基于特征点的凝胶图像配准方法研究

本文针对几种凝胶图像配准算法进行了比较研究,在此基础上,对基于SURF(speeded up robust features快速鲁棒特征提取的配准算法)配准算法进行了改进,一方面,在提取特征点时对Hessian矩阵行列式进行加权,从而获得更多特征点;另一方面,在特征点匹配时应用欧式距离加权处理作为相似度量来计算两特征向量的距离,提高了算法的性能和配准速度。     

基于直方图相似特征的电力杆塔点云快速匹配方法研究

在分析电力杆塔点云特征基础上结合特征点描述要求,提出了基于距离直方图和角度直方图相似性的点云特征,实现了对点云的快速配准.针对点云数目和密度较小的点云数据,基于距离直方图和角度直方图特征的点云配准方法比传统的基于FPFH特征的点云配准方法的配准精度和配准效率更高.     

利用MPI实现点云SAC-IA并行配准

采样一致性初始配准算法(SAC-IA)是点云的一种粗配准算法。针对大规模点云SAC-IA配准效率低、实时性差等问题,本文提出利用消息传递接口MPI实现点云SAC-IA多进程并行配准,主要包括法向量并行估计、SPFH特征及FPFH特征并行计算和SAC-IA并行配准。实验结果表明,MPI多进程并行算法可显著提高点云SAC-IA配准速度。     

基于SIFT-SRBICP算法特征点云提取与配准研究

针对图像特征点提取效率低和稳定性差,点云集在实际情况下由于尺度变换引起的匹配不准确和旋转角变化过大引起的配准效果不佳的问题。本文对SIFT、SURF及ORB三种算法进行对比分析,验证了SIFT算法在解决图像特征点提取问题上优于其它两种算法。本文采用SIFT算法进行特征点提取,并提出基于改进型的SRBICP算法对点云进行配准,该方法不仅增加了初始信息素的随机性和考虑了尺度矩阵的边界,并加入了旋转角约束矩阵、动态迭代系数以及退火系数等因素对点云配准模型进行构建。最后采用基于开源GNU/Linux系统所搭载的的Ubuntu操作系统,在Ubuntu系统平台上进行仿真实验,实验结果表明,改进后的算法比传统ICP算法配准精度提高了约50%,同时配准速度提高了约40%。     

基于FPFH特征的三维点云配准方法研究

随着三维激光扫描技术的发展,利用点云数据的三维重建技术在逆向工程、虚拟现实等领域有着广泛应用。在实际扫描测量中,由于环境条件不好或者目标物体被遮挡,为了获得被测物体完整的表面信息,通常需要在多视角下采集数据,点云配准将不同视角下的点云坐标变换到统一的坐标系,便于后续应用。目前点云配准有很多算法,本文主要研究基于FPFH特征描述子对点云进行粗配准,然后使用ICP算法配准,实现三维点云的精确配准。实验结果表明,本文使用的配准方法具有可行性与有效性,为点云配准提供了一种借鉴方法。     

一种结合区域选择和SIFT算法的遥感图像配准方法

针对SIFT算法存在提取特征点数目大、运算速度慢、匹配点正确率不高的问题,提出一种基于区域选择和SIFT的遥感图像配准方法。首先对遥感图像进行粗配准,按照粗配准系数获得图像系列的重叠区。分割重叠区域,利用二维小波变换对分割图像进行变换得到其三个方向的高频分量,计算其高频能量总和,选取能量值最大的图像块代替原图像按照SIFT算法进行配准。改进后的方法不仅能够避免传统SIFT配准提取冗余干扰特征点,且能够加快匹配速度,提高匹配点正确率,尤其适用于大幅遥感图像配准。实验结果表明,该改进算法能够获得较高的配准精度且配准效率高。     

基于SURF算法的无人机航空图像自动配准研究

针对实时性要求中SIFT特征配准算法耗时长的缺点,本文将SURF（Speeded Up Robust Feature,即加速鲁棒特征）算法应用于无人机航空图像的自动配准问题中。首先利用Hessian检测子检测特征点,再通过粗匹配和细匹配得到匹配点对,最后执行几何变换完成对图像的配准。通过与SIFT（Scale Invariant Feature Transform,即尺度不变特征变换）配准方法进行对比,结果表明SURF算法在满足精度的前提下具有比SIFT算法计算量小、速度快的优点,有一定的理论和应用价值。     

基于SIFT特征的遥感影像自动配准

提出了一种基于特征点的全自动高分辨率遥感影像配准方法,该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,并通过RANSAC方法和双向匹配策略提高特征点的匹配精确度。最后利用同名特征点构建影像间的转换模型,实现高精度影像纠正与配准。实验结果表明,该算法具有较强的匹配能力和鲁棒性。     

激光雷达技术在应县木塔形变分析中的应用

为了更好地对应县木塔进行保护,需要分析其形变程度,了解木塔的健康状况,进而制定科学的保护方案。利用地面激光雷达、高精度全站仪等测量传感器,通过激光雷达扫描和全站仪控制测量相结合的方案采集监测数据。首先对采集的点云数据进行预处理,外部点云采用整体配准算法进行配准,通过特征进行粗配准和迭代最近点(ICP)算法进行精配准的两次配准,配准后根据控制点完成内、外点云坐标转换,通过罗德里格矩阵求解空间转换参数,最终得到绝对坐标系下的整体点云模型。对点云模型进行多种剖切,测量出柱子的倾斜角度、偏移距离以及整体倾斜角度等数据,定量分析单柱、单层及整体的形变。结果表明:应县木塔各层柱子都存在形变,木塔第2层形变较大,其中M2W23号柱子倾斜最严重; 各层均向东北方向有不同程度的倾斜,西南面柱子的位移量普遍较大; 从整体上看,木塔向东北方向倾斜并存在着复杂的扭转变形,木塔西侧由南向北发生顺时针扭转,东侧由南向北发生逆时针扭转; 应县木塔正处于严重的形变中,急需进行保护。     

基于BIM+点云数据的钢结构质量智能检测方法

为解决传统钢结构质量检测周期长、难度大、精度低等问题,本文融合BIM(Building Information Modeling)与三维激光扫描优势,提出了一种基于BIM+点云数据的钢结构质量智能检测方法。首先,依据工程图纸创建钢构件BIM;其次,利用三维激光扫描技术获取钢构件逆向点云模型;基于PCA+ICP算法实现点云模型与BIM的自动化配准;最终,提出顾及点云粗糙度的法向量方向距离计算法,以法向量为方向计算点云与BIM模型的距离,实现了钢结构质量智能检测。为验证上述方法的有效性,将上述方法应用于中国人民大学通州新校区社会与人口学院楼项目,结果表明,点云与BIM模型配准精度能够控制在1 mm以内,距离计算在2 mm以内,说明本文提出的方法能够智能、高效的应用于钢结构质量检测。