基于轮廓角点提取的有色金属铸锭检测

为实现有色金属铸锭的智能磨削,需设计视觉检测算法为机械臂提供金属锭的位置信息。然而,模具中随铸锭生产线移动的金属锭存在背景干扰和位置持续变化的复杂情形,这对视觉检测提出了高准确度、强鲁棒性的要求。本文基于一种代表性的有色金属铸锭,对其铸锭图像进行分析,使用边缘线段检测获取金属锭的边缘信息。随后,根据边缘线段的位置和长度筛选出有效的边缘特征。此外,为提取金属锭的轮廓角点,本文通过检测筛选后的边缘线段得到基础轮廓并进一步拟合为准确的金属锭轮廓。最后,实验结果验证了所提金属铸锭检测算法对不同金属锭图像具有良好的准确性和鲁棒性。     

基于CCD图像的激光点云数据边界提取法

提出了一种融合激光和CCD图像的点云数据边界提取的方法。首先,将激光点标定到CCD图像上。然后,融合CCD图像数据与激光数据,提出了一种基于图像法的点云数据边界特征的提取方法,采用图像处理中梯度求解方法,对点云中每一点处的法向矢量和曲率进行估计,通过阈值得到候选边界点,再利用曲率极值法得到最终边界点。     

机载LiDAR点云分块插值滤波

现有机载激光雷达（LiDAR）点云滤波算法在简单地形下取得了较好的滤波效果,但普遍对陡坡地形适应性较差。为提高在不同地形下的滤波性能,提出了基于分块的多尺度表面插值滤波算法。该算法首先通过改进的区域增长分块算法将原始点云分为点云块集和散点集,然后通过构建的多尺度表面插值算法同时对点云块和散点进行分类。利用国际摄影测量与遥感学会(ISPRS)提供的基准数据验证表明,该方法在15个样本中有11个样本滤波效果优于现有滤波方法,对各类地形均有较强适应性,且该方法平均总误差最小。对三种不同地形特征的高密度数据滤波实验,也验证了该方法的良好性能。     

基于多约束连通图分割的机载LiDAR点云滤波方法

点云滤波是机载LiDAR点云后处理应用的必要环节.现有的大多数点云滤波方法往往在地形平坦的区域滤波效果比较好,而在地形起伏较大区域滤波效果较差.为进一步提升点云滤波方法的精度及对复杂环境的适应能力,提出一种基于多约束连通图分割的滤波方法.通过设定垂直性、高差、距离三个约束条件构建点云连通图,实现点云分割,并基于地面覆盖...     

基于LiDAR点云的单根电力线分离提取与多维度拟合重建

激光雷达技术能够快速高效地获取高精度的三维点云数据,机载LiDAR不受天气影响且能在复杂地理条件下工作,已成为电力线巡检的重要方法。而从获取的LiDAR点云数据中高效提取架空电力线点云是机载LiDAR电力巡检后期数据处理的重要内容。本文基于某地输电线走廊的LiDAR点云数据,设计了一套单根电力线分离提取和多维度拟合重建的方案。该方案首先使用统计滤波算法去除LiDAR数据中的异常离群点;再采用布料模拟滤波算法,结合数据高程信息去除地面点,利用PCA主成分分析法与快速欧式聚类算法,从电力线走廊点云中分离提取单根电力线;最后基于提取结果对单根电力线进行多维度拟合重建。实验结果表明,本文方法能精准且快速地分离提取单根电力线并进行多维度拟合重建,在电力线智能巡检中具有良好的工程应用价值。     

基于LiDAR点云的地理电磁环境建模及仿真研究

在复杂地理环境中,不规则的地形和多样化的地表覆盖物会给电波的传播造成较大的影响.针对数字高程模型（Digital Elevation Model,DEM）电磁建模缺少地表覆盖物信息的不足,研究了基于LiDAR点云的地理电磁环境的建模.采用数学形态学方法对格网化后的LiDAR点云数据进行处理,从点云数据中先后提取了地物、地形的信息,在此基础上,对各种地物赋予其相匹配的电磁参数,得到了更为准确的地理电磁环境的模型,并采用抛物方程模型对有真实地表覆盖物环境下的电波传播特性进行了仿真分析.相较于传统的基于DEM的电磁建模,该电磁建模方法能够获取到地形、地物的信息,更全面地考虑到地物对电波传播特性的影响,预测结果也将更加准确有效.     

基于改进轮廓提取的Hough变换椭圆检测方法

分析椭圆目标在成像平面上的特点,提出一种基于改进轮廓提取的Hough变换椭圆检测方法,可以有效地在图像中提取出椭圆的轮廓。对边缘检测后的图像进行边缘点分类,去除交叉点和孤立点,保存端点;根据端点,提取图像中的非封闭轮廓,再扫描图像,提取剩余的封闭轮廓;针对随机Hough变换,根据每条轮廓的长度判断该轮廓需要采样计算的次数,在每个循环的内部,设定阈值来判断每组椭圆参数的统计值,用以跳出循环。实验结果表明,与普通随机Hough变换相比,该算法的内存占用量与计算量大大减少。     

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...     

浅析机载Li DAR点云数据的构成与简单分类

分类作为机载Li DAR点云处理的关键步骤之一,在点云处理过程中起到重要的作用,本文立足于电晕数据的概念、构成、以及常见的数据分类计算,简要地对机载Li DAR点云数据的分类进行研究,试图为机载Li DAR点云数据研究提供数据资料.     

一种基于IGA的融合点云和影像的建筑物提取方法

针对精细化实景三维建筑物建模,提出一种基于改进遗传算法（IGA）的建筑物LiDAR点云与正射影像融合提取方法：计算并提取基于点云和影像的特征,实现点云特征空间的扩张;再改进遗传算法选择点云特征,构建并优化特征空间;最后使用SVM分类器实现建筑物点云的精准提取。在ISPRS公开数据集Vaihingen测试数据的试验表明本文方法具有较高的建筑物提取精度;在实际生产数据的实验表明建筑物提取精度较高且稳定,证明了本文方法的先进性和普适性。     

一种新的掌纹轮廓特征点提取算法

提出了一种对掌纹轮廓特征点进行提取的方法,该方法首先沿着掌纹边缘线做多个彼此相切的外切圆,然后通过判断外切圆与掌纹边缘线交点个数来定位角点的大致位置,最后结合轮廓线近似直线的性质,得到掌纹轮廓特征点的准确位置.在定位角点位置的基础上,为每一幅掌纹图像获得一个ROI(感兴趣区域),并通过计算每个区域的特征向量值对数据库中掌纹图像进行匹配.实验结果表明,该算法具有较高的效率和匹配精度.     

基于交叉自注意力机制的LiDAR点云三维目标检测

针对基于深度学习的激光雷达(light detection and ranging, LiDAR)点云三维(3D)目标检测对小目标的检测精度较低和噪声干扰问题,提出一种基于交叉自注意力机制的3D点云目标检测方法CSA-RCNN (cross self-attention region convolutional neural network)。利用交叉自注意力(cross self-attention, CSA)同时学习点云的坐标和特征,并设计多尺度融合(multi-scale fusion, MF)模块自适应捕捉各层级多尺度特征。此外,还设计重叠采样策略对感兴趣目标区域选择性地重采样以获得更多前景点,有效降低了噪声采样。在广泛使用的KITTI数据集上进行算法性能测试,结果表明,本文方法对行人等小目标的检测精度有较大提升,平均精度均值相比PointRCNN等4种经典算法均获得提升,显著提高3D点云目标的检测性能。     

基于激光雷达点云的3D目标检测技术综述

在自动驾驶场景中,需要感知周围环境中的目标类型、大小、距离及方向等信息,因此3D目标检测技术对于自动驾驶汽车而言尤为重要.为获取周围环境信息,如激光雷达等传感器被应用在自动驾驶汽车上.为此,介绍自动驾驶领域基于激光雷达的3D目标检测现有方法,涵盖最新的模型,并对现有模型进行系统的分类,详细介绍具有代表性和开创性的方法,...     

基于点云数据的数字化比对检测系统设计与实现

点云数据与CAD模型的坐标匹配和对应关系的建立是数字化比对检测系统的关键技术。利用k-D树空间快速搜索策略改进传统ICP算法实现点云数据与CAD模型坐标精确匹配,采用半边数据结构建立点云数据与CAD模型对应关系,利用点到边和点到点的对应关系解决待测工件的边缘和棱线以及特征明显变化区域的偏差检测问题。在此基础上研制了数字化比对检测系统。试验结果表明该系统运算速度快、精度高,具有很好的应用效果。     

基于激光雷达的建筑物轮廓信息识别提取研究

对于采用激光雷达扫描的建筑物进行点云重建的关键,在于建筑物轮廓信息的提取,并且要能够保证其精确度和完整性。文章提出了基于几何特征与语义描述的外轮廓信息改进识别方法,比较好地解决了目前建筑物轮廓提取中存在精度较低、后续处理麻烦的问题。最终建立了数学求解模型,并且以采集的单栋建筑物点云数据作为实验样本,进行了建筑物轮廓信息提取实验。结果表明,采用的改进方法不仅理论上能够实现,还大大提高了建筑物轮廓信息提取的清晰度,通过多次实验验证,此方法优越性明显。文中所述方法对点云数据分割,特别是建筑物与地面点的分割,建筑物的三维重建具有极大的意义。     

基于图像-点云映射的铆钉平齐度高效检测

铆钉平齐度是铆接质量参数中的一项重要指标,但在实际检测中缺少高效、稳定的检测方法.针对铆钉平齐度的检测,本文提出了一种基于图像-点云映射分割策略的平齐度检测方法.首先,为了快速、稳定地提取图像中的铆钉轮廓,本文提出了一种图像噪声轮廓的分割方法,并基于铆钉轮廓像素的邻域特征,总结出轮廓拐点处的三种邻域特征,据此判断轮廓点是否为拐点,依据拐点对噪声轮廓进行分割;然后,基于图像-点云映射策略,将图像中的铆钉特征映射到测量得到的三维点云中,实现铆钉点云区域的快速、稳定分割.实验结果验证了本文所提铆钉平齐度检测方法具有较高的稳定性和检测精度.