基于三维激光点云的零件表面缺陷检测北大核心CSCD

为了获取零件表面缺陷的精确尺寸,提出了一种基于三维激光点云的零件表面缺陷检测方法。首先使用三维激光测量仪对受损零件进行三维测绘,对测得的原始点云经过离群点去除、RANSAC平面分割等操作后得到零件点云。通过基于SAC-IA的粗配准和基于Huber损失函数优化的ICP精确配准算法,将缺陷零件的点云和完整零件的点云(从CATIA中导出)进行配准,使2个点云对齐。最后利用kd-tree加速的最邻近查找算法得出零件缺陷部位点云。分别使用了含破洞、凹陷的零件验证算法的有效性。实验结果表明:论文提出的方法对零件表面缺陷的3D尺寸提取精准。为后续开展零件修复工作打下良好的基础。     

基于轮廓线特征点的交互式文物拼接

针对计算机辅助文物虚拟复原中断裂部位受损而引起的几何特征丢失问题,提出一种结合表面纹饰信息与轮廓线上特征点的交互式破损文物拼接算法。首先,通过生成拉普拉斯线得到碎片表面的纹饰特征和断裂部位表面轮廓线。领域专家根据纹饰特征的连续性标记表面约束点,再采用Douglas-Peucker算法提取断裂部位轮廓线上的特征点;然后,结合特征点至约束点的距离、特征点与邻接点的内角以及相邻特征点的欧氏距离构造能有效表示断裂部位拼合关系的特征点描述符,同时定义匹配度函数从而获取特征点匹配对集合;最后,采用四元组方法计算刚体变换矩阵,实现碎片的精确拼合。实验结果表明,拼合时间节省了约13%~16%,拼合误差小于1mm。该方法避免了传统的断裂面拼合方法因数据量大带来的高时间代价,可快速有效地实现破损文物碎片模型的虚拟复原。     

非编码标志点的几何形心提取的研究

在反求工程中,利用毛学测量得到的点云数据只能得到某个视角内的物体,为了得到完整的点云实体,需要对不同视角的点云数据进行拼合。在现有算法中,绝大多数算法都是基于曲面拓扑特征这一前提进行拼合的,这就使得那些曲面平滑,表面拓扑信息不明显的点曲面拼合很难得到较好的效果。之后对于特征不明显的曲面进行拼合,提出了一些基于添加外部特征的方法,标志球,带编码的标志点等。可是这些方法也存在着计算量大的缺陷。基于以上的现状,本文提出了一种基于非编码标志点的曲面拼合方法。直接从图僚中提取标志点的几何形心作为曲面局部匹配的对应关系,具有计算简单,精确度高的特点。     

结合平面投影与区域生长的点云表面重建

为提高点云曲面重建的精度和效率,提出了一种将平面投影与区域生长相结合的散乱点云曲面重建方法。从散乱点云中选取局部点集,对其离散度进行判断,将较平滑的符合离散度要求的点集投影到二维平面并进行三角剖分,将三角剖分后点之间的拓扑连接关系映射回三维空间,实现该部分点云的表面重建,对剩余的散乱点用改进的区域生长法重建表面。实验结果表明,该算法能够重建出结构形态正确、保留物体细节信息的三维模型,降低曲面重建复杂度并提高其精确度。     

基于Imageware的多视点云拼合技术研究和应用

逆向工程技术应用中,由于物体的几何形状复杂,测量仪器不能一次完成整个表面的测量工作,需要从多个角度实现对物体表面的完整测量。为了得到完整的数据模型,必须进行数据拼接处理,其目的是通过在两片或多片数据点云(点集)中找出正确的排列关系,使它们能够拼合成一片完整的数据点云。本文以固定球法从不同角度进行多次测量获得多视点云,利用Imageware逆向软件的数据对齐技术实现其多视点云拼合并完成模型重构。     

基于坐标配准的牙颌测量点云拼合技术研究

针对牙颌等待测物非接触式光学三维测量,提出了一种融入标定功能的夹具设计方法,实现了测量过程中待测物与标定靶的空间一致性;定义了单目视觉测量过程涉及到的坐标系统;提出了一种基于坐标配准的点云拼合技术,简化了点云拼合流程,实现了点云拼合理论零误差;应用张正友标定方法对摄像机进行了标定;通过实验验证,得到了具有一定精度的牙颌三维模型点云拼合数据,实现了较快的测量速度,为提高牙颌测量系统的整体精度提供了有力支撑。     

基于法矢的点云拼合方法

提出一种新的点云拼合方法。该方法由高斯映射不变量寻找对应点,再根据对应点间刚体变换的聚类特性来剔除错误的对应关系。采用奇异值分解,通过迭代计算拼合的刚体变换。试验表明,采用高斯映射不变量寻 找对应点比采用曲率更为有效,与传统的迭代最近点算法相比,所提出的方法能更好地解决部分重叠点云的拼合问题。     

螺旋桨叶片的逆向设计方法研究

基于Geomagic软件对螺旋桨叶片进行逆向设计,采用特征点粗拼合+曲率精拼合的方法完成点云处理;分别采用刷取法、曲线法进行模型重建;比较了两种方法重建的模型与点云、实物的误差情况;最后给出两种模型重建方法的优缺点及适用性.提出两步拼合法,针对两种重建模型方法的比较对曲面零件的逆向设计具有指导意义.     

基于三维测量扫描线点云的表面重建

由结构光测量系统获得扫描线点云，通过剔除测量方向部分冗余数据点和插补扫描方向的稀疏数据，对物体表面原始三维数据密度进行适当调整。采用基于局部切平面簇的方法对调整后的数据点云进行表面重建，建立优化函数简化网格，并采用Loop细分法平滑网格，获得描述物体表面特征的重建表面。该方法解决了由扫描线点云重建物体表面的问题。     

基于曲率RGB的多视点云拼合方法

针对目前反求工程中多视点云获取和拼合的现状，提出了基于RGB的多视点云的拼合方法，该方法遵循实物内部拓扑不变性，由曲率的RGB值来选取拼舍的重叠子集，通过改进的ICP算法来实现重叠子集的拼舍，实现了在目标点云中局部最优的整体拼合，解决了反求工程中任意多视点云的拼合问题，实验结果验证了其有效性和精度。     

颅骨点云模型的优化配准

由于颅骨的三维点云数据模型复杂且不同人的颅骨差异较小,对其配准精度要求较高。为了提高颅骨点云模型的配准精度和收敛速度,提出了一种先粗配准再细配准的配准方法。首先,对颅骨点云数据模型进行去噪、简化和归一化等预处理;然后,通过区域划分、区域配准和求解组合系数以及求解刚体变换等步骤实现区域层次上的颅骨粗配准;最后,通过引入动态迭代系数来改进基于旋转角约束的迭代最近点算法,并采用该改进的ICP算法实现颅骨的细配准,从而达到精确配准的目的。实验结果表明:与ICP算法相比,改进的ICP算法的配准精度和收敛速度分别提高了约30%和50%。证明该种先粗配准再细配准的颅骨点云模型配准方法是一种精度高、速度快的有效颅骨配准算法。     

应用改进迭代最近点方法的点云数据配准

提出了基于点云边界特征点的改进迭代最近点(ICP)方法来提高逆向工程中点云数据配准的效率和精度.首先,提出了基于点云边界特征点的初始配准方法.对点云最小包围盒进行三维空间划分,建立空间网格模型;运用边界种子网格识别及生长算法,从点云边界提取特征点,运用奇异值矩阵分解法(SVD)求出点云的变换矩阵,得到初始配准结果.然后,提出了改进的ICP精确配准方法.对点云对应点赋予权重,剔除权重大于阈值的点,通过对目标函数引入M-估计(M-estimation),剔除异常点.最后,在初始配准的基础上,运用改进的ICP方法精确配准.对经典ICP方法和改进ICF方法做对比实验,结果显示,改进方法的配准效率提高了70％以上,误差减小到0.02％.实验表明,本文方法大幅提高了点云配准的效率和精度.     

应用摄像机位姿估计的点云初始配准

基于摄像机位姿估计的数学模型,提出了一种检测摄像机位移前后目标图像特征点的方法,通过求解摄像机发生位移前后的相对位姿矩阵来解决应用视觉图像获得点云的初始配准问题。首先,介绍了摄像机位姿估计模型,包括本质矩阵、旋转矩阵以及平移矩阵;然后,介绍了SURF算子的特征点检测、描述和匹配的方法,在此基础上面向双目视觉和单目结构光系统,分别提出了摄像机位移前后目标图像SURF特征点匹配和深度估计模型;最后,分别进行双目视觉和单目结构光系统点云的获取、位移前后目标图像特征点检测匹配和深度估计实验,应用摄像机位姿估计模型求解旋转矩阵和位移矩阵,并对位移矩阵进行统计分析剔除粗差。实验中采用基于点云空间特征点和基于图像的方法进行对比,点云对应特征点均方误差缩小至12.46mm。实验结果验证了方法的可行性,表明本文的点云初始配准方法能较好地获得点云精确配准初值。     

叶片型面在线自动测量方法

为了实现叶片型面的在线自动测量,提出了一种基于机器视觉技术和机器人相结合的叶片型面测量方法。通过机器人带动叶片回转,由扫描仪获取不同视角下叶片型面的点云数据,根据旋转拼接原理将点云数据拼接到一起,完成叶片型面的测量。阐述采用机器人进行旋转拼接的原理,提出一种自动标定机器人法兰盘回转轴线的方法,利用该方法可在线完成扫描仪与机器人法兰盘之间位置关系的标定。试验表明,该方法简单有效,拼接后的叶片表面光滑,无分层现象,可实现叶片型面的在线自动测量。     

基于核密度估计的点云鲁棒配准算法

针对传统点云配准算法收敛区间窄、鲁棒性差的难题,提出了一种基于核密度估计的点云配准算法。构建了一种能够实现Kullback-Liebler测度与欧氏测度之间平滑过渡的核密度分布相似性测度,推导了该测度在刚体约束下的解析表达式;通过对比实验分析了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性能特点;提出采用尺度参数可变的BFGS拟牛顿算法进行点云配准参数的寻优求解。实验结果表明,该算法实现了点云数据的配准,拓展了算法收敛区间,同时提高了算法在白噪声干扰下的鲁棒性。     

基于 IMU 点云特征跟踪一致性的 ICP 配准技术

针对点云非重叠区域较大时,由于场景中存在相似区域和平滑区域, ICP 配准易陷入局部极小值的问题,设计了一种初始配准与精配准结合的快速准确配准算法。首先,结合点云深度图像进行网格分区,基于蒙特卡罗方法随机选取 20 个 NARF 关键点,利用 IMU 惯导跟踪关键点的 FPFH 特征,并根据跟踪矢量的一致性剔除误匹配,快速计算初始配准矩阵;然后,利用所有关键点进行最近邻跟踪匹配,并根据跟踪矢量的一致性剔除误匹配,提高了 ICP 配准的估计精度。通过 Bunny 兔和 NYUv2 数据集将该算法与 ICP 算法进行对比,验证了该算法能够有效地提高点云配准效率和精度。     

应用改进迭代最近点方法的三维心脏点云配准

在医学多图谱配准中,为了改善因初始位置差异较大、形状复杂和局部残缺导致的配准效率低和精度差的问题,本文采用了先粗配准再精配准的处理策略,在主成分分析法(PCA)实现粗配准的基础上,提出了基于双向距离比例的迭代最近点(ICP)的精配准算法。精配准算法中,首先采用KD-tree进行最近邻搜索以提高对应点对的搜索速度,然后为每个点提出了双向匹配方法并计算其双向距离和比值,为进一步提高配准精度,引入了一个指数函数判断点对正确匹配概率,最后运用奇异值分解法(SVD)计算最终变换矩阵。为了验证算法的可行性和有效性,分别设计了不同缺损程度的斯坦福点云数据实验和两组CT心脏点云数据配准实验,结果表明本文方法较经典ICP算法的平均误差减少约21%,较TrICP算法减少约13%,在心脏点云数据配准实验中,本文方法较TrICP算法的15.5 s加快到1.77 s。因此本文方法在解决三维心脏点云数据的配准问题中具有良好的效率、精度和稳定性。     

自由曲面测量点云数据的建模方法研究

本文提出了一种散乱点云数据的建模新方法。通过对点云数据进行空间三维划分，实现了边界信息的高效提取。采用局部曲面拟合方式得到位于截平面上的有序数据，使得无序的散乱数据形成了有序的阵列数据，实现了NURBS曲面的精确拟合。实验证明，该方法非常适合卷曲类模型的自由曲面重构，在某零件的测量、建模和加工中已经得到了实际应用。     

点云频域配准的双目双线结构光列车轮对检测

针对单线结构光测量因范围有限以及遮挡等原因而无法检测整个车轮的轮缘及踏面的问题,提出了一种列车轮对双目双线结构光检测方法。该方法采用两组双线结构光传感器进行测量和数据采集。在两传感器产生的点云进行配准的过程中使用截面点云数据还原点云矩阵,然后对其进行傅里叶变换,在计算旋转角度时先进行极坐标转换,最后求取两矩阵的互功率谱,从而得到点云的旋转和平移矩阵。在此过程中考虑到点云噪声的存在,将辛格函数近似代替无噪声的互功率谱傅里叶反变换,从而确定在频域配准时噪声对配准参数的确定并无影响。接着采用相对值比较的算法和主成分分析拟合基准平面,对轮对直径方向进行标定。利用标定值对扫描数据进行处理,得出包括车轮直径、车轮滚动圆径向跳动等对尺寸参数。实验表明:点云频域配准的双目双线轮对检测技术对车轮直径的测量尺寸误差≤±0.05mm,车轮端跳的测量误差≤±0.06mm,车轮径跳的测量误差≤0.04mm。与标准轮对检测数据相比可知,该系统满足轮对检测精度的要求。     

基于激光扫描和SFM的非同步点云三维重构方法

室外场景具有测量数据量大、扫描数据易重叠及建筑物表面信息复杂等特点,单靠激光扫描方法能够获得场景精确的深度信息,但缺乏颜色和纹理信息,利用从运动中恢复结构(SFM)方法可获得丰富的彩色信息,但重构精度不高,若将两种设备固定进行在线实时同步测量,易受到测量环境和系统制约不易实现。针对此问题,提出了一种基于激光扫描和SFM结合的非同步点云数据融合的三维重构方法。首先,提出利用手动选择控制点进行7自由度初始配准,再利用迭代最近点(ICP)算法对初始配准结果进行精确配准,最后利用最近点搜索算法将分布在经基于面片的多视图立体视觉(PMVS)算法优化后的SFM数据中的颜色信息与激光扫描的点云坐标进行融合。实验结果和数据分析显示,本文的方法能有效地将激光扫描与SFM点云数据进行融合,实现了室外大场景的三维彩色重构。