基于法矢修正的点云数据去噪平滑算法

逆向工程数据采集点云数据的离群点和噪声点的存在,直接影响数据的多视图拼合,特征提取,数据精简以及曲面重构的质量。在对双边滤波和三边滤波算法的研究的基础上,提出了一种基于法矢修正的点云数据去噪平滑的算法。对于噪声点通过加权协方差矩阵估算点云邻域内几何特征,将具有相似几何特征的点限制在法向量相似的区域,在相似邻域内的采样点法矢和位置分别进行保特征的三边滤波。改进后的算法能够有效地滤出点云数据中的离群点和噪声点,同时保证了点云数据的尖锐及边缘特征,取得良好的去噪效果。     

一种曲面拟合图像边缘特征提取算法

针对传统最小二乘支持向量回归函数曲面拟合边缘特征提取算法推广性差的问题,提出首先在模糊特征平面对图像进行模糊去噪增强,使图像各种边缘信息凸显,弱化非边缘信息;然后对图像进行最小二乘支持向量回归函数曲面拟合,对拟合函数求导确定边缘.在对每个点采用相同惩罚因子时,保证了图像中每一像素的邻域最佳函数拟合.仿真实验表明,该算法边缘提取质量清晰细致,效果较好,且各种参数的选择不需人为调节,适合图像预处理阶段应用.     

一种基于曲率极值法的LiDAR点云特征提取算法

针对地面LiDAR（1ightdetectionandranging）技术在三维数据采集过程中无法体现人的主观判别能力、采样数据存在大量冗余的问题,提出了一种基于曲率极值与最小生成树准则的LiDAR点云特征提取算法．通过二次曲面拟合实现对原始采样曲面的模拟与表达,估算采样表面的几何微分属性,分别基于平均曲率比较法、曲率极值法来实现特征点的初选与精选;设计并实现了一种基于最小生成树准则的特征点拓扑邻接关系的确定方法以及相应的最小生成树裁减算法,在确定特征点拓扑邻接关系的同时,依据裁减算法实现了采样地理实体表面特征的精确提取．实验证明,算法是可行、有效的,利用算法提取了LiDAR点云的特征之后,有效地增强了点云数据的表达能力,弥补了地面LiDAR技术在数据采集过程中无法体现人的主观判别能力的不足;借助于算法提取的采样地理实体表面特征来指导和约束点云数据简化过程,可在有效保留原始采样曲面重要特征的同时实现点云数据的大幅度精简．     

曲面重构中带孔洞点云数据的边界提取算法

设计了一种曲面重构过程中点云中可能存在的孔洞内边界和开区域外边界的自动识别算法。该算法首先计算出各数据点的k邻域点,通过对k邻域点分布均匀性的判断识别出内外边界特征点,最后通过预估边界边的走向将识别出的边界特征点连接成边界线,从而识别出内外边界线。实验表明,该算法能很好地提取出孔洞内边界以及开区域外边界,为带孔洞点云数据的曲面重构奠定了基础。     

基于随机抽取一致性的稳健点云平面拟合

针对常用的平面拟合方法在点云数据存在误差或异常值时产生拟合不稳定的现象,提出了结合最小二乘法的随机抽取一致性(random sample consensus,RANSAC)平面拟合算法.该方法先用RANSAC算法检测并剔除异常数据点,再利用最小二乘法将得到的有效数据点拟合,计算平面模型参数.实验中,分别采用该算法和最小二乘法、特征值法对仿真数据进行平面拟合,且采用本文提出的算法,分别对含有不同程度误差和异常值的点云数据进行拟合计算.研究结果表明:该算法适用于存在误差和异常值的点云数据拟合,能稳定地得到较好的平面参数估值,具有较强的稳健性.     

基于离散点云的拉伸面与旋转面参数提取技术研究

为了提高拉伸面和旋转面参数提取的精度和抗噪声能力,依据拉伸和旋转面在各点的法矢与拉伸方向及旋转轴的几何约束关系,利用随机抽样一致性算法结合最小二乘法提取拉伸方向和旋转轴,然后采取全局约束策略,通过对轮廓数据整体拟合来提取轮廓线.实验证明了算法的有效性、鲁棒性和精确性,为逆向工程中高质量的重建曲面奠定了良好的基础.     

反求工程中离散曲率估算方法

提出了一种新的对三角网格模型和散乱点数据都适用的曲率估算方法。该算法识别了Meyer的三角网格模型离散曲率估算方法中估算异常的区域,以异常区域内的每个顶点的2环邻域作为k邻域,采用加权的局部抛物面拟合法对异常区域曲率进行了估算。通过构建局部三角剖分,把算法扩展应用到了散乱点数据。实验结果表明,本文算法受三角网格形状影响较小,有一定的抑噪能力,能有效地识别曲面的基本特征。     

基于Imageware的鼠标复杂曲面反求设计

利用逆向软件Imageware对鼠标点云数据进行处理,划分特征线网格和曲面重构,然后利用三维软件UG NX进行鼠标复杂曲面的三维造型设计.讨论曲面反求设计主要涉及的技术问题,以及利用逆向工程技术检测曲面拟合精度的方法.     

基于方向角的散乱点云三角剖分算法

针对直接三角剖分困难,分片三角剖分需要人工干预,且算法效率都很低下问题,提出了高效自动的在特征基点根据方向角进行分片投影三角剖分。算法的主要步骤分为两步：首先从只有位置信息的点云中提取出邻域、矢量和形状索引信息,并利用形状索引信息得到特征基点;然后以特征基点为参考点根据方向角对点云进行分片,每个片进行特征基点切平面投影三角剖分,通过三角剖分有效性处理,连接成最终的网格曲面。实验结果表明算法可以自动高效的重叠和非重叠散乱点云,且可以有效避免曲面自交。     

利用TLS技术测定闭合节理直剪试验剪切面面积

针对现行直剪试验中未考虑剪切面"闭合不规则空间曲面"特性对剪切面面积测定的影响,提出了一种基于地面三维激光扫描(Terrestrial Laser Scanning,TLS)技术的闭合节理直剪试验剪切面面积测定方法.该方法首先通过三维激光扫描仪获取岩石试样的三维点云数据,然后进行点云去噪和提取岩石剪切面轮廓点云数据,接着由剪切面轮廓点云数据拟合最佳投影面,计算轮廓点云在投影面上的投影点集及其各点投影坐标,最后利用逐点插入的Delaunay三角剖分算法获得轮廓点云投影点集的凸包,凸包三角形面积和即为剪切面的面积.实验结果表明:基于TLS的闭合节理直剪试验剪切面面积测定方法操作简单,且面积计算精度高,适用于任意形状闭合节理面的剪切面面积计算.     

基于移动最小二乘曲面的多视三维点云数据ICP对齐方法

多视数据最近迭代点(ICP)对齐广泛应用于反求工程及特征识别中,为了提高对齐精度以及稳定性,提出了一种基于移动最小二乘(MLS)曲面的ICP多视数据对齐方法.该方法的主要思想是直接利用MLS曲面表示原始曲面模型,将其他视角数据ICP对齐到该MLS曲面,其优点是无需对测量数据进行额外的去噪处理与数据分割,即可实现多视点云数据的精确对齐.实验结果表明,该方法能得到更加精确稳定的对齐结果.     

基于散乱点云的快速体积计算法

三维可视化体积计算基本上都是先由散乱点云构建出表面网格模型,然后基于网格模型计算体积,存在计算量大、速度慢的缺点.针对此问题提出一种快速体积计算法,首先使用改进的增量式Delaunay三角剖分对散乱点云进行四面体剖分;然后利用K近邻计算散乱点的拟合曲面和最小生成树,得到各点的法向量;由各点法向量剔除体外四面体;最后计算各四面体体积之和从而得到总体积.实验表明,该算法不仅保证了计算准确度,而且较传统算法大大提高了效率.     

基于点云特征对比的曲面翘曲变形检测方法

针对目前曲面翘曲变形描述不充分、检测效率低的问题,定义自由曲面的翘曲变形描述方式,提出基于点云特征对比的曲面翘曲变形检测方法. 研究一系列算法,开展曲面单层点云提取,通过对比曲面实测点云与模板点云的空间位置获取翘曲变形区域;通过计算获得翘曲距离和翘曲张角,描述翘曲的变形程度和变化趋势. 实例分析结果表明,提出的方法不需要进行曲面重建,直接通过点云特征对比进行曲面翘曲变形分析,在保证精度的同时,在效率上比三维重建方法检测翘曲有了较大的提高.     

基于图像邻域特性的高斯噪声去噪

针对传统高斯噪声去噪算法残余噪声较大的不足,根据噪声对图像视觉的影响,提出了基于像素邻域相关性的去噪算法.首先运用邻域像素的连续性判断像素点是否位于平滑区内;其次对非平滑区根据边缘和纹理的局部连续性运用形态学提取图像边缘和纹理进而定位噪声点;最后对平滑区内的噪声运用自适应邻域进行去噪处理,对非平滑区的噪声仅利用非平滑区的邻域进行平滑,实现了对高斯噪声先定位再去噪.经实验结果验证:与传统方法相比,该算法较好地抑制了图像平滑区内噪声,提高了去噪后图像的视觉效果.     

基于法向量距离分类的散乱点云数据去噪

在三维点云数据的去噪中,很难实现既保持尖锐区域的特征,又使平滑区域高度光顺。为此,提出了一种基于法向量距离分类的去噪方法。首先计算点云数据的微分几何信息。采用鲁棒的方法对点云数据进行法矢量估算,并将其法矢量方向调整到一致。再根据采样点的局部二次曲面拟合来估算点云数据的曲率;然后通过计算从采样点到其切平面的法向距离,将点云数据划分为平滑区域和尖锐区域,并采用加权局部最优投影算法和双边滤波算法分别对平滑区域和尖锐区域进行滤波去噪。选用Bunny和Fandisk点云模型,分别采用单一的加权局部最优投影算法、双边滤波算法及两者相结合算法对点云模型进行去噪测试。测试结果表明:所提方法可有效去除噪声模型中的孤点,提高点云分布的均匀性;增强点云模型平滑区域的光顺度,保持了尖锐区域中的几何特征并避免了过度光顺和细节特征失真。对比测试数据可知,降噪点云模型的误差和偏差较小,Bunny模型的平均误差为0.001 1 mm,Fandisk模型的平均误差为0.000 7 mm。     

一种面向弱纹理图像的特征点描述子

现有的大多数特征点提取算法适用于处理纹理丰富的图像,而对于弱纹理图像则无法提取有效的特征点. 对此,提出了多邻域结构张量特征(MNSTF)算法. 基于一系列固定的邻域和图像结构张量,通过表达局部图像的结构和纹理信息,解决了弱纹理和无纹理场景下特征点提取和匹配等相关问题;同时,通过计算邻域之间的相对方向,实现了MNSTF算法特征描述子的旋转不变性. 实验结果表明,MNSTF算法在经过旋转的弱纹理图像测试集上的特征点匹配准确率达到了99.9%以上,验证了其良好的适用性、旋转不变性和鲁棒性.     

基于TBGC的航拍视频车辆检测算法

针对移动航拍视频中车辆检测准确度低的问题,提出一种基于三邻域点二值梯度轮廓(Three-neighbor-point Binary Gradient Contour,TBGC)特征的航拍车辆检测算法。对相邻帧图像进行SURF(speeded-up robust features)特征点提取匹配,利用角度判别剔除错误匹配点完成图像配准,采用帧间差分获得运动目标的候选区域。由于传统二值梯度轮廓(Binary Gradient Contours,BGC)特征忽略中心像素特性,提出基于3×3邻域相邻像素点量化操作的TBGC特征。提取候选区域的TBGC特征,并利用支持向量机(Support Vector Machine, SVM)完成最终的航拍视频车辆检测。实验中利用提出的TBGC特征在8个数据集上分别与BGC1、LBP、HOG特征进行对比实验,实验结果表明TBGC算法的检测率明显优于传统经典算法,平均检测率为93.09%,并且具有较好的鲁棒性。     

基于空间邻域信息的击剑连续动作图像分割

由于目前已有方法未能提取击剑连续动作图像的邻域特征,导致图像分割结果不理想、抗噪性能较差、分割运算时间增加,针对此问题,提出了一种基于空间邻域信息的击剑连续动作图像分割方法,对人体轮廓线特征点进行自动提取,将组建关于特征点的自适应邻域几何特征协方差矩阵设定为特征点描述子,对各个描述子进行相似性度量,提取击剑连续动作邻域特征。然后,通过邻域特征在目标函数中增加空间约束项函数,利用像素的先验概率设定空间邻域隶属函数,同时加入核函数,优化击剑连续动作图像特征;通过隶属函数修正得到新的加权隶属函数,加强邻域信息聚类比例,完成图像分割。最后,进行了实验测试,经过测试可知,本文方法能够获取理想的分割效果,同时还能够提升抗噪性能,降低分割运算时间。     

基于局部曲面逼近的网格光顺算法

针对光顺带噪声的三角网格模型并使光顺的结果逼近模型的原始设计意图,提出了一种基于局部曲面逼近的网格光顺算法.首先获取顶点的二阶邻域内的顶点信息,利用邻域顶点的多元L1中值获得邻域确定的局部曲面的2次逼近的点集;然后将顶点沿着其法矢方向向该点集上投影,获得顶点在点集上的投影点;最后将顶点移动到投影点的坐标处,得到光顺后的...     

基于MLS点云模型特征的提取算法

针对以往特征提取算法提取边界特征效果不理想和特征识别时间较长的问题,提出了一种改进的点云模型特征边界线提取算法.该算法以移动最小二乘法为基础,在对已有的边界特征提取方法研究的基础上,结合研究对象棱角分明的特点,提取点云模型边界特征点集,利用双向搜索方法快速生成模型的特征边界线,并对得到的特征边界线进行特征修复,从而得到较为稳定的点云模型的特征边界线.实验结果表明,该算法能快速地提取点云模型的特征边界线,为后续基于特征边界的建模节约了大量时间.