点云模型的匹配点对优化配准

针对传统迭代最近点（ICP）算法在点云存在重叠或部分重叠时,配准误差大且适应性差的问题,提出一种基于匹配点对加权优化的改进配准算法。首先,提出一种改进体素降采样算法对点云进行采样,减少数据量的同时提高算法对噪声的鲁棒性;然后,采用改进Sigmoid函数赋予参与配准的匹配点对不同的权重,克服传统算法忽视距离较小的匹配点对中仍具有错误点对的缺点,同时提高了配准精度和收敛速度;最后,提出一种采用奇异值分解法（SVD）求解配准参数的方法,进一步提高配准精度。设计了不同重叠度的配准实验和噪声实验,并结合曲轴三维点云重建对本文算法进行验证。实验结果表明：本文算法误差较Tr-ICP算法减少了约34.1%,较AA-ICP算法减少了约29%,配准时间较TrICP算法缩短了约16.1%。最终表明本文算法具有更高配准精度的同时,具有更好的适用性和鲁棒性。     

改进的多视图点云数据配准方法

传统最近点迭代(ICP)算法在进行点云数据配准时,由于待配准的点集数据量很大,每个点云都要遍历一遍,所以时效性不高而且误匹配率大。针对此问题,提出先用Canny边缘检测算子对点云数据进行预处理,以此简化预处理点云的数据量,然后用K-D树搜索数据,最后再用ICP算法进行点云配准,以此来达到加快配准速度。实验证明,该方法灵活实用,简化了待匹配的点云集,能很好的解决传统最近点迭代算法中匹配慢的问题,可以很好的满足工程需要。     

基于点云几何信息改进的自动配准方法CSCD

针对工业流水线上激光扫描工件获得的点云数据的配准问题,提出了一种基于点云数据几何特征改进的点云自动配准新算法。新算法首先根据点云数据中法向量的变化规律选取特征点,作为初始的匹配点集;然后运用一种根据点对间距离约束优化的随机抽样一致(RANSAC)算法对数据初始匹配;并运用k-d tree加速改进的最近点迭代(ICP)算法进行精确匹配;并运用四元数法求得配准参数。分别对提出的新算法、PCA改进算法和经典ICP算法进行了实验,并对实验结果进行了对比。对比结果表明新算法能够实现配准,并显著提高了配准的速度和精度,表明了新算法的有效性,对实际应用具有一定的现实意义。     

叶片机器人砂带磨抛点云匹配算法优化

为解决机器人磨抛路径中工件坐标系难以计算的问题及校正工件装夹误差,将三维点云配准技术应用到叶片机器人砂带磨抛系统中。由三维激光扫描仪扫描工件型面获得工件点云,采用基于主成分分析(PCA)的全局配准算法和改进的迭代最近点(ICP)算法完成了扫描点云和工件模型离散点云间以及不同工件扫描点云间的匹配,以获取工件坐标系和校正工件装夹误差。相关仿真和试验结果表明,优化后的算法在匹配速度与精度上有了长足改进,且加工后产品精度和质量都能满足实际加工要求。     

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.     

基于割线特征相关的点云配准算法

针对传统的点云配准算法存在计算量大、效率低的问题,提出了一种基于割线特征相关的点云配准算法。首先建立点云的割线特征模型构建割线特征向量,然后对两点云的割线特征向量进行相关性分析,依据相关性分析结果求解两点云的空间变换矩阵,对待配准点云进行空间变换,最后不断迭代以上步骤直到达到迭代条件时完成点云配准。仿真实验表明：与传统算法ICP和3D-NDT相比,点云配准算法的速度提升90%以上,而配准精度评价指标RMSE降低了20%以上,即该算法效率更快、精度更高。     

基于分层块状全局搜索的三维点云自动配准

提出了一种分层块状全局搜索到临近点局部搜索的改进迭代最近点(ICP)算法,用于进一步提高ICP算法的配准速度并消除点云缺失对点云配准的影响。该配准方法在粗略配准之后,以点云块为分层单元对模型点集进行选取,并对选取的少量模型点进行全局搜索获取其对应最近点;然后,以这些模型点对应的最近点作为搜索中心,在场景点集中进行局部搜索,获取这些模型点的大量临近点的对应最近点;最后,剔除错误对应最近点对,并求取坐标变换。与基于KD-Tree的ICP算法和基于LS+HS(Logarithmic Search Combined with Hierarchical Model Point Selection )的ICP算法相比,该配准算法对Happy bunny扫描数据的配准速度分别提高了78%和24%;对Dragon扫描数据的配准速度分别提高了73%和30%。这些结果表明该算法可以快速、精确地实现三维点云间的配准。     

一维非均匀齿轮形貌点云精确配准方法

为了提高虚拟齿轮形貌点云和实测非均匀齿轮形貌点云的配准精度提出一种配准方法。首先以实测齿轮形貌点云数据为基准生成与其数量相同的虚拟齿轮形貌点云数据;再利用互相关算法求出这两组点云数据的初相位,并对虚拟齿轮形貌点云进行相位平移;最后以实测齿轮形貌点云数据为基准,重新生成一组与其点与点对应的虚拟齿轮形貌点云数据,实现两组点云数据的精确配准。实验结果表明:当周采样数目为125952时,采用一维非均匀齿轮形貌点云配准方法较迭代最近点(ICP)算法,角位移配准精度提高了0.0008°,线位移配准精度提高了4μm。该方法可提高非均匀齿轮形貌点云的配准精度。     

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。     

自由曲面测量的三维散乱点云无约束配准

结合局部曲面拟合和广义二分优化搜索,提出了用于大尺寸自由曲面形貌测量中多视三维散乱点云自动配准的算法.首先,对点云微小局部区域进行标准最小二乘曲面拟合,根据拟合残差提取给定点云的全部非平坦区;借助图论中“邻接”与“可达”的概念以及非平坦区的空间分布统计特征,进行相邻点云非平坦区的区域聚类计算以及区域匹配,进而自动获得配准位姿初值.然后,计算源点云在目标点云中最靠近点的k邻近,并向k邻近点的局部移动最小二乘拟合曲面做正交投影,以提取对应点.最后,采用广义二分优化搜索进行位姿变换的优化求解.试验结果表明:该方法稳定、可靠,无需人工交互,适用于采样错移情形.在重叠区域内选取150个对应点进行位姿优化时,平均配准缝隙约为0.02mm,可以满足大尺寸自由曲面形貌测量的多视三维散乱点云配准的要求.     

多测源数据融合下的点云配准方法研究

工程样件的数字化测量是逆向工程的首要阶段,不同测量方法对数字化的精度、效率影响较大,将多个测源获得的不同点云数据进行融合可充分发挥不同测量方法的优点,扩大逆向工程的适用范围。采用三坐标和三维扫描仪分别对设置有特征球的鼠标模型进行三维数据采集,利用球面拟合算法对特征球的数据进行拟合,得到特征球的球心用于点云配准,基于3基点点云配准原理获得坐标变换矩阵,并给出点云配准精度评估模型,利用实验对方法的可行性进行验证。     

改进的点云精确匹配技术

针对点云精确匹配,提出一种改进的ICP算法.首先采用标签法寻找对应的标志点对.计算变换矩阵完成点云的粗匹配,其次采用KD-Tree髓的空间搜索策略,计算点云之间的重叠部分以缩小ICP算法的遮代区域;然后给出对应点对的约束条件,通过删除错误的对应点对以提高有效性.该算法提高了精匹配的效率和匹配精度,并用实例验证了方案.     

多视点云数据快速对齐方法

多视点云数据的对齐(拼接)问题是逆向工程研究的热点问题之一。在ICP算法的基础上,提出通过在数据测量时放置基准物体,建立点云数据对齐特征,在进行多视点云数据拼接时对对齐特征增加约束的方法,实现多视点云数据的快速对齐。并对基于三个基准点约束对齐的对齐精度进行了分析,提出了减少对齐误差的措施,最后通过实例对研究结果加以分析验证。     

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。     

基于三个基准点的点云拼接对齐方法

在逆向工程技术应用中,经常需要得到物体内、外表面几何形状的完整数据.测量仪器往往不便于在同一定位状态(同一坐标系)下完成整个内、外表面的测量工作.为了得到完整数据模型,常用的方法是采用多视拼合技术.本文首先讨论了对齐拼接的算法,然后根据此原理,提出粘贴带有孔的薄壁塑料片的新方法,在不同的定位状态下对物体内、外表面进行多...     

基于点云测量数据的汽车车身外形匹配质量分析

汽车车身外形匹配质量主要通过搭建外覆盖件匹配样架来进行检测,存在搭建周期长、测量效率低的问题。研究了基于各单个汽车零件快速测量的虚拟AMB搭建技术,在虚拟环境下对汽车外形匹配质量进行检测分析。在总结分析参考点系统类型的基础上,适应性地提出RPS对应测量点提取方法,提高RPS匹配精度,计算相邻零件间匹配缝隙和平整度偏差。具体实例验证说明虚拟AMB搭建技术能够有效地实现汽车外形匹配质量的检测分析。     

航空发动机外形点云的保特征去噪方法

三维激光扫描设备可以提供航空发动机外形实测点云,但其中包含的噪声会直接影响后期外形几何模型的重建精度。为保证在去除噪声的同时不模糊或破坏掉发动机复杂的外形几何特征,提出了一种基于深度学习的点云保特征去噪方法。将航空发动机外形噪声点云分割成特征数据和非特征数据之后,分别设计了特征去噪网络和非特征去噪网络,用于预测特征噪声点和非特征噪声点的位置修正向量,噪声点沿预测向量移动后被投影回模型真实的底层表面上,实现去噪。构建了用于特征去噪学习和非特征去噪学习的数据集。验证结果表明,在将该方法应用于各种噪声尺度的发动机外形点云时,相比现有的学习基方法,去噪效果得到提高,且有更好的几何特征保护能力,可以为后续重建提供高质量点云。     

多基准点下多视点云拼接对齐方法的研究

为了探究逆向工程中急需解决的高效高精度坐标转换方法,因此研究了基于多基准点的多视点云对齐技术。通过利用对基准点的滤波以及四元数作为旋转因子的特性,提出了一种新的滤波方法并改进了多视点云拼接方法,实现了多视点云的快速精确拼接。利用该方法对模型车外壳进行反求,分别采用三基准点法和多基准点法对模型车多视点云进行对齐,并得到不同方法下的转换精度,验证了该新方法的高精度性和优越性,同时也证明了三基准点法的不稳定性。