植物叶片点云三角剖分与分割的集成算法

对植物叶片点云进行三角剖分是使点云构成结构合理的三角网格,便于对植物叶片形态进行描述。对传统的基于区域生长的三角剖分算法进行改进,在三角剖分的同时对不连续点云进行分割;并在三角剖分的基础上对点云内部孔洞进行分析、修复。利用该算法对含有大量离群点的植物叶片点云进行三角剖分处理,结果表明,所提出的算法在完成点云三角剖分和分割的同时剔除了离群点的干扰,提取得到的点云边界及内部孔洞的修复,能满足植物建模中叶片重构的要求;该方法同时也对不连续物体表面的重构建模提供了有意义的参考。     

基于三维点云处理的髋臼锉锉齿尺寸分析

髋臼锉是髋关节置换手术中最重要的手术刀具之一,髋臼锉锉齿的尺寸变化会影响髋臼锉对髋臼的铣削质量。通过处理髋臼锉三维点云可以检验髋臼锉的磨损情况,为此提出基于三维点云处理的髋臼锉锉齿尺寸分析的算法。首先结合锉齿孔洞具有点云的边界特征引入微切面法,利用最大夹角准则获取髋臼锉点云的边界;然后通过K-means聚类算法分割点云边界以标记不同齿孔位置,并对分割出的各个齿孔边界点云进行半径最近邻搜索获取隶属不同的锉齿孔的齿刃点云;最后通过RANSAC(RANandom SAample Consensus)算法对髋臼锉三维点云进行球面拟合,计算各齿孔上的齿刃点云到拟合球心的欧氏距离来分析髋臼锉的切削齿尺寸。以PCL(Point Cloud Library)为框架,实现了对髋臼锉锉齿点云的处理,其中髋臼锉点云的齿孔分割准确度达到100%,髋臼锉点云球面拟合半径精度达到0.004 mm;并对各个锉齿点云尺寸范围进行了分析。实验结果表明,所提算法对髋臼锉点云处理效果好,能有效地实现髋臼锉锉齿尺寸分析。     

利用倾斜摄影测量的农村房屋信息调查北大核心CSCD

针对传统房屋测量投入周期长、测绘成本高的问题,提出了一套从数据获取到产品输出的农村房屋信息调查自动化解决方法。首先,利用无人机装载多视角相机以获取倾斜摄影测量影像数据,并从中生成三维点云、数字地表模型、正射影像图;然后,采用颜色与尺度信息融合的方式去除非建筑物点,利用多规则区域增长算法提取建筑物点云;最后,利用房屋外墙投影线、高程急剧变化边界线、屋顶不同平面相交线融合修正得到精确的房屋轮廓,并进行房屋空间信息计算与三维重建,实现了高效率、低成本、高精度的农房信息提取。在武汉新洲区施庙村的试点研究结果表明,自动化调查方法房屋面积在限差以内的房屋可达80%以上,平均精确率达到99.24%。     

利用Kinect深度信息的三维点云配准方法研究

针对三维重建中的点云配准问题,提出一种基于点云特征的自动配准算法。利用微软Kinect传感器采集物体的多视角深度图像,提取目标区域并转化为三维点云。对点云进行滤波并估计快速点特征直方图特征,结合双向快速近似最近邻搜索算法得到初始对应点集,并使用随机采样一致性算法确定最终对应点集。根据奇异值分解法求出点云的变换矩阵初始值,在初始配准的基础上运用迭代最近点算法做精细配准。实验结果表明,该配准方法既保证了三维点云的配准质量,又降低了计算复杂度,具有较高的可操作性和鲁棒性。     

基于立体视觉的玉米叶片形态测量与三维重建

提出一种基于立体视觉的玉米叶片形态测量和重建的方法。利用双目立体视觉系统获取玉米叶片的两幅图像,通过图像分割技术和边缘检测算法对每幅图像中的玉米叶片进行边缘提取;利用极线约束和彩色图像RGB值对图像进行匹配,计算出叶片边缘的三维坐标,从而恢复叶片的三维边缘;利用对叶片边缘的恢复技术,对叶片曲面进行三维重建;根据恢复的区域点云,可以测出任意两点的空间距离,实现了对叶片的三维测量。试验结果表明,此方法能够很好地恢复玉米叶片的三维信息,为玉米叶片三维形态的无损、快速检测监测提供了新的方法。     

植物叶面积测定系统的研究及其应用

在Windows操作系统下,测量系统采用图像处理技术,根据植物叶片扫描图像像素点的分布特征以及扫描图像灰度值的直方图来确定灰度值的判读指标;应用扫描图像RGB三原色的灰度值分离理论,通过叶片像素点的分布比例提出一种计算叶片面积大小的算法。VC 结合该算法,在程序中定义处理位图的核心DIB类,编写了“植物营养诊断系统软件”中叶面积测定部分。结果表明：应用该软件所测定的植物叶面积与传统的复印称重法测定植物叶面积的相关系数r为0．9998。该方法测定叶面积具有相对误差小,测量速度快的特点。     

基于多视角车辆轮廓深度图像的割线迭代接近角计算方法

针对车辆通过性指标中接近角的测量问题，提出一种基于深度相机获取车辆底盘轮廓点云的接近角计算方法。首先使用深度相机对目标车辆底盘轮廓进行多视角的点云采集，并通过迭代最近点算法进行点云拼接与模型重建，对轮廓点云的轮胎特征进行分割提取，最后采用本文提出的割线迭代方法对接近角进行计算。通过计算机仿真构建车辆轮廓点云，并对该点云进行拼接、分析计算。结果表明，本文提出的方法具有快速、准确的接近角计算效果。     

基于切片方法截面数据处理

为了提高后续截面轮廓重建的精度,提出了基于截面切片后数据处理的系列算法.首先用点云束细化算法对切片数据进行细化处理,采用类似于移动最小二乘法的跟踪方法,整个过程不对测量数据进行局部坐标变换,迭代步长由点云密度控制;将截面切片数据细化后,用双链表排序算法对细化后的数据进行排序处理;对截面测量数据的特征点提取,结合"角偏差法"和"弦高差法"的优点,研究了对提取特征点结果影响的几个主要因子,提出一种对冗余数据处理及特征点提取的方法,得到的点云数据可以进行很好的分组处理,并拟合成合适的轮廓特征单元.     

无人机摄影测量点云道路自适应提取

在无人机摄影测量中, 针对传统的地面点云提取方法对图像点云数据中的道路提取适应性较差的问题, 本文提出了一种无人机摄影测量点云道路自适应提取方法. 首先, 根据点云的空间几何特征将点云划分为3个类别; 然后, 针对非道路的点云类别采取相应的方法进行剔除; 最后, 对经过自适应提取方法得到的点云数据进行滤波平滑和基于颜色的区域生长分割处理. 实验结果表明, 该方法提取的道路点云的I类误差为4.97%, II类误差为1.14%. 该方法能够有效地提取目标道路路面, 提高了无人机摄影测量工程应用中点云数据处理的效率.     

基于ASODVS的全景点云数据获取技术的研究

针对现有三维激光扫描设备不能同时获取空间点云的坐标信息和色彩信息,多视角点云数据配准复杂等问题,采用了一种将全方位视觉传感器ODVS(Omni-directional Vision Sensor)和可移动360°面激光光源相结合的主动式全景视觉传感器ASODVS(Active Stereo Omni-directional Vision Sensor)来获取点云数据。通过人机接口对ASODVS的扫描步长和速度等进行控制,实现了边扫描边获取全景点云数据;对获取点云数据空间信息过程中的关键技术——激光投射点提取算法进行了深入研究;采用了3种不同的全景激光线提取算法对全景切片图像中激光投射点进行提取,并实验研究了各自的优劣;实验结果表明,对于ASODVS而言,帧间差提取算法能有效快速准确的提取三维全景场景中激光投射点,并具有消耗计算机资源少、操作过程自动化、生成数据有序等优点。