基于自适应八叉树的三维点云快速拾取方法研究

针对逆向工程中大规模点云数据快速拾取问题,对当前三维图形拾取基本方法进行了研究,对点云拾取的基本流程和点云快速拾取的关键问题进行了分析,提出了一种基于自适应八叉树的三维点云快速拾取方法。当用户在计算机屏幕上给出拾取多边形后,首先基于点云分布密度,对点云数据进行了自适应八叉树划分;然后对八叉树节点进行了投影,在屏幕上形成了八叉树节点的投影多边形,并对拾取多边形建立了矩形包围盒;接着对八叉树投影多边形和拾取多边形的矩形包围盒进行了相交检测,将不与矩形包围盒相交的八叉树节点包含的点云去除,从而缩小了点云拾取所需判断的范围,提升了拾取效率。最后对不同分布密度点云进行了定面积的拾取实验。实验结果表明,该点云拾取方法的点云分布密度越大,拾取时间相对越短,算法具有较高的拾取速度和准确度。     

基于3维点云欧氏聚类和RANSAC边界拟合的目标物体尺寸和方位识别

目标物体尺寸和方位识别是移动机器人在未知环境下实现自主搬运的关键技术,主要难点是如何从混有地面和周边环境信息的3维点云数据中提取物体信息,并准确识别其方位和尺寸。常用的方法是通过3维点云建立物体包围盒,但是现有的基于PCA(主成分分析)或基于边缘点云提取的包围盒建立方法对物体边缘点云噪声比较敏感。文中主要针对室内搬运场景中方形箱式物体,提出1种基于3维点云欧氏聚类和RANSAC(随机采样一致性)边界拟合的物体尺寸和方位识别算法。首先,采用点云截断、体素滤波降采样和离群点移除对数据进行预处理,然后采用基于K-D树的快速聚类算法进行物体与物体之间的分割,接着将分割后物体3维点云进行2维投影。由于投影后物体2维点云边缘点密度远高于内部点云密度,采用RANSAC算法对边缘点云进行直线拟合。该直线能够近似物体边缘点云分布的期望均值,受物体边缘点云噪声的影响较小。实验表明该算法精度较高、速度较快、鲁棒性好,可用于移动机器人物体搬运作业等领域。     

基于各向异性空间投影的地铁列车底部巡检机器人避障研究

针对地铁列车底部的非示教场景，提出一种基于各向异性的空间投影的点云分割新算法。算法针对使用立体相机获取的三维点云数据，将点云数据投影到机器人坐标系下的不同平面上，然后利用聚类算法获得目标的分割区域，再映射回点云空间计算出相应的包围盒。在整列地铁车厢底部进行的多次实验验证取得了预期的效果，证明了算法的有效性，可以实现地铁列车底部复杂环境下的高效规划避障。     

基于PointNet++的煤场点云分割与识别方法

为了实现煤场环境下的实时监控与安全监测,对煤场环境应用了一种基于PointNet++的目标分割与识别的方法。利用二维激光扫描仪做直线运动的装置采集三维点云数据,通过设置目标安全距离,采用基于欧氏距离的点云分割算法对原始点云进行分割,调用训练好的PointNet++网络对分割后的目标点云进行识别,对识别结果进行判断,并分析目标物体的工作状态是否安全。实验结果表明：煤场环境典型物体点云的分割精确率与召回率均大于90%,目标识别准确率达到98%,验证了基于PointNet++点云分割与识别方法的可行性。     

无人水面艇三维激光雷达目标实时识别系统

为解决无人水面艇动态环境目标动态感知问题,研究无人艇三维激光雷达目标实时识别系统。设计出无人艇三维激光雷达目标实时识别系统结构、硬件组成及数据通信协议。基于点云库(Point cloud library,PCL)、Qt和Visual Studio平台开发了无人艇三维激光雷达目标实时识别系统软件,实现了点云数据校正、实时处理、数据显示、状态输出、远程通信等功能。考虑到无人艇航行时周边环境障碍物三维激光点云分布特征,将三维激光点云投影至多属性二维栅格进行表示,利用八邻域算法实现了障碍物栅格的聚类,解决了点云数据处理、目标分割、点云图像远程交互等关键技术。最后,构建了室外水池环境下的无人艇三维激光雷达目标实时识别系统试验平台,测试结果表明该系统能够可靠、准确识别无人艇周围100 m范围内的障碍目标。     

基于视觉修正的激光雷达体积测量方法

针对激光雷达点云数据稀疏、扰动、存在噪声和其他方法难以迁移,实时性差等难题,面向“L”型小尺寸目标研究了一种基于视觉修正的激光雷达体积测量方法。该方法首先通过联合标定和时间戳最近邻匹配实现相机与激光雷达数据的对齐;然后经过目标检测算法获取图像中目标的信息,与此同时对点云数据执行地面分割得到地面点云与非地面点云,利用视觉投影和点云聚类实现目标点云的分割,使用KDtree找到目标点云附近的地面点云;最后,设计了一种三维框的拟合算法初步完成点云目标三维框的粗拟合,并建立视觉修正模型对于目标三维框进行细修正,从而实现目标体积的计算。实验结果表明,对于武器箱道具、医疗箱和油桶等“L”型物体,提出的算法在一定范围内,体积测量的平均相对误差小于4.44%、最大误差小于6.12%、最大重复性小于5.61%,并且基于视觉的修正模型大幅提高了算法的精度和稳定性,在嵌入式平台的处理1帧用时55 ms,能够实现实时高精度的体积测量,具有良好的工程应用前景。     

移动机器人基于激光点云定位建图的汽车宽度与方位估计

在移动机器人抓取搬运作业中,识别待操作目标物体的宽度和方位是成功的关键。针对室外环境下停放的汽车搬运作业需求,提出一种识别待搬运汽车宽度和方位的方法。该方法基于三维激光传感器,先构建整个环境的三维点云地图,然后从地图中分离出目标汽车点云,最后将汽车点云向地面投影,根据投影的点云包围盒进行汽车的宽度和方位估计。采用室外实验验证了该方法的识别效果,其精度满足应用要求。     

双机械臂碰撞检测算法研究

为保障双机械臂在公共活动空间的安全性,提出了一种准确高效的碰撞检测算法。采用球体和胶囊体包围盒简化机械臂模型,根据包围盒之间的相交情况判断是否发生碰撞。通过二次投影法实现快速检测,将包围盒投影为线段,若投影线段未重叠则包围盒未相交;若投影线段有重叠,则将问题进一步转化为空间点到点、点到线段、线段到线段的最短距离求解。通过仿真软件和实体机械臂实验平台对算法进行了分析,结果说明,该算法检测效率高,可直接植入机械臂控制器程序中,满足安全性需要。     

基于激光雷达的无人驾驶系统三维车辆检测

针对无人驾驶系统环境感知中的三维车辆检测精度低的问题,提出了一种基于激光雷达的三维车辆检测算法.通过统计滤波与随机抽样一致算法(Random Sample Consensus,RANSAC)实现地面点云分割,剔除激光雷达数据冗余点及离群点;改进3DSSD深度神经网络,利用融合采样提取点云中车辆语义信息与距离信息;根据特...     

基于改进Hough变换的激光雷达点云特征提取方法研究

针对激光雷达点云数据,提出了一种改进的Hough变换算法,用于激光雷达点云数据中几何特征的提取。首先对激光雷达采集到的三维点云数据进行精简与修正;其次对精简、修正后的点云数据进行聚类处理,去除地面、顶面点云数据;其次,将聚类后的点云数据投影至地面所在的水平面,并将点云投影分布区域按照给定的大小进行分块,统计每个区块内落下的点云个数,生成点云分布矩阵;最后将点云分布矩阵转换成二值图像,并采用大范围粗粒度和焦点区域细粒度相结合的改进Hough变换方法,从二值图像中提取出线段,进而恢复出三维空间中的墙面等几何特征,用于室内移动机器人的导航。     

基于信息融合的城市自主车辆实时目标识别

针对单一传感器感知维度不足、实时性差的问题,提出一种激光雷达与相机融合的城市自主车辆实时目标识别方法。建立两传感器间的坐标变换模型,实现两传感器的像素级匹配。改进yolov3-tiny算法,提高目标检测准确率。对激光雷达点进行体素网格滤波,根据点云坡度进行地面分割。建立聚类半径与距离作用模型,对非地面点云进行聚类。引入图像中包络的思想,获取目标三维边界框以及位姿信息;将视觉目标特征与激光雷达目标特征融合。试验结果表明,改进的yolov3-tiny算法对于城市密集目标具有更高的识别率,雷达算法能够完整的完成三维目标检测以及位姿估计,融合识别系统在准确率、实时性方面达到实际行驶要求。     

基于机器视觉的散乱柱类零件抓取系统

针对散乱摆放的柱类零件抓取问题,提出一种基于圆柱拟合的散乱柱类零件识别抓取系统。首先,采用直通滤波,离群点去除和体素滤波降低密度采样对点云数据进行预处理,然后使用平面拟合算法去除载物台点云,接着使用区域增长算法将不同圆柱的点云分离,由于分割后的圆柱点云存在大量噪点,采用随机抽样一致法和最小二乘法相结合的方式去除噪点,拟合圆柱面,最后将点云重心向圆柱轴线投影,得到准确的柱体中心。实验证明该算法鲁棒性好,精度较高,适用于柱类零件抓取。     

铁路场景三维点云分割与分类识别算法

铁路限界侵入检测对保障高速铁路安全具有重要意义,基于激光三维点云分割与分类识别的异物侵入检测具有准确、直观的优点,在诸如隧道口和站台的铁路重点区域监测中具有广泛应用前景。设计了一种带动二维激光雷达进行俯仰运动的装置用于铁路三维点云的采集,基于法线方向一致性原则提出采用区域生长分割算法解决欧氏聚类分割和随机采样一致性(RANSAC)分割造成的过分割和欠分割问题;针对分割后的单物体点云,提出利用视点特征直方图(VFH)进行不同目标的三维点云特征提取,基于不同物体VFH建立KD树,并利用最近点搜索方法完成单物体点云分类识别。铁路场景典型物体的分类实验结果表明,本算法对铁路场景典型物体的分类识别准确率大于90%。     

激光雷达目标三维姿态估计

针对现有激光雷达目标姿态估计算法对遮挡较为敏感的问题,提出了一种新的三维姿态估计算法.分析了现有算法的内在本质和地面装甲目标固有的表面结构特性,提出了投影点云密度熵(PDE)特征,研究了PDE特征与目标姿态的内在关系,给出了对目标点云迭代地进行旋转投影并寻找PDE最小值以实现三维姿态估计的方法.采用25类地面装甲目标的激光雷达点云数据进行仿真实验,分析了自遮挡、遮挡以及噪声下的估计性能,讨论了参数选择对估算结果的影响.实验结果表明,本文方法在自遮挡下的估计误差小于3°,在遮挡率达到80％时的估计误差小于10°.实验显示,本文方法对遮挡和噪声具有很强的稳健性,且收敛迅速,能很好地实现激光雷达目标三维姿态估计.     

移动相机下基于三维背景估计的运动目标检测

室内环境中的运动目标检测是计算机视觉领域的研究热点,而移动相机造成的动态背景是运动目标检测的难点。本文提出一种基于同步定位与地图创建(ORB-SLAM)三维背景估计的运动目标检测算法,首先使用移动相机遍历整个室内环境,采用ORB-SLAM技术建立当前全局环境的三维背景特征点云模型;然后基于局部视频建立局部三维特征点云,根据定位信息将当前局部三维特征点云与环境三维背景特征点云进行嵌入,基于环境背景信息,采用三维均值漂移(3DMS)算法,对局部三维特征点云进行前景特征点提取;运用深度卷积神经网络,对提取的前景特征点所在候选区域进行运动目标确认。通过多个室内场景的实际实验进行验证,结果表明本文方法具有较高的运动目标检测准确率和召回率,提出的运动目标检测算法充分利用了三维背景信息,采用深度卷积神经网络进行确认,有效地改善了检测的准确性和鲁棒性。     

基于图像识别的变电站巡检机器人仪表识别研究

目前变电站仪表识别方法易受到电信号干扰,导致识别图像中存在噪声。该文结合图像识别与中值滤波方法除去图像噪声,提高仪表识别准确性。根据图像识别预处理巡检机器人采集到的仪表图像;利用颜色图像区域搜索进行目标仪表图像区域定位,依据中值滤波去除目标图像噪声;采用脉冲耦合神经网络对仪表图像数字显示盘中的数字字符实行分割和二值化处理;通过样本匹配算法匹配仪表图像样本的数字字符,实现变电站仪表数据识别。通过实验表明,基于图像识别的方法可有效识别模糊以及缺失变电站巡检机器人仪表读数,且识别准确性高。     

基于结构光识别的核燃料组件关键尺寸测量技术研究

针对核燃料组件关键尺寸测量困难的问题,提出了一种基于结构光识别的核燃料组件堆芯管座间垂直阶差与水平间距测量方法。通过直通滤波算法去除与关键尺寸测量无关的冗余点云,利用统计滤波算法滤除离群噪点,基于RANSAC平面分割实现了管座特征区域点云的提取;建立了关键尺寸模型,基于最小二乘法拟合平面实现了管座间垂直阶差的测量;将三维点云投影至二维平面,以保留管座点云边界信息,并进行欧式聚类分割,在分离出不同管座点云的基础上提取出边界点,提出了一种基于RANSAC算法的点云测距算法,实现了相邻管座间的水平间距测量。实验结果表明,所提方法能快速精确地测量出核燃料组件堆芯管座间的垂直阶差与水平间距,并且使二者误差均保持在0.2 mm以内。     

基于RGB-D图像的物体识别与位置估计方法

在RGB-D图像包含物体颜色信息与深度信息的基础上,提出了一种物体识别与位置估计方法。采用二维加速稳健特征算法快速从场景图像中识别出模型图像所处的目标区域,进而从场景点云中分割出待搜索的目标点云,减小了三维物体识别的计算量。采用三维霍夫变换从目标点云中识别出模型点云所处的空间位置,从而精确估计出物体位置。在构建日常生活场景常见物品RGB-D图像库的基础上,进行物体识别与位置估计试验,结果表明所提出的方法适应性和稳定性好,具有识别速度快、识别精度与准确率高等优点。     

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。     

基于点云与图像匹配的自动化喷涂系统坐标变换

针对当前个性化定制产品的喷涂工作需求,研发了一套自动化喷涂系统。为了实现系统中的坐标变换功能,提出一种基于点云与图像匹配的坐标变换方法。利用摄像机和三维扫描仪分别获取喷涂对象的二维图像和三维点云,并将点云进行投影获得点云投影图像;通过改进canny算子提取二维图像和点云投影图像的闭合边缘;计算得到边缘各点的曲率并将其展开为曲率链码的形式进行匹配,建立了点云坐标系与机器人坐标系的变换关系。通过实验验证了该方法的可行性。