场景点云中小孔洞边界提取算法

计算机处理速度的提高和深度相机的广泛应用使点云数据在工业领域中的应用越来越广泛.针对巡检机器人非固定场景中小孔定位问题,提出小孔边界检测提取算法.对点云进行预处理;求取目标点对应近邻点的切平面上的投影点,通过投影点算出质心点位置,由质心位置将圆盘分为两个半圆盘,通过两个半圆盘中投影点数量比值作为边界点判定条件.实验表明,该算法可以较好地提取出边界点使得噪声对结果的影响成比例减小,鲁棒性好,运行速度快且稳定.     

逆向工程中散乱点云的K邻域搜索算法研究

针对逆向工程中散乱点云的K邻域搜索,提出了一种快速、精确的散乱点云K邻域搜索算法。该算法根据点云包围盒的大小,点的总数以及邻域点的个数,采用二次空间划分的策略,以确定合适的立方体小栅格的梭长,从而保证立方体小栅格里点的个数相对均匀。然后,建立以采样点为中心的球体、该点到所对应的立方体小栅格环六壁的距离为半径的取值范围,依次增加该球体的半径,以球体内有K个点为中止条件,可以快速完成采样点的K邻域搜索。与已有算法相比,该算法具有较高的搜索效率。     

基于孔洞分割的点云孔洞填充算法

逆向设计过程中,由于物体曲面形状复杂和扫描设备的原因,扫描得到的点云中难免有孔洞出现。为了产生封闭的实体曲面,需要对孔洞进行填充。国内外许多学者提出了许多关于孔洞填充的算法,不过这些算法主要针对曲率较小区域的孔洞。基于此,提出了一种新的改进算法,解决了高曲率区域的复杂孔洞填充问题。通过孔洞在投影面上的投影,判断是否存在交叉点,将孔洞分为简单的孔洞和复杂的孔洞。当遇到复杂孔洞时,采用分割的方法把复杂的孔洞分割成简单的孔洞,再对其进行修补。     

基于自适应最优邻域的散乱点云降噪技术研究

在分析已有滤波技术的基础上,计算点的法向矢量和法向局部方差。采用与法向局部方差有关的自适应角度阈值的截断函数限制邻域点的选择,获得与表面特征有关的自适应最优邻域;采用改进的三边滤波方法实现法向矢量滤波和位置滤波。实验验证了该方法的可行性,与其他滤波方法相比,该算法能更有效地保持细节特征,同时获得光顺的离散表面。     

海量散乱点云out-of-core快速均匀精简算法

海量散乱点云的精简对其显示及交互性操作具有重要的意义。为快速有效地精简海量散乱点云,改进CR树结点分裂算法,将上溢结点子结点包围盒集转化为包围盒的中心点集,利用CR树与数据库SQLite构建主存-辅存分级存储机制,从而实现海量散乱点云的out-of-core管理,计算CR树目标结点层中每个结点所包含点集的均值点,将距离均值点最近的点作为该点集的精简结果,根据目标结点层的不同实现海量散乱点云不同程度的精简。实验证明,基于分级存储机制的快速均匀精简算法能够快速有效地精简海量散乱点云。     

点云模型孔洞修补研究综述

点云数据采集技术的日趋成熟使点云模型广泛应用于多个领域,然而,由于多种因素的影响造成点云数据缺失,形成各类孔洞,点云模型孔洞缺陷的存在不仅影响点云模型显示效果,还给下游工作带来很大障碍。首先对点云模型孔洞的成因及类型进行归纳和分析;然后从散乱点云、网格模型和体数据三方面对现有点云模型孔洞修补方法的原理及其优缺点进行详细介绍;最后展望了点云模型孔洞修补技术的发展趋势及需要解决的难题,对后续该领域研究具有参考意义。     

散乱点云的拓扑结构重建算法的研究

基于由测量点云直接生成数控加工路径的这种思想,在散乱点云拓扑结构重构过程中,将散乱点云进行等间隔区域分割,将点云进行压缩并投影至切平面,得到切平面的散乱点集,同时建立新的链表结构分区存储点云数据.由平面上点的二维坐标定位,运用基于正交投影理论双映射算法对切平面上的散乱点进行排序,分析平面点自然次序邻接排序的局限性,通过计算当前点与其邻近点的矢量分布趋势,进一步改进双映射排序算法,完成各切片上数据的拓扑重构.     

基于法矢的散乱数据边界特征点自动提取算法

提出了一种基于翼边法矢的边界特征提取算法。在波前扩展算法中,采用了新的节点搜寻和波前更新方法,在波前扩展的同时计算波前边的两翼法矢夹角,根据网格边两翼法矢夹角识别出边界特征点。应用实例证明:该算法可行、有效,为复杂曲面特征曲线的构建奠定了基础。     

散乱噪声点云的数据分割

提出基于边界曲线微分几何特征的新方法分割散乱噪声点云.改进TAUBIN方法以精确恢复散乱噪声数据的主曲率和主方向.通过分析散乱点在主方向的曲率变化,达到识别G1、G2连续边界点的目的.获得的边界点形成边界带,将点云分割为多块子区域.最后采用区域增长的方法提取各子区域.试验结果表明所提出的方法能够克服噪声影响,有效提取散乱噪声点云的G1、G2边界.对复杂曲面模型,该方法也能够直接获得较好的G2连续边界.     

基于协方差矩阵的点云孔洞边界检测

逆向工程中点云模型孔洞边界的检测是孔洞修补的前提,完美的孔洞轮廓线有利于提高孔洞修补的质量.参照二维图像中边界的定义,给出了三维模型中点云孔洞边界的定义,并且提出了一种简单的孔洞轮廓线生成算法.首先,通过分析邻域点协方差矩阵特征值之间的关系,提出了一种边界点检测算子,用于初步提取孔洞特征点;然后,综合考虑邻域点最大特征...     

人体散乱点云数据的区域分割算法

正确的人体点云数据分析不仅是人体3D测量的必要手段,更是未来服装数字化设计的基础,也是服装定制化智能生产的数据来源。人体散乱点云数据相比规整数据拥有更多的噪声及不规则性,这使得提取轮廓以及提取分割特征点更加困难。为了解决人体散乱点云数据分割难题,提出了基于移动最小二乘的切割算法。首先使用主成分分析法进行点云数据的调整,并使用夹角分析法提取投影到特定平面的二维轮廓。在此基础上,采用移动最小二乘法对部分二维数据点进行局部拟合并根据导数信息提取分割特征点。最后,利用VT K作为点云显示平台,对不同人体点云数据进行算法验证。实验结果表明,该分割方法实用可靠。     

面向船体外板曲面重建的散乱点云精简算法

针对船体外板形变曲面实时检测与快速高效三维重建的要求。提出了以空间层次剖分和特征曲率相融合的精简算法,通过k-d树剖分准则将三维点云数据剖分成不同层次空间,层层递归形成树状数据模型,在每个节点空间内,同时分别利用K-邻域计算、曲率估算,获得点云特征曲率信息,设定可调的曲率阈值,依据阈值将同一数据源的点云数据区分为不同曲率大小的区域,运用不同的精简算法,实现保持曲面基本特征的曲面重建。实验结果分析,该算法保证曲面重建的基础上,大大减少了曲面的点云数量,提高了曲面重建效率。     

平面散乱点云凸包快速求解算法

提出一种平面散乱点云凸包快速求解算法,该算法建立点云的最小外包围盒,分别求解距该外包围盒的四个顶点最近的点,依据该最近点集建立最大内包围盒,可证明该最大内包围盒内的点不是凸包,将其排除,实现点云精简,通过对精简后的点集求解凸包,近而实现对整个点云的凸包求解,实例表明该算法实现简单,且可显著提高凸包的求解效率.     

基于局部自适应鲁棒回归的点云消噪

针对传统点云消噪算法低频平滑与高频磨平之间的矛盾,提出基于局部自适应邻域鲁棒回归的点云消噪算法。提出采样点局部自适应邻域的概念,使采样点邻域的大小能够根据模型局部形状进行自适应调整,为点云模型的低频区域平滑和高频区域特征保持奠定基础;针对传统的最小二乘曲面拟合受旁值点影响大,采样点微分几何信息提取可靠性差的问题,提出对采样点局部自适应邻域进行鲁棒回归,以实现采样点微分几何信息的可靠提取;以采样点法向和最大最小曲率为基础,构造一种新的采样点特征测度函数。在对测度函数的特性进行研究的基础上,根据测度函数值将采样点划分为特征点、非特征点和过渡点,并利用特征测度函数进行有效子邻域识别,实现点云数据的低频平滑和高频保特征消噪;通过对比试验验证算法的有效性。     

机器人工作空间边界提取算法研究

蒙特卡洛法是对机器人进行工作空间分析的一种简单常用的方法,而工作空间边界点提取是蒙特卡洛工作空间分析中的关键环节。用一种改进算法对一七自由度机器人的工作空间进行边界点提取,提取效率和结果都满足后续工作的要求。通过实验对改进算法的效率和精度进行分析,实验结果证明了改进算法的有效性。     

逆向工程中散乱点云变尺度配准算法研究

针对传统散乱点云配准算法收敛区间与配准精度之间的矛盾,提出一种变尺度点云配准算法.构造一种基于重合点计数点云配准测度函数;对测度函数的高斯平滑过程进行研究,并对尺度参数对测度函数性能的影响规律进行分析;根据测度函数在大尺度参数下平滑但存在极值偏移,在小尺度参数下全局极值位置精确但存在局部极值的特点,提出一种尺度参数可变的散乱点云配准算法;借鉴模拟退火算法的思想,通过对比选定Lundy退化策略作为算法的尺度衰减策略;采用曲率约束进行控制点筛选并利用快速高斯变换进行测度函数值的计算以提高算法效率;利用合成数据和实测数据进行对比试验,结果基于变尺度策略的散乱点云配准算法具有更加广泛的收敛区间和更高的配准精度.     

装配面点云特征增强的去噪算法研究

为了去除与法兰装配面数据点混合在一起的噪声并更好地保留装配面的特征,将装配面点云数据中的噪声分为 2 类。利用空间栅格划分将点云数据栅格化,使用 K 领域搜索的方法筛选出第 1 类噪声点,运用采样点邻域点数统计法删除第 1 类噪声点;采用改进的双边滤波法对第 2 类噪声点进行去噪。通过与各类算法进行比较,实验结果表明,该去噪算法在达到预期去噪效果的同时还可以增加装配面特征的保持度,并且能够避免传统双边滤波在去噪后产生光顺过度的现象。     

散乱点云数据精简技术研究

逆向工程中,数据精简技术是进行曲面重构前的重要内容,文中在分析包围盒法和角度-弦差法的这两种精简方法特点的基础上,提出了基于这两种方法的改进型数据精简方法.最后对该算法的优缺点作了小结.     

一种新的散乱数据边界点提取方法

综合采用了邻域和平面上提取边界点的思想 ,提出了一种新的在二维平面上提取边界点的方法 ;并在曲面局部近似一个平面的前提下把它推广到三维空间 ,从而形成了一种可直接在三维空间对任意复杂形状曲面进行边界点提取的 3D方法