基于法线估计的鼢鼠头骨三维点云分割算法

针对复杂背景分割时出现的低效率、过分割等问题,提出一种基于法线估计的三维点云分割方法。首先,改进随机采样一致性(RANSAC)算法,引入法线约束去除背景中大部分平面点云,使得目标点云与大量点云分离,然后采用欧式聚类分割从中提取目标点云。利用鼢鼠头骨三维点云数据进行试验,结果表明,融合的点云分割算法可以将目标鼢鼠头骨点云精确分割,完全去除冗余点云,速度快、准确率高,相较同类型方法表现更优。     

基于激光三维点云技术的3D景观建模设计

为提升城市园林等类型景观的建模精度,以激光三维点云为技术基础,设计一种三维景观建模方法。采用激光三维点云立体式非接触测量技术,获取景观表面数据点三维坐标,在一个坐标系内统一化各角度点云数据,将顺序点间的最远距离作为滤波标准,设定超过标准点为固定端点,平滑处理图像点云,采用三角形网格参数化策略,映射三维网格模型至二维平面中,取得特征点纹理坐标,利用调和映射算法求解非约束点的纹理坐标,通过自适应部分调整策略,优化点云数据纹理,得到最终的景观模型。试验采集研究区域中一处景观的三维数据,结合景观模型效果与评估指标值得出,所提方法能够有效建立模型,且精准度较高,模型细节信息保存得相对完整。     

基于多信息深度学习的3D点云语义分割

点云语义分割是三维点云数据处理的基础步骤,是三维场景理解分析、重建和目标识别的关键环节.针对目前对三维点云进行语义分割使用的点云信息少和精度不高的问题,本文在利用点云三维坐标信息的基础上,增加了点云RGB信息和所属房间的归一化坐标信息,从而丰富了神经网络输入端的信息量,进一步提高了模型的分割精度,最后利用PointNe...     

基于改进DPC和特征分区的点云去噪算法

针对三维激光扫描仪获取到的点云数据存在的多尺度混合噪声将严重影响后续的三维模型重建的问题,提出了一种基于改进的密度峰值聚类算法(DPC)和特征分区的点云去噪算法。首先通过改进的DPC算法去除远离点云主体的大尺度噪声;然后利用主成元分析法(PCA)和曲面变分获取点云法矢及曲率信息,同时采用邻域传播法调整法矢方向并根据曲率对点云进行划分,对特征区域点云与平坦区域点云分别采取自适应双边滤波和正交整体最小二乘平面拟合的方法进行光顺去噪。实验结果表明：在包含混合噪声的bunny与block模型下,利用该算法去噪后点云数据最大误差分别为0.235 mm和0.157 mm,平均误差分别为0.029 mm和0.009 mm,均能取得较好的去噪效果,且降低了去噪参数设置的复杂性。     

基于距离判断函数的钢轨扣件分割方法

数字化检测技术的不断发展使得点云分割成为三维点云处理的热门研究方向.区域生长算法广泛应用于点云分割,本文针对目前区域生长算法的局限性,提出基于距离判断函数的点云分割算法.使用八叉树构建拓扑关系,引入距离判断函数判断种子点的属性,计算种子点到其切平面的法向距离,将距离阈值作为依据划分平缓点和尖锐点;根据种子点与邻域点法线夹角筛选邻域点,合理设定曲率阈值,确定区域生长准则.选取钢轨扣件为试验对象,钢轨扣件是铁道线路关键连接件,实现钢轨扣件的精确分割有利于优化特征提取.点云分割的试验表明,基于距离判断函数的方法分割正确率增加4.20％,提高了钢轨扣件分割的稳定性和准确性.     

基于三维激光点云的运动图像动态目标识别方法

当前的动态目标识别方法在场景复杂的图像中,因为无法采集足够多的特征信息,导致识别结果应用性受限。基于三维激光点云提出一种运动图像动态目标识别方法。利用三维扫描系统获取运动点云图像特征,在不影响有效信息采集的情况下,进行图像预处理;引入地平面方程,将图像背景点云与被识别目标点云通过欧式聚类法分割,提取处理后的被识别目标关键点,并采用Freeman链码检测边缘特征,完成运动图像动态目标识别。试验对比结果表明,所研究基于三维激光点云的运动图像动态目标识别方法,对动态目标有良好的鉴别能力及较好的识别精度,且所需动态目标识别时间较短。     

基于点云的地平面初系数估测

提出了一种基于点云的地平面初系数估测算法。采用八叉树存储包含RGB和空间位置信息点云数据,通过比较相邻两帧树的叶节点来获取运动目标的局部点云。并使用随机采样一致性算法估计,由运动目标局部点云重心所构成的点集上的平面模型参数。同时,采用ISOCLUS算法对场景在法向空间和距离空间上进行两次聚类来分割平面。最终,以运动平面法向信息作为参考因素,从待选平面中标识出地平面点云数据。实验结果显示,该方法可有效地估测出地平面初系数。     

视频点云压缩基于增强数据相关性的帧间编码改进方法

基于视频的点云压缩（V-PCC）在相邻帧对应的相似3D点云发生旋转时,旋转后的点云投影平面会发生变化,从而导致投影后的像素产生较大差异并减弱点云帧间的相关性,且点云采集时掺杂的噪点也容易影响编码效果。本文提出了一种基于增强数据相关性的帧间编码改进方法,其采用基于统计的方法去除离群点,并计算点云帧之间的相对运动,通过采用基于运动一致性的二叉树分割方法分割,对分割后的点云采用基于NDT粗配准和ICP精细配准的方法估计点云的运动信息,使用基于法向量双线性平滑的方法平滑点云,最后对平滑后的点云序列使用V-PCC编码。     

末敏弹线阵激光雷达对地面装甲目标的提取方法

为了提高末敏弹在复杂战场环境下对地面装甲目标的识别概率,提出了一种用于弹载线阵激光成像雷达的目标提取方法,结合末敏弹边旋转边下降的稳态运动特点,实现了线阵列激光雷达对扫描区域的三维点云成像。首先通过对点云中高度数据分析,提出了基于高度与梯度的组合阈值分割算法,实现了地面背景的快速分割;然后利用坐标变换,对有坡度的地面进行调整,并通过典型装甲目标的几何尺寸自动获取种子点进行区域增长分割;最后利用最小外接矩形特征获取目标的几何信息,由目标的几何特征实现装甲目标的提取。仿真结果表明:此方法可以实现线阵列激光雷达在50~120 m高度下对地面装甲目标的准确提取,从而为新型末敏弹目标探测提供技术支撑。     

基于先验信息采样一致性的点云柱面分割方法北大核心CSCD

针对点云数据在进行模型分割中存在高比例外点数据的问题,文章提出一种先验信息采样一致性的三维点云柱面分割方法。该方法首先根据三维点云数据的先验信息计算每个数据点的初始内点概率,选择概率最高的两个样本点作为初始样本子集拟合出初始模型;然后利用几何约束对模型进行预检验,并利用界限损失函数对预检验通过的模型进行模型质量判断,更新最优模型;最后通过贝叶斯定理来更新样本点的内点概率,进行下一次迭代,不断地优化内点集,得出最优模型。实验结果表明本方法相比于传统方法在时间效率上有很大提升。     

三维点云弱监督语义分割研究进展综述

在三维点云语义分割任务中,使用少量标注的点云数据进行语义分割可以节省人力标注成本,近年来得到学术界的普遍关注。传统的三维点云语义分割方法多利用完全监督的方式,这类方法往往需要耗费人力和时间去标注大量点云,而使用弱监督方式只需要对点云进行少量的标注就能达到和完全监督方法相同的目的。文章回顾和讨论了近年来三维点云弱监督语义分割的发展,从不同角度总结了弱监督语义分割的相关方法,基于这些方法,在四个公开数据集上对其结果进行了定量分析与讨论,最后总结了三维点云弱监督语义分割存在的挑战,并展望了未来的发展方向。     

激光点云技术扫描建筑物门窗立面数据提取

三维快速建模在未来城市作战中起着关键作用,建筑模型信息越细节、越完善,就越能够充分发挥出建筑模型的作用.为此,以激光点云技术为扫描手段,提出一种建筑物门窗立面数据提取方法.利用设计的激光点云设备扫描模式与间距测量方法,采集建筑物点云数据,将其投影至水平网格中,归一化处理各区域灰度值,基于数据点与其邻域点间的欧几里得距离...     

合并分割块的点云语义分割方法

随着激光雷达等三维点云获取工具的快速发展,点云的语义信息在计算机视觉、智能驾驶、遥感测绘、智慧城市等领域更具重要意义。针对基于分割块特征匹配的点云语义分割方法无法处理过分割和欠分割点云块、行道树和杆状物的语义分割精度低等问题,提出了一种基于分割块合并策略的行道树和杆状物点云语义分割方法,该方法可对聚类分割后感兴趣的分割块进行合并,通过计算其多维几何特征实现对合并后的物体分类,并使用插值优化算法对分割结果进行优化,最终实现城市道路环境下行道树和杆状物的语义分割。实验结果表明,所提方法可将城市道路环境下的行道树、杆状物等点云数据的召回率和语义分割精度平均提升至89.9%以上。基于分割块合并的语义分割方法,可以很好地解决城市道路下行道树和杆状物语义分割精度低等问题,该方法对于三维场景感知等问题的研究具有重要意义。     

基于子空间特征向量的三维点云相似性分析

提出一种基于子空间特征向量的三维点云相似性分析算法。首先,获取两个物体的三维点云数据,并进行位置标准化。其次,利用最小子空间分割算法将两个三维点云分别分割成若干子空间。随后,计算子空间的质心到其拟合曲面的距离和夹角,并基于上述距离和夹角构成的向量空间,提取子空间特征向量。最后,通过特征向量间的相似度计算来评价两个三维点云的相似性。由于该方法将描述三维形体特征的子空间特征向量作为相似度度量的依据,所以具有数据量小、精度高的特点。实验表明,该算法能够定量地分析两个三维物体的相似性。     

基于深度图的道路场景三维点云分割优化方法

点云分割在计算机视觉、智能驾驶、遥感测绘、智慧城市等领域具有重要意义。为提高对激光雷达采集点云分割的准确率，提出了一种基于深度图的道路场景三维点云分割优化方法。将点云数据转化为深度图，建立三维点云与深度图之间的投影关系，利用相邻激光雷达扫描线的角度阈值进行地物分割，再对分割后的地上物体进行分割，去除噪声点。通过使用KNN(K-Nearest Neighbor)插值优化算法对分割结果进一步优化，较好地克服了过分割问题，提高了点云分割的准确率。实验结果表明，该方法的运行时间达到86 ms,相较传统深度图的自适应DBSCAN(Density-Based Spatial Clustering of Applications with Noise)方法准确率提升了5%,达到90.5%。     

面向自动装车的来车检测和规划系统

为解决自动装车车辆检测和码垛规划问题,设计基于三维激光成像的车辆特征识别和码垛规划系统.设计实现了激光三维扫描系统,提出点云检校方法,获取高精度三维点云;设计基于点云的开放式货车车厢全特征识别算法,经点云分割、特征识别和参数化,获取车辆完整的特征参数检测;基于检测结果设计了码垛规划器,可直接用于装车机使用;基于Linu...     

基于激光散射测量的虚拟建筑空间重建设计

传统方法对空洞和缺失点云的修复不到位,缺乏空间细节深度信息,导致建筑空间重建精度较差.为此,提出基于激光散射测量的虚拟建筑空间重建方法.利用激光散射测量技术,采集能够表现建筑三维坐标的点云数据,拼接多视角点云,并进行去噪分割处理,建立建筑空间主平面模型,内插填补边缘信息和细节深度信息,实现虚拟建筑空间重建.进行对比实验,完成形态相似规则的住宅楼重建工作,结果表明,此次设计方法相比传统方法,提高了点云数据去噪效果及拼接精度,减小了建模距离与实测距离偏差,提高了建筑空间重建精度.     

三维激光点云的网状RANSAC分割与计数

随着工业现代化进程的加快,三维激光点云技术开始出现在工业目标检测中,对激光点云的目标分割提取也成了工业检测中的关键。常用的三维点云分割方法,如区域生长分割、RANSAC(随机抽样一致)分割、K-means(K均值聚类)等无法做到高水平的目标分割与提取。利用MEMS(micro electromechanical system)3D相机对4组目标进行点云数据采集,利用网状RANSAC分割算法,将目标三维点云进行封装,栅格化分割成网状模块,对每个网状模块中的点云进行平面粗分割,整合模块,用欧式聚类对分割后的目标进行细分割,得到最终的目标提取结果并成功完成计数统计。试验结果表明,所提出的网状RANSAC分割算法的分割完整度为91.0%,平均耗时8.25 s,均优于其余三种传统算法,并且成功完成计数。     

基于点云处理的QFP芯片引脚三维测量

为了避免利用2D图像提取特征点并进行三维重建的烦琐,同时满足芯片引脚3D测量指标的高精度要求,采用点云处理技术,提出一种基于法向量差异的点云水平校准方法,将该方法与最小外包围盒算法相结合来剔除芯片内部引脚点云.对剩余点云进行聚类分割后,利用采样一致性算法对芯片各外部引脚、上下表面进行平面方程参数拟合并求解各引脚区域的中...     

基于激光扫描技术的三维模型重建

通过分析三维激光扫描系统获取的点云数据,得到了利用点云数据构建三维模型的技术、方法和流程。介绍了利用地面三维激光扫描仪获取点云数据的过程以及结合RiSCAN PRO软件和Geomagic Studio软件进行建模的方法。对原始测量的点云数据进行处理(去除噪声,平滑,对多站点数据做拼接配准,提取目标建筑物等)得到正确和完整的目标建筑物的表面信息,然后构建三角网建立它的三维表面模型,最后通过所拍的照片进行纹理映射得到真实的三维模型。实验结果表明,利用上述方法可以有效地处理三维激光扫描获取的点云数据,实现对建筑物快速三维可视化建模。