无人机航拍图像的三维重建方法研究

在无人机为载体的基础上进行对目标场景的三维重建,就是结合无人机和计算机视觉技术,利用无人机操作灵活性,视角可控制性等优点.为实现更加完整的三维模型的重建,提出一种基于多图像拼接三维重建算法.基本思路是在无人机为载体的基础上,从不同方向获取目标物体的图像,通过自标定方法获取相机内参数,采用图像拼接融合技术对多幅图像分析、合成,从而最大限度地对建筑物场景的各种特征信息的描述.进一步对拼接融合后的图像进行特征点提取和点云匹配,从而获取全景图空间特征点三维点云,获得一个较为真实的重构对象的三维模型.实验结果表明,改进后的重构方法的精度较高,适合在许多场景三维重建的应用.     

基于电磁跟踪与超声图像的介入机器人穿刺导航方法及实验研究

在超声引导的微创介入手术应用中,仅凭超声图像难以实现对手术针实时、准确的跟踪。利用电磁定位系统结合超声图像实现微创介入机器人的穿刺导航任务。超声图像用于确定局部病变的位置,电磁定位系统用于对手术针进行实时定位和跟踪。为使二者有机结合,提出了一种基于伯恩斯坦多项式的误差补偿方法,对跟踪误差进行补偿;采用N线模型法对超声图像进行标定,并以此为基础完成手术针与图像空间的配准,进而提出了虚拟进针路径的概念,实现了电磁定位数据与图像数据的融合。为验证所提方法的有效性和可行性,对超声系统与电磁定位系统的结合性进行了实验研究;搭建了前列腺微创介入机器人平台,进行了多种角度下的靶向穿刺定位实验。实验结果表明:在使用尼龙作为机器人本体材料、钛合金材质手术针的前提下,所提方法对假体穿刺的平均精密度为1. 14 mm,平均准确度为1. 62 mm,能够满足前列腺介入手术的临床精度要求。     

基于超声波串列扫查的自动扫查装置控制系统研究

针对高压容器焊缝常存在边界未融合、未焊透、裂纹等危害性缺陷，设计了一种利用磁带导航、光纤传感器检测、磁轮驱动的自动扫查装置。利用超声波自动串列扫查原理．在工控机的控制下，自动扫查装置沿焊缝方向运动，实现对焊缝超声串列检测的自动化，可以在线对扫查装置进行监视和控制。对容器缺陷参数进行数据采集、处理等，当运动方向偏离串列扫查基准线时，控制系统根据调整算法进行实时校正。试验结果表明，该装置具有很高的定位精度和导航性能，利用扫查装置检测探伤，提高了缺陷检测性能，保证焊接的质量，也节省了大量的人力和物力。     

基于改进OMP算法的喷涂机器人轨迹规划研究

为实现CAD模型未知情况下的喷涂机器人自动轨迹规划,提出了一种基于工件三维点云直接生成喷涂轨迹的方法,并使用改进的正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法进行轨迹优化.首先,将理想涂层厚度函数视作原始信号,通过引入信赖域反射算法解决了投影系数的约束问题,应用OMP算法进行涂层厚度重建,并求出每条喷涂轨迹的位置和喷枪速率.然后,对预处理后的点云模型应用轨迹生成算法得到工件表面的喷涂轨迹,通过坐标变换和姿态解算生成机器人喷涂轨迹.最后,对扫描获取的待喷涂曲面使用上述方法进行仿真.仿真结果显示,重建涂层厚度误差为4.28％,满足均匀性要求,喷涂时间显著缩短,表明所提出的轨迹规划和优化方法是可行的.     

融合通用形变模型信息的面部三维重建

基于图像对的立体重建是用于获取人脸三维信息的通用方法,但根据图像数据和重建算法所得到的三维重建结果存在各种误差,本文对通用形变模型进行改进并与三维立体重建融合以得到更精确的重建结果。首先使用Max-Margin对象检测算法来获取面部边界框,其中回归树集合法能直接从像素强度的稀疏子集识别面部特征点。然后通过PCA颜色模型生成形状和颜色的三维面部统计模型,利用ISOMAP算法将三维网格转换为二维表面并提取纹理信息,得到面部模型。最后在源网格上进行两步非刚性表面配准的变形过程:先通过对源网格进行二次采样来选择少量网格点来表示源的全局变化,并选取径向基函数(RBF)进行非刚性全局变形;再对源顶点进行Procrustes分析获得非刚性变换,再通过加权方案来进行k-近邻变换,得到平滑的局部变形。将单图像重建的面部模型,立体重建的面部模型和本文的面部变形模型与高质量扫描云图进行对齐比较,得到面部变形模型的3个RMS值分别为2.795 2,2.102 8和2.153 4,相比于其他模型,面部变形模型更接近高质量扫描云图,即与原图像一致性更高,误差更小。面部变形模型的定性和定量分析表明,立体重建与人脸一般形状信息的组合在几何信息的表达上优于基于通用模型的单个图像重建以及未考虑通用模型的立体重建。     

复合材料曲面构件缺陷超声三维成像方法

针对目前复合材料曲面结构缺陷检测技术存在的检测结果不直观、效率低等问题,提出一种基于超声相控阵的缺陷三 维成像方法。 使用三维激光扫描仪获取曲面的点云模型,通过平行截面法规划检测路径,然后使用相控阵轮式探头采集超声图 像数据。 利用均匀三次 B 样条函数拟合检测路径与曲面,根据扫查步长和图像序列关系计算超声图像数据点的空间位置以生 成超声点云集。 最后利用体素化降采样方法对超声检测结果进行重建,实现复合材料内部缺陷的三维成像。 实验结果表明,本 文方法的缺陷成像结果与 CT 检测结果的平均误差为 1. 14 mm,能够快速准确地重建缺陷的位置、形状与尺寸信息,实现复合材 料曲面样件内部缺陷的精确表征。     

基于单目视觉的压力传感器三维重建研究

压力传感器模块结构呈对称式设计,单纯的二维图像难以表征表面缺陷的位置与缺陷处的三维信息,因此提出一种基于特征提取的三维重建方法来解决缺陷位置不明确的问题。首先,使用改进SIFT算法对实验图像特征提取并匹配特征点。其次,使用运动恢复结构生成稀疏点云。然后,使用PMVS算法将点云稠密化。最后使用泊松表面重建算法完成模型三维重建。实验结果表明:压力传感器模块三维重建模型能够有效表征表面缺陷位置,可以为下一步实现自动远程监测压力传感器模块表面缺陷提供技术支撑。     

基于双重配准的机器人双目视觉三维拼接方法研究

针对机器人图像视觉视野不够开阔,不能获得全面障碍物信息的问题,提出了一种基于轮廓识别的三维重建与可变视觉三维拼接方法。对双目立体视觉系统拍摄的两幅图像中提取出的边缘点进行了边界跟踪,然后基于窗口灰度匹配法,对两幅图像上的像素点进行了匹配,来寻找双目立体视觉系统左右两幅图像中对应的像素点,重建出了障碍物的三维轮廓,并根据目标物体轮廓的连续性对三维轮廓进行了优化;在此基础上提出了基于双重配准算法的可变视角三维拼接方法,采用改进ICP算法对转换到同一坐标系下的两片三维点云进行了精确配准,并对拼接处进行了融合处理,从而得到了大视野的障碍物信息。研究结果表明:通过可变视角三维拼接方法重建的三维模型具有较高空间坐标精度,并且能够通过改变双目立体视角范围获取大视野图像,最大限度地满足机器人障碍物检测和路径规划的要求。     

α-Shape算法双机器人协作工作空间研究

机器人协作工作空间是机器人领域的研究热点,但同时也是技术难点.首先以集合形式给出了协作工作空间的定义,基于蒙特卡洛法分别得到主、从机器人工作空间的点云模型;分析了求交集法提取协作空间点的不足,并给出一种通过计算点与点距离并加入一定阈值的判断方法,有效的提取到了协作空间内的点云;运用α-Shape算法分别处理单机器人工作空间与协作工作空间点云数据,对工作空间进行了三维重建,同时给出了基于体积值的参数α的确定方法,并基于此获得了较好的重建效果.最后以六自由度转动关节机器人为例进行了计算和分析,验证了方法的有效性,为指导机器人协作相关技术奠定了重要的理论基础.     

基于机器人的管道内壁三维重建技术研究

该文主要研究根据排水管道的二维激光扫描信息重建其三维内壁图像的技术与应用。提出了携带二维激光扫描仪的管道机器人对管道内壁进行数据采集及处理的方案;探讨管道内壁的三维数据重建算法,即利用机器人在管道中相对于水平面的二维倾角信息和管道内壁点云的圆柱形几何特征来计算机器人在管道中的姿态,进而得到机器人坐标系相对于全局坐标系的变换矩阵,把不同视点的点云转换到统一的全局坐标系中,对点云进行匹配。实验验证了该文提出的管道三维重建算法的可行性,对于检测管道内部工况具有重要的理论与应用价值。     

基于逆向工程的个性化人工关节三维CAD数模的建立

通过螺旋CT扫描人体股骨关节,得到二维断层图像数据,利用数据处理软件将二维图片转换成三维点云数据,继而依据点云数据,采用计算机三维重构技术,构建了股骨的三维CAD数字模型.     

简单零件的三维自动标注

结合零件设计,阐述了三维尺寸自动标注的必要性。传统的手工标注方法速度慢、效率低、重复性工作多。介绍了弯管和钣金2类零件的自动标注方法,阐述了在UG平台上二次开发实现三维尺寸自动标注的具体方法和步骤。     

基于2D激光扫描的基准检测技术研究

在机器人自动制孔系统中,基准孔检测的准确性会直接影响整个机器人制孔过程的位置精度。为获取基准孔孔位准确信息,采用激光扫描的方式对基准孔进行检测。设计了2D线激光扫描在基准平面内点云的三维转化方法,通过分析基准孔在扫描仪坐标系下点云的分布特点,提出了一种基于坐标差值的基准孔边界提取算法。通过设定相邻点云在线激光扫描仪坐标系下z轴的坐标差值获取边界点,实验验证该算法能有效地去除点云中的噪声点,获取准确的基准孔边缘特征信息,进而得到准确的基准孔孔位信息。     

基于ASODVS的全景相机运动估计及管网3D重构技术

针对地下管网的空间三维测量、三维形貌重构难等问题,提出了一种基于主动式全方位视觉传感器(ASODVS)的相机运动估计及管网3D重构解决方案。通过携带有ASODVS的管道机器人进入管道内部,实时获取管道内壁纹理全景图像和全景激光扫描图像;首先对全景激光扫描图像处理解析出投射在管道内壁上的激光中心点,通过计算得到管道横截面的点云数据;另一方面,对全景纹理图像进行处理,首先利用快速鲁棒性特征(SURF)算法快速提取特征点并进行匹配,然后采用随机抽样一致性(RANSAC)算法去除误匹配点,接着利用全景相机的极几何原理估计相机运动位姿,并利用光束法平差(BA)进行优化,最后利用相机运动位姿将相机坐标系下的点云坐标实时转换到世界坐标系下,完成对地下管网的三维重构。实验结果表明,所提出的方案能够精确估计相机运动位姿,实时对管道内部进行三维重构,实现了管道检测机器人边行走、边采集数据、边检测分析处理、边三维建模的设计目标。     

采用深度级联卷积神经网络的三维点云识别与分割

三维目标识别和模型语义分割在自动驾驶、机器人导航、3D打印和智能交通等领域均有着广泛应用。针对PointNet++未能结合三维模型的上下文几何结构信息的问题,提出一种采用深度级联卷积神经网络的三维点云识别与分割方法。首先,通过构建深度动态图卷积神经网络捕捉点云的深层语义几何特征;其次,通过将深度动态图卷积神经网络作为深度级联卷积神经网络的子网络递归地应用于输入点集的嵌套分区,以充分挖掘三维模型的深层细粒度几何特征;最后,针对点集特征学习中的点云采样不均匀问题,构建一种密度自适应层,利用循环神经网络编码每个采样点的多尺度邻域特征以捕捉上下文细粒度几何特征。实验结果表明,本算法在三维目标识别数据集ModelNet40和MoelNet10上的识别准确率分别为91.9%和94.3%,在语义分割数据集ShapeNet Part,S3DIS和vKITTI上的平均交并比分别为85.6%,58.3%和38.6%。该算法能够提高三维点云目标识别和模型语义分割的准确率,且具有较高的鲁棒性。     

机器视觉及激光轮廓扫描的电流互感器外观信息自动识别算法

为了提高电流互感器外观信息的识别精度,对基于机器视觉及激光轮廓扫描的电流互感器外观信息自动识别算法进行了研究.利用线激光轮廓传感器获取了电流互感器外观轮廓的三维点云数据,依据三维点云数据重构了电流互感器外观轮廓图像,丰富了外观细节信息.按照外观图像形状信息特征参数,采用二叉决策树分类器识别了污渍与裂纹等外观形状信息.利用形态学字符定位方法与垂直投影法,自动识别外观图像空间信息即字符信息.实验结果表明,该算法识别电流互感器外观信息的准确率高于９９％ ,识别速率为 １．０１ 个/ s ,具备较好的自动识别性能.     

单线激光雷达与GNSS/INS的空间重构

为了解决多线激光雷达在三维空间重构任务中数据吞吐量过大导致运算负担过重以及扫描俯仰范围有限的问题,本文提出了一种利用单线激光雷达与惯性测量单元GNSS/INS相互结合的多站点扫描空间重构方案及相应解算方法。首先使用单线激光雷达扫描待测空间获取三维尺度信息,然后将点云数据与对应的任意方向的航向角相结合,再利用四元数姿态解算获取各站点扫描的点云图像。为提高计算效率,使用迭代最近点算法实现站点间点云配准时,对待匹配点云数据筛选并更新。实验结果表明在保留点云数字特征前提下,单线激光雷达与GNSS/INS系统能够提高76%的运算速率。本文提出的硬件方案和解算方法不但能够实现较高的配准精度,与多线激光雷达方案相比工程成本也得到显著下降。     

基于数值算法和CAD的机器人工作空间三维建模

机器人操作臂三维工作空间的精确计算对于它的设计和应用非常重要。文中介绍了一种基于数值算法和CAD的新方法来创建机器人的三维工作空间。该方法采用一种基于随机概率和前向运动学的数值方法,在其主工作空间横向剖面生成由点云构成的3D机器人的平面工作空间,描绘平面工作空间的边界曲线,最后生成机器人工作空间的3D模型。文中用实例阐明了该方法的实用性。     

数控弯管的空间转角数据转换算法

应用矢量弯管原理,推导和比较了数控弯管的空间转角数据转换的三种算法;并基于空间三角形算法,采用可视化编程软件VC＋＋6．0开发了三维弯管数控系统软件,实现自动弯管。     

模糊先验引导的高效强化学习移动机器人导航

针对移动机器人仅使用 RGB-D 相机在室内场景下执行坐标点主动视觉导航任务,提出了一种基于模糊先验引导的高效强化学习控制算法,设计了一种先验与强化学习的融合控制方式.结果表明,所提出的融合控制方法能够在确保较好的导航准确率基础上,避免训练中无意义的探索并缩短强化学习训练时长,实现强化学习策略的高效学习.