几何匹配的定位方法,该方法是在最近点迭代匹配算法（Ｉｔｅｒａｔｉｖｅ Ｃｌｏｓｅｓｔ Ｐｏｉｎｔ Ａｌｇｏｒｉｔｈｍ）的基础上,对参与最佳旋转矩阵计算的对应点对进行了限制,因而扩大了算法的适用范围,同时又对用结构光方法重建获得的三维物体表面数据进行了加权处理,从而减少了曲面重建所产生的误差对配准精度的影响,并通过实验证明了该方法的有效性。     

一种基于视点的网格模型简化算法

在计算机图形学中,经常采用网格模型对物体和场景进行描述,而网格模型的大数据量成为实时绘制的瓶颈.因此,必须对网格模型进行简化,目前的简化算法,主要是以网格模型几何误差的最小化为准则,而忽略了模型的视觉特征.本文提出了一种基于视点的网格模型简化算法,其简化准则是视觉特征的最优化,利用视点相关,建立视点与网格精度的对应关系,对距离视点较近的部分采用较密网格,对距视点较远的部分采用稀疏网格.实验结果表明,该算法能够在保证高度真实感视觉效果的前提下,实现模型较大幅度的简化.     

Java3D鼠标交互功能的扩展与应用

分析了Java3D提供的鼠标交互功能,针对场景比较复杂,待拾取物体相对距离近的虚拟环境中用户拾取不准的问题提出了一种解决思路：在鼠标移动过程中实时创建一条连接空间中的视点与投影平面上的鼠标点的射线,检测沿射线的方向是否有物体与之相交,若有则返回距离视点最近的与射线相交物体所在的节点,并在该节点上添加一个动画效果提示用户该节点是预选节点。重点讲解了具体的实现过程,在最后的部分结合实际应用背景验证了该方法可以有效地方便用户的拾取操作。     

可变形物体间的精确碰撞检测方法研究

针对可变形物体,提出了一种基于粒子的精确碰撞检测算法。首先用LBG矢量量化技术将物体的表面划分成几个小区域,然后在每个区域中分别选择一个点作为检测粒子。当一个物体接近另一个物体时,找出两物体上靠得最近的粒子对。为了得到精确的碰撞位置坐标,进一步计算靠得最近的顶点的相关三角面片之间的最短距离。若此距离小于某个给定的阈值,则可认为两物体在相关三角面片上的最近点处发生了碰撞。仿真实验验证了该算法能有效处理虚拟力交互仿真中的可变形物体的碰撞检测。     

集群计算环境下的三维表面重建

讨论了一种在集群计算环境下将物体各个方向的表面片拼接起来形成物体完整表面的算法．通过采样计算出体素到每个表面片的最近距离,利用添加策略计算出每个体素的权重距离,再利用行进块算法抽取出物体表面．实验结果表明,该算法在普通的PC集群上并行计算,可以大大减少建模的时间,特别是在大数据量时,加速的效果更加明显。     

基于图片序列的三维表面重建

根据非透明物体内部不可见的实际,提出了一种基于图片序列的三维表面重建算法.该算法首先利用传统的八叉树算法重建出物体的三维模型,然后利用一种新颖的表面点提取算法提取出物体表面点,最后利用这些表面点进行三角网格剖分,进而重建出光滑的三维物体表面.在表面点的提取过程中,算法对处于不同状态(处于立方体的顶点、棱、面)的点赋予不...     

基于深度加权法向映射的三维模型检索

提出一种基于深度加权法向映射的三维检索算法,从归一化处理后的物体形状出发,计算关于视点方向的深度加权表面法向统计分布,并将该分布沿视点方向作球面调和分析得到深度加权法向映射特征,通过比较该特征的距离来度量任意三维模型之间的相似性。     

A two-stage registration algorithm for oil spill aerial image by invariants-based similarity and improved ICP

Image registration is a crucial progress in detecting oil spilled on the sea and is also important for estimating the volume of the oil spill, especially when one image cannot cover the entire polluted region. In this article, a new algorithm is proposed to register geometrically distorted aerial images of oil spill accurately and automatically. There are two stages in this algorithm: coarse registration and fine registration. Invariants-based similarity and relative space distance are applied to coarse matching. Then improved iterative closest point (ICP) algorithm is used for registering images finely, which is the combination of ICP and a method of solving assignment problem to deal with mismatches. The performance of the proposed algorithm is evaluated by registering oil spill ultraviolet (UV) and infrared (IR) images, respectively. Compared with traditional ICP and other algorithms, the efficiency and accuracy of the proposed algorithm are highly improved.     

A fast registration algorithm of rock point cloud based on spherical projection and feature extraction

Point cloud registration is an essential step in the process of 3D reconstruction. In this paper, a fast registration algorithm of rock mass point cloud is proposed based on the improved iterative closest point (ICP) algorithm. In our proposed algorithm, the point cloud data of single station scanner is transformed into digital images by spherical polar coordinates, then image features are extracted and edge points are removed, the features used in this algorithm is scale-invariant feature transform (SIFT). By analyzing the corresponding relationship between digital images and 3D points, the 3D feature points are extracted, from which we can search for the two-way correspondence as candidates. After the false matches are eliminated by the exhaustive search method based on random sampling, the transformation is computed via the Levenberg-Marquardt-Iterative Closest Point (LM-ICP) algorithm. Experiments on real data of rock mass show that the proposed algorithm has the similar accuracy and better registration efficiency compared with the ICP algorithm and other algorithms.     

基于特征点和改进ICP的三维点云数据配准算法

在光学非接触三维测量中,复杂对象的重构需要多组测量数据的配准。最近点迭代(ICP)算法是三维激光扫描数据处理中点云数据配准的一种经典的数学方法,为了获得更好的配准结果,在ICP算法的基础之上,提出了结合基于特征点的等曲率预配准方法和邻近搜索ICP改进算法的精细配准,自动进行点云数据配准的算法,经对牙齿点云模型实验发现,点云数据量越大,算法的配准速度优势越明显,采用ICP算法的运行时间(194.58 s)远大于本算法的运行时间(89.13 s)。应用实例表明:该算法具有速度快、精度高的特点,算法效果良好。     

An orientation reliability matrix for the iterative closest point algorithm

This paper proposes a matrix which represents the reliability of the rotation components of the iterative closest point (ICP) algorithm in range image registration. We show that the reliability of the ICP algorithm depends on the surface normal vectors of the object.     

基于假设检验匹配约束的点云配准算法研究

针对点云配准中效率低、误差大、抗噪性弱等问题,提出了一种改进的基于t检验的迭代最近点(T-ICP)算法。在初始配准阶段,采用统计分析对源点云和目标点云中的离群点进行标记并提取非离群点,然后采用主成分分析法(PCA)计算非离群源点云和非离群目标点云之间的变换矩阵,并将变换矩阵应用于源点云。在精配准阶段,以迭代最近点(ICP)算法作为基本框架,通过对候选点对的邻域距离分布进行t检验来剔除错误点对,并采用均匀分布策略来搜索点对,保证点云的完整形态配准。实验结果表明,相较于迭代最近点算法以及近两年一些改进的配准算法,该算法在效率和精度上分别提高了10%~50%和4%~40%,并具有较好的鲁棒性。     

基于混合遗传算法和表面间平均体积度量的深度像匹配

提出了一种利用改进的遗传算法和表面间平均体积测度进行深度像匹配的方法.与现有基于距离的误差评判不同,该方法通过衡量深度像重叠区域内每个三角形所对应三维空间的大小来指导深度像的配准.另外,遗传算法的使用避免了困扰ICP算法的初值选取问题,退火选择、最优个体迁移以及动态的空间退化都保证文中所提出的混合遗传算法比传统的遗传算法具有更快的收敛速度,能够有效地完成深度像的精确匹配.实验结果表明该算法具有较高的配准精度,收敛速度快而且抗噪声能力强.     

基于ICP算法的医学图像几何配准技术

几何配准是医学图像领域研究的重要内容，医学图像几何配准的目标就是建立术前和术中两组点的变换关系。该文利用股骨为模型，讨论了基于轮廓特征的ICP医学图像几何配准算法，从技术上实现了术前建模和术中取点，并编制相应的ICP算法程序。     

Robust Non-rigid Registration Based on Affine ICP Algorithm and Part-Based Method

The classical affine iterative closest point (ICP) algorithm is fast and accurate for affine registration between two point sets, but it is easy to fall into a local minimum. As an extension of the classical affine registration algorithm, this paper first proposes an affine ICP algorithm based on control point guided, and then applies this new method to establish a robust non-rigid registration algorithm based on local affine registration. The algorithm uses a hierarchical iterative method to complete the point set non-rigid registration from coarse to fine. In each iteration, the sub data point sets and sub model point sets are divided, meanwhile, the shape control points of each sub point set are updated. Then we use the control point guided affine ICP algorithm to solve the local affine transformation between the corresponding sub point sets. Next, the local affine transformation obtained by the previous step is used to update the sub data point sets and their shape control point sets. Experimental results demonstrate that the accuracy and convergence of our algorithm are greatly improved compared with the traditional point set non-rigid registration algorithms.     

一种快速的三维扫描数据自动配准方法

研究了两幅和多幅深度图像的自动配准问题.在配准两幅深度图像时,结合二维纹理图像配准深度图像,具体过程是:首先,从扫描数据中提取纹理图像,特别地,针对不包含纹理图像的扫描数据提出了一种根据深度图像直接生成纹理图像的方法;然后,基于SIFT(scale-invariant feature transform)特征提取纹理图像中的兴趣像素,并通过预过滤和交叉检验兴趣像素等方法从中找出匹配像素对的候选集;之后,使用RANSAC(random sample consensus)算法,根据三维几何信息的约束找出候选集中正确的匹配像素对和相对应的匹配顶点对,并根据这些匹配顶点对计算出两幅深度图像间的刚体置换矩阵;最后,使用改进的ICP(iterative closest point)算法优化这一结果.在配准多幅深度图像时,提出了一种快速构建模型图的方法,可以避免对任意两幅深度图像作配准,提高了配准速度.该方法已成功应用于多种文物的三维逼真建模.     

基于多分辨率的快速迭代最近点配准算法

针对迭代最近点(Iterative Closest Point,ICP)算法计算时间长的问题,提出一种基于多分辨率配准点的ICP算法。使用自适应体素网格滤波器对原始点云进行多分辨率采样,利用低分辨率点云快速迭代获得两点云间初始变换矩阵;利用高分辨率点云在初始变换基础上做更精确配准。实验结果表明,该算法在配准精度基本不变的情况下,可以显著降低配准时间,且随着点云点数增加,速度提升效果越明显。