基于RBF神经网络的点云数据曲面重建快速算法

在分析现有重构方法局限性的基础上,给出了一种基于神经网络的点云数据重构三维网格形状的快速算法。首先对点云数据进行归一化处理;然后进行特征线提取,并以特征线为基础对曲面进行分割。该方法能直接从神经网络的权值矩阵得到曲线的控制顶点或曲面的控制网格,通过神经网络的权值约束实现曲线段或曲面片之间的连接。实验结果表明,使用该方法能快速获得形状良好的网格曲面。     

基于径向基函数的残缺点云数据修复

提出一种具有较强鲁棒性的残缺点云数据修复算法,借助kD tree寻找点云的缺陷边界,确定点云的缺陷区域;然后利用二次曲面的特性参数化边界点列;最后,通过径向基函数表示的插值曲面计算位于残缺区域内部的数据点,实现残缺点云数据的修复．     

基于径向基函数的三角网格曲面孔洞修补算法

提出一种对三角网格曲面中孔洞的修补算法,在对孔洞多边形进行填补后,使用径向基函数建立孔洞曲面的隐式方程,然后把新增加的三角片顶点映射到曲面上．由于在修补时不仅考虑了对孔洞多边形的三角划分问题,还考虑了孔洞周围的几何信息,使得修补后的孔洞曲面与原始曲面光滑地融为一体,尤其对曲率变化较剧烈部位处的孔洞取得了理想的修补效果．     

基于误差驱动与CSRBF的点云重建

提出了一种基于误差驱动的逐次迭代逼近的大规模3D散乱数据的重建算法。首先对点云数据进行重采样,采用归一化的CSRBF作为插值基函数。其次对重采样后少量的点数据进行插值。再次对未参加插值的点带入隐函数方程,计算误差。对误差超过一定阈值的点进行重采样,加入原采样点集合,重新进行插值。这样多次迭代以后便可以用最少的点来插值原来的点云模型。实验结果表明,该算法具有更高的鲁棒性和更高的效率。     

针对密集点云的快速曲面重建算法

为了能够快速地从高密度散乱点云生成三角形网格曲面,提出一种针对散乱点云的曲面重建算法.首先通过逐层外扩建立原始点云的近似网格曲面,然后对近似网格曲面进行二次剖分生成最终的精确曲面;为了能够处理噪声点云,在剖分过程中所有网格曲面顶点都通过层次B样条进行了优化.相比于其他曲面重建方法,该算法剖分速度快,且能够保证点云到所生成的三角网格曲面的距离小于预先设定容限.实验结果表明,文中算法能够有效地实现高密度散乱点云的三角剖分,且其剖分速度较已有算法有大幅提高.     

基于自适应双阈值的车窗三维点云修复算法

目前车辆轮廓检测主要是使用激光扫描技术,能够快速获取复杂曲面的点云数据.在扫描车窗处时,因为车窗本身玻璃材质的透光率较大,产生异常噪声点,污染车窗及其周围的数据,影响车辆轮廓检测的精度.针对车窗处点云数据异常的问题,提出基于点间距与曲率的自适应双阈值特征提取算法.首先计算车辆切面点间距变化量与曲率,然后基于标准差确定双...     

三维散乱点云快速曲面重建算法

提出了一种基于Delaunay三角剖分的三维散乱点云快速曲面重建算法。算法首先计算点云的Delaunay三角剖分, 从Delaunay四面体提取初始三角网格, 根据Voronoi体元的特征构造优先队列并生成种子三角网格, 然后通过区域生长的方式进行流形提取。实验结果表明, 该算法可以高效、稳定地重构具有复杂拓扑结构、非封闭曲面甚至是非均匀采样的点云数据。与传统的基于Delaunay的方法比较, 该算法仅需要进行一次Delaunay三角剖分, 无须极点的计算, 因此算法的重构速度快。     

基于VTK的三维点云曲面重建研究

针对三维点云数据重建效率低、不能实时交互等问题,利用鲁棒性强的Power Crust算法和三维可视化类库Visualization Toolkit (VTK)的良好并行机制与强大的图像处理能力,实现了三维点云数据曲面快速重建.该算法使用Power Crust对三维点云进行曲面重建,接着对得到的网格进行线性调整、简化和平滑,最后引入VTK进行渲染、绘制、显示,并实时交互.实验结果表明,该算法可以加快散乱点云数据的重建速度,较好地保持了点云数据的拓扑结构,提高了曲面重建的精确性和鲁棒性,且交互性强,适合实时处理.     

一种非封闭自由曲面的点云边界提取算法

点云边界不仅作为表达曲面的重要的几何特征,而且作为求解曲面的定义域,对重建曲面模型的品质和精度起着重要的作用.以激光线性均匀扫描的点云数据为例论述了一种改进的空间非封闭自由曲面点云的边界提取方法,在原算法基础上增设阈值,变固定K值为变量K值.实验证明该算法不仅可以较快地提取边界,而且表达曲面边界特征比较精确.     

激光点云与数字影像融合的目标细部重建

针对激光点云和高分辨率数字影像数据的优缺点,提出融合两种数据进行目标细部几何特征重建的方法。该方法以激光点云数据作为初始空间位置估计,就基于核线约束的多视影像匹配和基于物方的多视最小二乘影像匹配方法展开讨论,并以某小型文物为研究对象,探讨了集成近景激光扫描数据和高分辨率影像数据实现的目标细部几何特征重建的方法,通过实验验证了所提出方案的正确性和有效性。     

含噪点云预处理技术研究

用三维光学测量系统进行测量时,由于周围环境、人、设备等各方面的影响,测量数据中常常会掺入噪声。针对体外飞点和离群成簇噪声分别采取基于K_近邻搜索的平均距离去噪算法和改进的基于近邻点距传播的去噪算法进行处理,取得了较好的去噪效果。针对直接测量或者多次测量拼接获取的点云存在"粗糙毛刺"和点云多层重叠的状况,采用基于MLS的拟合平面投影光顺算法进行光滑处理,去除"粗糙毛刺"和打薄重叠区域。该光顺去噪预处理算法已经成功运用到三维测量系统的点云处理模块中。     

人体表面点云数据的拓扑特征检测与自动分割

对标准站立测量姿态下的人体表面点云数据的拓扑特征检测与自动分割进行了研究,提出基于全景深度图像表示的人体点云表面拓扑特征检测和自动分割新方法。首先把人体表面的点云数据转换为圆柱极坐标形式,获得人体扫描表面的全景深度图像表示,根据全景深度图像中的层次信息自动检测人体表面的拓扑特征,并根据拓扑特征把人体分割成5个功能结构。实验证明这种方法改进了人体表面点云数据的拓扑特征检测和自动分割的效率和精度。     

Forbidden region virtual fixtures from streaming point clouds

Forbidden region virtual fixtures protect objects from unwanted contact with a robot. In this paper, we propose a method for creating forbidden region haptic virtual fixtures for teleoperation from streaming point clouds obtained by an RGB-D camera. Upon violating the protected area, the operator receives force feedback that opposes motion inside the forbidden region. Three architectures for creating virtual fixtures are presented and their advantages and disadvantages are described. The proposed methods have the ability to implement constraints and can handle dynamic environments in real-time. The effectiveness of the methods is demonstrated in experiments with a surgical robot.     

结合间接邻域的散乱点云三角网格曲面重构

对于非均匀散乱点云,多数基于区域生长方法的曲面重构往往容易出现孔洞等缺陷。针对该问题,在K邻域点集的基础上提出间接邻域点集的概念,对以点为生长对象进行区域生长的三角网格曲面重构方法进行了研究,实现三角网格曲面重构。以生长点的邻域点集为样点估算微切平面,将邻域点投影至该平面上,并按照右手定则、逆时针方向进行排序,通过拓扑正确性原则从点列中去除错误的连接点,优化局部网格,选择较好的连接点,实现网格曲面的区域生长。     

基于机载激光雷达点云的断裂线自动提取方法

基于机载激光雷达（LIDAR）点云生产高精度的数字高程模型（DTM）需要进行断裂线的存储与表达,在分析现有断裂线提取方法不足的基础上,提出一种从LIDAR点云自动提取断裂线的方法。该方法利用离散的点云构建三角网,建立点云之间的拓扑关系,根据三角网面片之间的法向差异提取候选断裂线点,采用“方向优先”追踪策略实现断裂线的追踪处理,并利用“线性迭代法”实现断裂线的光滑输出。实验结果表明,该方法可以快速从LIDAR点云中自动提取断裂线信息,具有一定的应用价值。     

散乱点云数据的高阶平滑隐式曲面重建

针对三维扫描或三维重建获取的散乱点云数据曲面重建问题, 提出基于拉普拉斯规则化的高阶平滑算法。首先, 计算点云数据的包围盒并离散化得到体素空间; 其次, 在体素空间根据隐式曲面的梯度和点云位置、法向信息建立目标函数, 并通过对目标函数的拉普拉斯规则化达到控制重建曲面光顺效果的目的; 再次, 根据最优化原理将重建问题转换为一个稀疏线性方程组求解问题; 最后, 通过步进立方体算法得到重建曲面的三角网格表示。定性和定量的实验结果表明, 该方法重建曲面绘制效果和精确度优于常用的Poisson方法。     

基于Surfel点云数据的压缩算法*

针对点云数据局部集中的特点,使用差值预测对点云数据进行预测处理;在预测的同时,根据IEEE754浮点数标准,简化浮点数的尾数,使用3.5 Byte来表示一个浮点数,以提高压缩效果;然后对预测数据中连续重复的字节使用该字节加该字节重复的次数的方式存储;最后对经过以上处理的数据使用一阶自适应算术编码进行压缩。最终得到的程序在压缩比和内存占用两个方面远优于WinRAR、WinZip压缩软件。     

保特征的点云骨架提取算法

三维模型的骨架提取是计算机图形学中一个重要的研究方向。对于有噪声的点云模型,曲线骨 架提取的难点在于保持正确的拓扑结构以及良好的中心性;对于无噪声的点云模型,曲线骨架提取的难点在于 对模型细节特征的保留。目前主流的点云骨架提取方法往往无法同时解决这 2 个难点。算法在最优传输理论的 基础之上结合聚类的思想,将点云骨架提取的问题转化为一个最优化问题。首先使用最优传输得到原始点云与 采样点云之间的传输计划。然后使用聚类的思想将原始点云进行分割,采样点即成为了簇的中心。接着通过簇 与簇之间的调整与合并减少聚类个数,优化聚类结果。最后通过迭代的方式得到粗糙的骨架并使用插点操作进 行优化。大量实验结果表明,该算法在有噪声与无噪声的三维点云模型上均能提取出质量良好的曲线骨架并保 留模型的特征。