基于改进的SAC-IA-SICP点云配准方法研究

为了改善传统ICP算法迭代误差大、配准精度低的问题,本文提出一种基于采样一致性配准算法(Sample Consensus Initial Aligment, SAC-IA)初始匹配与改进迭代最近点(Iterative Closet Point, ICP)精配准相结合的配准方法。首先采用SAC-IA进行初始配准,然后将一种对称的目标函数引入ICP算法,提高ICP算法收敛性,并用于点云精配准。实验结果表明,本文方法的配准精度较ICP算法提升了93.00%,时效性提高了15.20%,表明SAC-IA-SICP配准方法可靠性较高。     

基于激光扫描仪的点云配准方法

针对激光扫描仪实际扫描得到的不完整点云配准困难问题,提出了一种基于对应点对的配准方法。通过激光扫描仪进行实验,得到被测工件的实测点云数据,基于Visual Studio软件配置Point Cloud Library环境,对实测模型与理想模型的点云配准进行研究。首先对实测点云数据进行体素滤波以及均匀下采样的预处理;其次通过对应点对的方式进行对齐为后续精细配准提供较好的变换初值,后基于ICP算法实现点云配准精配准;最终以均方根误差作为点云配准精度评价指标对配准结果进行评价。借助CloudCompare软件对配准结果进行直观展示分析可知,在实测工件本身存在不绝对光滑的情况下,配准的均方根误差可控制在0.62 mm,表明该方法对于不完整点云的配准效果较好。     

融合几何特征的ICP改进算法在数字化测量评价中的应用

针对ICP算法对初值依赖程度高、在配准过程中可能陷入局部最优解的问题,提出了一种融合几何特征的ICP改进算法。利用零件具有丰富几何参数的特点,首先对实测点云进行基于曲率的体素采样,尽可能保留几何特征,再将点云的曲率差值和法向量夹角差值引入算法的目标误差函数中进行迭代计算,当目标误差函数达到设定阈值时迭代结束,得到最终配准结果。利用复杂曲面标准件进行了点云配准实验验证,结果表明：相较ICP算法,融合几何特征的ICP改进算法的收敛速度更快、误差更低;相较快速全局配准加ICP配准算法,融合几何特征的ICP改进算法在保证配准准确性的同时,减弱了对初值的需求,简化了点云配准过程。融合几何特征的ICP改进算法为促进零件的准确数字化测量评价提供了有力支撑,具有技术借鉴价值。     

基于图神经卷积网络的点云配准算法

为了解决现有点云配准算法对配准点云的初始位置或噪声敏感,对独特几何结构的需求以及算法设计复杂、通用性差等问题,本文提出了基于图神经卷积网络的点云配准算法。该算法利用图神经网络在不规则点云图形结构中寻找关键顶点特征,简化原有点云结构,利用在顶点所属对象特征和局部几何信息中学习到的混合特征来构建点对应的分配网络,并提取所需的图特征。同时,通过将模拟配准信息输入另一卷积网络中,计算最佳的配准拟合参数。该算法降低了对配准初始值的依赖,使算法快速收敛,提高了在点云局部可见情况下的配准质量。     

平面参数空间的实时三维点云配准方法

针对具有多平面结构的室内环境的三维定位和环境建模,提出了一种在平面参数空间进行配准的实时三维点云配准方法。该方法首先使用一种改进的三维霍夫变换算法快速提取点云中的平面特征,然后使用迭代算法在平面的参数空间中寻找最近平面,最后使用这些平面的对应关系来估计两帧点云之间的位姿变换关系。在一个实验室场景中进行的对比实验表明,该算法能够达到与传统迭代最近点(ICP)算法相似的精度,而且速度大大提升。在仅使用普通笔记本CPU的情况下即可实现实时的点云拼接。     

基于小波变换的近平面影像数字配准方法研究

本文将小波变换技术与相似度检测算法、直线拟合方法等相结合,用于近平面影像数字配准。首先,对含噪遥感影像进行多尺度小波变换,以提取不同尺度上的广义特征点,并剔除图像噪声;其次,将序贯相似度检测算法和多分辨率分析相结合进行控制点匹配;最后,利用基于最小二乘法的直线拟合,建立配准变换关系。实际遥感影像的相对配准实验验证了方法的有效性。     

基于改进ICP算法的人体静态建模

利用Kinect设备进行人体点云数据采集时,点云数量大,误差较大,配准效率较低.因此本文提出了利用采样一致性与最小二乘法去噪减少了一些离群噪点,更有利于后期特征点的寻找与匹配.配准处理时针对人体建模中配准时寻找对应特征点耗时较长,精度不高的缺点,提出一种基于两片点云特征点曲率信息凹凸性作为特征点再利用改进后的ICP算法...     

基于直观几何变换的交互式点云配准

文章引入一种新的代数系统,基于几何代数的框架实现刚体变换,对交互式点云配准进行尝试。以脑机接口设备Emotiv EPOC+作为工具,将想象运动产生的脑电信号和点云的空间变换进行关联,将脑电转换为几何代数中的旋量实现作为配准的初始输入。同时,引入几何代数框架下的几何自适应滤波器,进一步估计待配准点云到目标点云的运动变换,实现一种交互式、具有一定直观性的点云配准。几何代数和几何微积分的应用使系统参数的优化得以简洁表达和高效运算,可为配准的几何变换提供保证。     

基于改进SIFT-ICP算法的物体点云建模方法

为了实现对任意摆放的物体的识别与位姿估计,需要得到物体的三维模型,提出了一种高效准确的物体三维点云模型构建方法。首先通过RGB-D传感器获取物体多角度数据,然后利用尺度不变特征变换(SIFT)特征点匹配和改进的迭代最近点(ICP)算法计算出各角度下传感器的相对位姿,进而生成目标物体所在场景的完整点云,并通过物体分割和点云后处理得到目标物体的三维点云模型。实验结果显示,构建的物体点云模型清晰且不失真,并保留了表面完整的特征信息。     

基于法向量权重改进的ICP算法

针对三维重建过程中点云配准的精度和速度不理想的问题,提出一种基于法向量权重改进的迭代最近点(ICP)算法。通过将点云的法向量投射到高斯球上,统计不同方向法向量的分布情况,结合物体的几何结构信息赋予相应的权重,利用法向量权重结合点到平面的误差度量方法计算最优刚体变换矩阵。实验结果证明：以球面点云数据为例,与改进前的迭代最近点(ICP)算法相比,在配准速度没有降低的情况下,配准误差减小为原来的30%左右,而且该算法适用于各种点云模型,效果显著。     

融合配准的多站室外大场景激光点云分割

针对室外场景范围广、分割难度大、识别效果不显著等问题,提出了一种融合多站点云配准的室外大场景分割方法.首先,根据室外场景视野大、点云数据量庞大特点,选取多个视角下重叠区域较多的建筑场景点集,结合SAC-IA和ICP方法进行点云自动配准,从而构建出点云密度相对均匀的室外大场景完整结构;然后,选用公共数据集Semantic...     

逆向工程中基于小波的数据配准

利用小波分析的多分辨率特性与迭代最近点算法（ICP）相结合,提出了多分辨率数据配准算法,实现不同视角测量数据的快速配准。首先对数据点进行三角网格划分,并进行多层小波分解。对最低层网格计算离散曲率,在不同网格数据中搜索曲率最接近的点进行迭代配准,在所得变换的基础上,进行小波重构并在较小的范围内重新搜索最接近点并进行迭代配准,重复这一过程直到实现原始数据配准。通过实例证明,该算法具有迭代速度快,抗噪声干扰等特点。     

基于最小曲面距离的快速点云精简算法

提出了一种新的基于最小曲面距离的点云精简算法,算法在简化点云数据的同时不损失特征。点云被划分成一系列的三维子网格,根据子网格,找到最近k邻域。散乱点云的k邻域通过二次参数曲面拟合,进一步得到相关曲率。依据提出的曲面距离,对点云进行精简。选择了一些典型的点云,如冲浪、石头、陶俑、牙齿等数据对算法进行了验证。结果表明,可以直接和有效地减少点云数据,同时保持原始模型的几何形状,对点云精简研究有一定的理论和实践意义。通过实验也证明了该算法的可靠性和准确性。     

基于混合滤波和DBSCAN的点云去噪算法

为了避免点云在人工去噪时的复杂工作流程,进一步提高点云去噪效率,在相关研究基础上,设计了一种基于混合滤波和空间密度聚类的点云去噪算法。首先,通过直通滤波去除点云的无效点;其次,采用统计滤波删除点云的大尺度噪声点;再次,利用空间密度聚类算法移除点云的小尺度噪声点。最后,通过相关点云测量数据对设计的算法进行仿真实验验证,并与传统点云去噪算法的计算结果进行对比分析。结果表明,所设计的算法去噪效果优于传统点云去噪算法。     

阶梯垛型点云边界快速提取方法研究

目的 针对阶梯垛型点云边界检测中,现有边界提取算法效率不高的问题,提出一种适用于阶梯垛型点云的快速边界提取算法。方法 首先使用Kd–Tree对点云数据进行拓扑关系构建,其次搜索采样点及其近邻点,构建单位平面向量,并进行向量叠加,根据叠加后的向量模长来判断是否为候选边界点,然后使用近邻点最大夹角法来进行边界点精提取,最后使用Kinect相机获取阶梯垛型点云数据,进行算法对比验证。结果 实验结果表明,文中算法在保证垛型边界提取精度的同时,比经典边界提取算法的运行时间缩短了75.14%,比优化前的边界提取算法运行时间缩短了11.06%。结论 提出的边界提取算法能够快速准确地提取阶梯垛型点云边界,可为自动码垛系统的设计提供参考。     

基于改进ICP算法的叶片型线轮廓度误差评定

针对传统最近迭代点(ICP)算法存在配准精度较低的问题进行算法改进。首先,考虑到三坐标测量机测量数据呈现有序排列、且一一对应的特点,使用了一种基于矢量对齐法的型线数据初配准方法进行初配准;其次,在传统ICP算法配准的基础上,对待配准数据进行非均匀有理化B样条(NURBS)曲线拟合,再利用自适应粒子群算法对测量数据进一步精配准;最后,采用基于最小区域的叶片型线轮廓度误差评定方法进行误差评定。实验分析结果表明:改进方法相对于传统ICP算法,可在原有收敛值基础上达到进一步收敛的效果,轮廓度误差相对减小28.57%。该方法有效提高了叶片型线轮廓度误差评定的精确度,可为叶片的加工质量提供可靠判定。     

基于虚拟点的可见光和SAR图像配准研究

本文以机场场景下的可见光和SAR图像为研究对象,提出了一种基于虚拟点特征的可见光和SAR图像配准方法.该方法以虚拟点特征和控制点匹配技术为基础,处理具有全局仿射几何失真的异源图像配准问题.首先根据两类图像的特点,使用Canny算子和一种兴趣算子提取两幅图像中的共有特征一直线特征,然后在直线特征的基础上拟合虚拟点特征,采用基于特征一致的粗配准和基于虚拟点特征的精确配准相结合的方法,对两幅图像实现由粗到精的自动配准,实验结果表明,本文方法可行且能取得较高的配准精度.     

基于曲率约束的点云分割去噪方法

在点云去噪处理过程中,为提高对曲率变化较大区域的去噪效果,提出基于曲率约束的点云分割去噪方法。该方法通过曲率约束点云数据使模型特征得到有效保持,构建噪声光顺的映射函数使得噪声点回归光顺,能够避免使用传统滤波对点云数据模型产生过光顺,对后续处理奠定一定基础。实验表明,该方法相对于双边滤波能够有效地保持模型的特征,保留模型边缘信息,去除噪声效果更为明显。