融合几何特征的ICP改进算法在数字化测量评价中的应用

针对ICP算法对初值依赖程度高、在配准过程中可能陷入局部最优解的问题,提出了一种融合几何特征的ICP改进算法。利用零件具有丰富几何参数的特点,首先对实测点云进行基于曲率的体素采样,尽可能保留几何特征,再将点云的曲率差值和法向量夹角差值引入算法的目标误差函数中进行迭代计算,当目标误差函数达到设定阈值时迭代结束,得到最终配准结果。利用复杂曲面标准件进行了点云配准实验验证,结果表明：相较ICP算法,融合几何特征的ICP改进算法的收敛速度更快、误差更低;相较快速全局配准加ICP配准算法,融合几何特征的ICP改进算法在保证配准准确性的同时,减弱了对初值的需求,简化了点云配准过程。融合几何特征的ICP改进算法为促进零件的准确数字化测量评价提供了有力支撑,具有技术借鉴价值。     

基于改进的SAC-IA-SICP点云配准方法研究

为了改善传统ICP算法迭代误差大、配准精度低的问题,本文提出一种基于采样一致性配准算法(Sample Consensus Initial Aligment, SAC-IA)初始匹配与改进迭代最近点(Iterative Closet Point, ICP)精配准相结合的配准方法。首先采用SAC-IA进行初始配准,然后将一种对称的目标函数引入ICP算法,提高ICP算法收敛性,并用于点云精配准。实验结果表明,本文方法的配准精度较ICP算法提升了93.00%,时效性提高了15.20%,表明SAC-IA-SICP配准方法可靠性较高。     

基于DNSS与点到平面的ICP结合的点云配准算法

针对现有点云配准算法众多、配准速度和配准精度不尽相同的问题,本文提出了一种将DNSS与点到平面的ICP相结合的配准算法,利用DNSS提取源点云数据的关键点,利用关键点约束查找对应匹配点对,结合点到平面的误差度量方法计算最优刚体变换矩阵,从而完成点云配准。对配准后的结果进行误差分析,实验结果证明,基于DNSS与点到平面ICP结合的点云配准算法配准精度高于点到点的ICP算法和点到平面的ICP算法,且该方法处理几何特征复杂、特征明显的点云数据优势显著。     

用基于特征的稀疏点云配准算法检测零件的加工误差

针对在使用三坐标测量机检测零件的加工误差时点云为稀疏点云这一问题,提出了一种基于平面、柱面特征的稀疏点云配准算法.首先选出含有平面、柱面特征的区域,根据零件的实际情况选择用平面或柱面特征建立局部坐标系进行初始配准,对于柱面特征参数的提取,提出用Levenberg-Marquardt非线性最小二乘迭代法来求解,之后用改进的最近点迭代(iterative closest point,ICP)算法进行精确配准,最后进行了算法的配准精度测试和零件配准实验.精度测试结果表明,本文算法配准精度在1μm以内,用三坐标测量机测量两块零件并运用本文算法检测出了加工误差.因此,本文算法可以解决点云为稀疏点云这一问题,满足零件加工误差的检测要求.     

平面参数空间的实时三维点云配准方法

针对具有多平面结构的室内环境的三维定位和环境建模,提出了一种在平面参数空间进行配准的实时三维点云配准方法。该方法首先使用一种改进的三维霍夫变换算法快速提取点云中的平面特征,然后使用迭代算法在平面的参数空间中寻找最近平面,最后使用这些平面的对应关系来估计两帧点云之间的位姿变换关系。在一个实验室场景中进行的对比实验表明,该算法能够达到与传统迭代最近点(ICP)算法相似的精度,而且速度大大提升。在仅使用普通笔记本CPU的情况下即可实现实时的点云拼接。     

基于改进ICP算法的叶片型线轮廓度误差评定

针对传统最近迭代点(ICP)算法存在配准精度较低的问题进行算法改进。首先,考虑到三坐标测量机测量数据呈现有序排列、且一一对应的特点,使用了一种基于矢量对齐法的型线数据初配准方法进行初配准;其次,在传统ICP算法配准的基础上,对待配准数据进行非均匀有理化B样条(NURBS)曲线拟合,再利用自适应粒子群算法对测量数据进一步精配准;最后,采用基于最小区域的叶片型线轮廓度误差评定方法进行误差评定。实验分析结果表明:改进方法相对于传统ICP算法,可在原有收敛值基础上达到进一步收敛的效果,轮廓度误差相对减小28.57%。该方法有效提高了叶片型线轮廓度误差评定的精确度,可为叶片的加工质量提供可靠判定。     

基于机器视觉的分拣机器人6D位姿估计北大核心CSCD

为解决传统分拣机器人通过人工示教完成指定动作其自动化程度低、实时性差、可移植性弱等问题,研究设计了基于机器视觉的分拣机器人实验平台,提出了基于粗配准与增强精配准混合递进配准策略的6D位姿高精度估计方法。首先,将由视觉传感器采集的3D点云信息进行背景信息去除、目标区域裁剪、ROI提取等预处理;然后采用采样一致性初始配准算法(SAC-IA)进行位姿粗配准,再利用迭代最近点算法(ICP)进行精配准及正态分布变换(NDT)进行增强精细配准,以获得高精度6D位姿。实验结果证明,通过粗配准与增强精配准能够快速准确获得待抓取目标6D位置和姿态,与理论位置和姿态相比较其误差分别控制在1.5 mm和2°之内,满足分拣机器人的实际需求,所提出的方法便于在基于机器视觉的机器人装配、打磨等有高精度6D位姿估计场合推广应用。     

逆向工程中基于小波的数据配准

利用小波分析的多分辨率特性与迭代最近点算法（ICP）相结合,提出了多分辨率数据配准算法,实现不同视角测量数据的快速配准。首先对数据点进行三角网格划分,并进行多层小波分解。对最低层网格计算离散曲率,在不同网格数据中搜索曲率最接近的点进行迭代配准,在所得变换的基础上,进行小波重构并在较小的范围内重新搜索最接近点并进行迭代配准,重复这一过程直到实现原始数据配准。通过实例证明,该算法具有迭代速度快,抗噪声干扰等特点。     

加权微粒群算法在模型配准中的应用

微粒群算法目前已经在很多领域得到了广泛的应用。根据微粒群算法收敛较快的权值范围,建立加权函数,将其运用到速度进化过程中,并在进化过程中分群优化,使得改进的微粒群算法在迭代初期具有较好的全局收敛能力,在迭代后期具有较好的局部收敛能力,从而可以实现维护全局和局部搜索能力的平衡。将该算法运用于散乱点云与三维CAD模型的配准问题中,并与基本微粒群算法进行对比,具有更好的配准结果,迭代收敛更快。     

基于3D视觉的机械臂抓取控制方法

针对传统2D视觉下机械臂无法抓取具有3D位姿物体的问题,提出了基于3D视觉的机械臂抓取控制方法。该方法首先通过差分和滤波的方式去除噪点,并提出了一种加权下采样的方法简化点云。通过欧式距离和法线夹角变化率的结合,提出了一种点云二次分割方法。物体的定位方式采用基于主成分分析法(PCA)的粗配准算法和基于迭代最近点算法(ICP)的精配准算法,然后将所得到的目标物体位姿发送给机械臂进行抓取。在达明协作机器人上的实验表明,该方法能够有效抓取具有3D位姿的物体,与已有的方法相比,在精度和处理时间上有了较大的提升。     

基于激光扫描仪的点云配准方法

针对激光扫描仪实际扫描得到的不完整点云配准困难问题,提出了一种基于对应点对的配准方法。通过激光扫描仪进行实验,得到被测工件的实测点云数据,基于Visual Studio软件配置Point Cloud Library环境,对实测模型与理想模型的点云配准进行研究。首先对实测点云数据进行体素滤波以及均匀下采样的预处理;其次通过对应点对的方式进行对齐为后续精细配准提供较好的变换初值,后基于ICP算法实现点云配准精配准;最终以均方根误差作为点云配准精度评价指标对配准结果进行评价。借助CloudCompare软件对配准结果进行直观展示分析可知,在实测工件本身存在不绝对光滑的情况下,配准的均方根误差可控制在0.62 mm,表明该方法对于不完整点云的配准效果较好。     

基于最近离散点的光线跟踪

论文提出基于最近离散点的光线跟踪算法.对于原始的点云模型,算法通过平衡二叉树在设定范围内搜索离光线迭代点最近的N个离散点,并用栅格的加速结构避免不必要的迭代搜索计算.光线与实际最近的N'个离散点的局部平面进行求交计算,局部平面的法向量是由离散点对应的三角形法向量通过三角形面积加权平均计算得到,并保证法向量计算的一致性.通过改变光线跟踪的参数(最近离散点的数目),即可达到渐进地多分辨率显示原始的点云模型的目的.对于噪声多的原始的点云模型,设置较大的最近离散点的数目,以有效地减少其绘制的噪声;对于噪声少的原始的点云模型,设置较小的最近离散点的数目,以更多地显示其局部几何特征.     

基于改进SIFT-ICP算法的物体点云建模方法

为了实现对任意摆放的物体的识别与位姿估计,需要得到物体的三维模型,提出了一种高效准确的物体三维点云模型构建方法。首先通过RGB-D传感器获取物体多角度数据,然后利用尺度不变特征变换(SIFT)特征点匹配和改进的迭代最近点(ICP)算法计算出各角度下传感器的相对位姿,进而生成目标物体所在场景的完整点云,并通过物体分割和点云后处理得到目标物体的三维点云模型。实验结果显示,构建的物体点云模型清晰且不失真,并保留了表面完整的特征信息。     

逆向工程中多视点云对齐方法研究

在逆向工程中,常常需要将从各个不同视角测得的点云数据进行多视对齐,统一到同一个坐标系下,并消除两次测量间的重叠部分,以得到被测物体表面的完整数据.针对目前最常用的最近点迭代(ICP)算法,选取两个视图不同位置的数据点集作为控制点集,提出了一种寻找最近点对并建立控制点的名义对应关系的方法.实例表明该方法效果良好.     

叶片型面测量编程与误差处理技术

针对航空发动机叶片三坐标测量机(CMM)测量,进行了自动测量编程与误差处理两个方面的研究。提出了一种基于已知叶片CAD模型提取测量点理论坐标值与计算法向矢量的方法,矢量计算采用微平面法。数据处理时,采用ICP算法进行配准消除了系统误差,从而得到叶片型面误差。开发了测量点坐标值与矢量计算以及配准程序。实例证明该方法可靠、有效。     

改进的人工免疫算法在图像配准参数优化中的应用

借鉴禁忌搜索的思想改进了人工免疫网络算法(aiNet),提出一种禁忌人工免疫网络算法(TS-aiNet).在算法中引入禁忌表,禁忌在网络迭代中亲和力不再增加的细胞,通过特赦准则赦免一些被禁忌的优良状态;增加记忆表,保存成熟的记忆细胞;重新定义高斯变异方式,保证多样化的搜索.利用Markov链分析了该算法的全局收敛性,通过对典型系统的仿真实验分析了该算法的性能,并与克隆选择算法和opt-aiNet算法进行了比较,最终将改进的算法运用到红外与可见光图像配准中,像素级配准精度可以达到0.5像素.实验结果表明,该算法在多模态搜索空间中具有更好的全局收敛性、稳定性和发现极值点能力,能够克服早熟现象,提高图像配准的速度和精度,是一种有效的全局优化方法.     

基于图神经卷积网络的点云配准算法

为了解决现有点云配准算法对配准点云的初始位置或噪声敏感,对独特几何结构的需求以及算法设计复杂、通用性差等问题,本文提出了基于图神经卷积网络的点云配准算法。该算法利用图神经网络在不规则点云图形结构中寻找关键顶点特征,简化原有点云结构,利用在顶点所属对象特征和局部几何信息中学习到的混合特征来构建点对应的分配网络,并提取所需的图特征。同时,通过将模拟配准信息输入另一卷积网络中,计算最佳的配准拟合参数。该算法降低了对配准初始值的依赖,使算法快速收敛,提高了在点云局部可见情况下的配准质量。     

具有SIFT描述的Harris角点多源图像配准

多源传感器成像原理的差异给图像配准带来了很大困难,本文针对红外与可见光图像配准提出了一种具有SIFT描述特征的Harris角点多源图像配准算法。首先建立多尺度空间,以多尺度空间检测尺度不变的Harris角点作为特征点;然后通过改进SIFT对特征点的描述方法,采用圆环结构算子对Harris角点进行类SIFT的特征描述;最后利用双向最近邻方法进行匹配,通过最小二乘法实现图像的配准。实验证实了算法配准的精确性、快速性和稳定性,具有较好的配准效果。     

多重约束下由粗到精的多源图像自适应配准算法

本文提出了一种多重约束下由粗到精的多源图像自适应子像素级配准算法.该算法采用影像特征点作为匹配基元,利用具有不同精度等级的组合判据法、整体松弛法、最小二乘法实现由粗到精的匹配,同时在匹配过程中加入了多重约束,如定位点控制约束、交叉匹配约束、连续控制约束,以保证获取的配准控制点的可靠性和剔除粗差点.此外,该算法利用配准控制点自适应地构建整个图像的三角网,最后依据改进的三角形填充算法对目标图像进行逐像点纠正.对同源和非同源的遥感图像的实验证明,SPOT4全色图像(10m/pixel)和SPOT5多光谱图像(10m/pixel)的配准精度分别达到6～7m和5～6m.     

基于动态改变权重粒子群算法的球度误差评定

为了实现对球形工件球度误差的精确评定,在4种球度误差评定数学模型的基础上,对文献提供的两组数据采用一种动态改变权重的粒子群算法(PSO)进行计算,这种算法在优化迭代过程中使惯性权重值随粒子的位置和目标函数的性质而更新。与基本PSO算法、最小二乘法、遗传算法和一种改进的PSO算法进行了比较。实验结果显示,相比其他方法,在最小包容区域法模型下使用动态改变权重粒子群算法得到的球度误差最小,第1组数据只需迭代30代左右,约50ms即可收敛,第2组数据收敛也很迅速,且多次实验显示其稳定性很高。因此,所提算法可精确快速地评价球度误差。