共查询到17条相似文献,搜索用时 265 毫秒
1.
为对海量三维激光点云数据进行精简,提出一种拟万有引力定律的点云数据精简方法。该方法将万有引力定律中各点质量替换为点的切向与径向联合曲率表征参数,通过求解点云中各点之间的引力分布,实现点云数据平坦与特征区域的划分,完成点云数据中特征点的提取与保护。将非特征区域点大比例均匀采样,再与完整的特征点融合形成精简后点云数据,将其与原始点云进行对比,结果表明:该精简方法在有效保留特征区域的基础上可以大比例精简点云,同时精简前后点云点距离误差较小。在总精简比94%时,最大点间距离偏差值为0.1 mm,且高偏差值点均位于非特征区域。 相似文献
2.
3.
4.
5.
基于八叉树编码的点云数据精简方法 总被引:1,自引:0,他引:1
针对逆向工程中的点云数据预处理,分析了现有数据精简方法的不足,提出了基于八叉树编码的均匀精简方法。应用八叉树编码法划分点云邻域空间为多个指定边长的子立方体,保留每个子立方体中距中心点最近的点,实现从空间整体角度对点云的精简。对涡轮叶片测量数据进行了精简测试,证明了该算法的有效性和实用性。 相似文献
6.
提出了一种新的基于最小曲面距离的点云精简算法,算法在简化点云数据的同时不损失特征。点云被划分成一系列的三维子网格,根据子网格,找到最近k邻域。散乱点云的k邻域通过二次参数曲面拟合,进一步得到相关曲率。依据提出的曲面距离,对点云进行精简。选择了一些典型的点云,如冲浪、石头、陶俑、牙齿等数据对算法进行了验证。结果表明,可以直接和有效地减少点云数据,同时保持原始模型的几何形状,对点云精简研究有一定的理论和实践意义。通过实验也证明了该算法的可靠性和准确性。 相似文献
7.
现有的法矢量测量技术无法满足测量准确度和实时性的双重要求,法矢量计算方法不能适用于不同曲率的曲面。利用双目立体视觉,本文提出了一种基于曲率自适应的法矢量测量方法。首先,在双目立体视觉的基础上,基于变曲率曲面特征建立制孔区域曲面模型,提出投影点的布局方法;然后,基于三维重建的投影点数据,提出了基于曲面曲率自适应识别的法矢量计算方法;最后,针对小曲率曲面样件的测量结果,与三坐标测量仪测得的法矢量进行对比,用以验证本双目视觉测量方法的精度。实验结果表明:该方法测量法矢量误差为1.6°。该方法可有效提高法矢量测量的准确度,满足大型航空零件现场测量的工程要求。 相似文献
8.
9.
10.
11.
利用从运动中恢复结构方法(SFM),提出了一种基于多视图立体视觉的沙堆三维重建及三维尺寸测量方法。首先根据SFM方法的求解不稳定特点,结合光束平差法对SFM求解过程进行分析及优化;其次针对SFM重建结果为稀疏点云的问题,利用基于面片的稠密重建算法重新生成稠密的三维点云,再利用泊松算法对密集点云进行三维曲面重建;最后获得模型的三维尺寸信息。对某建筑工地的沙堆进行了三维尺寸的测量实验,实验结果验证了该方法的有效及可行性,提高了重建能力及精度,同时考虑了目标实际测量误差与重建误差,能够满足实际智能测量的应用需求。 相似文献
12.
针对在机测量传统采样方法存在的采样点过于集中和采样区域遗漏影响曲面轮廓度的问题,将MacQueen K-means(MK)算法与模拟退火(SA)算法相结合,提出基于MKSA的复杂曲面在机测量自适应采样方法。利用MK算法生成二维质心Voronoi结构(CVT结构),将复杂曲面离散点云数据的高斯曲率绝对值作为生成CVT结构的密度函数,以方差函数为收敛准则,通过全局算法SA的退火准则设置降温系数,提高MK算法的全局寻优能力,生成全局最优的二维CVT结构;将质心点映射回原曲面,获得质心位置对应的曲面采样点,从而实现复杂曲面的自适应采样。仿真及实验结果表明:MKSA算法使曲面测量采样点分布更合理,拟合曲面与CAD模型的最大偏差及平均偏差均小于传统方法,更逼近CAD模型的理论曲面。 相似文献
13.
提出一种圆锥体组件加工信息快速高精度检测与生成的方法。首先,使用Delaunay网格划分法对圆锥体组件点云数据进行处理,得到其三角网格模型;其次,利用最小二乘拟合方法计算圆锥体组件点云数据各空间点最近邻域平面及其法向量,并构建空间点与法向量之间的映射关系,再根据该映射关系提取锥角;最后,通过对圆锥体组件点云数据的整体形貌分析提取锥高,利用锥角与锥高之间的关系计算出底面圆半径,通过计算的方式快速得到圆锥体组件的高精度加工信息。实验结果表明:该方法与几何测量方法相比,圆锥体组件的锥角θ、锥高h和底面圆半径r的误差分别降低了77.64%、70.53%和73.48%,时间减少了81.74%,能够实现圆锥体组件快速高精度加工信息检测与生成。 相似文献
14.
15.
《国际设备工程与管理》2016,(1)
In order to quickly and efficiently get the information of the bottom of the shoe pattern and spraying trajectory,the paper proposes a method based on binocular stereo vision. After acquiring target image,edge detection based on the canny algorithm,the paper begins stereo matching based on area and characteristics of algorithm. To eliminate false matching points,the paper uses the principle of polar geometry in computer vision.For the purpose of gaining the 3D point cloud of spraying curve,the paper adopts the principle of binocular stereo vision 3D measurement,and then carries on cubic spline curve fitting. By HALCON image processing software programming,it proves the feasibility and effectiveness of the method. 相似文献
16.
目的通过三维扫描仪得到的点云数据往往存在很多异常值,例如噪点、遗失点和外部点等。在这些异常值存在的情况下,为了提高三维点云数据的分类精度,提出一种基于集成学习的强鲁棒性三维点云数据分类方法。方法提出一种基于最大投票法的集成学习思想,将2个深度神经网络的分类结果进行集成,从而提高网络的泛化性和准确性;采用全局特征增强和中心损失函数来优化神经网络结构,提高分类精度并增强鲁棒性。结果文中方法缩短模型训练时间至30个迭代次数,且在有噪点、丢失点和外部点的情况下分类精度均得到有效提升。结论提出的EL-3D算法在含有噪点、丢失点和外部点的情况下,鲁棒性效果要优于目前的点云分类方法。 相似文献