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。     

基于最近离散点的光线跟踪

论文提出基于最近离散点的光线跟踪算法.对于原始的点云模型,算法通过平衡二叉树在设定范围内搜索离光线迭代点最近的N个离散点,并用栅格的加速结构避免不必要的迭代搜索计算.光线与实际最近的N'个离散点的局部平面进行求交计算,局部平面的法向量是由离散点对应的三角形法向量通过三角形面积加权平均计算得到,并保证法向量计算的一致性.通过改变光线跟踪的参数(最近离散点的数目),即可达到渐进地多分辨率显示原始的点云模型的目的.对于噪声多的原始的点云模型,设置较大的最近离散点的数目,以有效地减少其绘制的噪声;对于噪声少的原始的点云模型,设置较小的最近离散点的数目,以更多地显示其局部几何特征.     

基于物体表面变化的点云自适应切片算法

目的针对点云数据提出一种基于物体表面变化的自适应切片算法。方法提出一种快速有效的自适应点云切片算法,该算法基于空间极坐标系划分建立切片层和离散点之间的拓扑关联信息,通过反距离加权法构造平面散乱点列,使用变化率平均法来插补切片。结果算法快速准确、稳定可靠,能够在物体高变化区域获得更多的切片。结论基于物体表面变化的自适应切片算法是一种合理有效的点云切片算法。     

逆向工程中多视点云对齐方法研究

在逆向工程中,常常需要将从各个不同视角测得的点云数据进行多视对齐,统一到同一个坐标系下,并消除两次测量间的重叠部分,以得到被测物体表面的完整数据.针对目前最常用的最近点迭代(ICP)算法,选取两个视图不同位置的数据点集作为控制点集,提出了一种寻找最近点对并建立控制点的名义对应关系的方法.实例表明该方法效果良好.     

基于三维点云螺纹中轴线的拟合方法研究

螺纹中轴线的精确测定是决定螺纹三维测量结果是否准确的重要因素之一。中轴线的倾斜、偏移会对工件坐标系的建立、螺纹的三维重构、参数检验等测量操作引入误差。基于三维点云的最小二乘拟合算法,开展了螺纹中轴线的拟合方法研究。根据螺纹表面点云数据,利用螺纹表面与中轴线的特征关系建立最小二乘数学模型,通过计算点云数据的三维凸包滤除螺纹自身三维结构带来的拟合误差,使螺纹中轴线的测定更精准。通过仿真实验,基于三维点云的最小二乘拟合算法拟合的直线与三维点云的距离方差为0.34,在旋合长度范围内与投影法确定的直线两端最大距离为0.15μm,符合三维测量高精度标准,基于三维点云的最小二乘拟合算法可以快速、准确地拟合螺纹中轴线。     

基于κ领域快速搜索的改进ICP算法在管道检测中的应用

为了快速有效地获取管道内壁信息,设计了一种管道内壁激光检测装置.该装置采用激光位移传感器扫描管道内壁,对获取的原始点云数据进行后续处理,采用基于自适应空间球的k领域快速搜索加速ICP算法完成对点云数据的拼接工作,通过仿真与现场实验,得到直观立体的管道内壁三维轮廓图,证明了该算法相较于传统ICP算法在迭代次数、速度以及精度上都有一定的提高,可有效运用在管道检测中.     

基于曲率特征混合分类的高密度点云去噪方法

为解决复杂曲面点云在平滑去噪中存在的问题,提出基于曲率信息混合分类的特征保持点云平滑算法．该方法将平面投影与双边滤波算法相结合,采用主成分分析法对点云的局部曲率特性进行评价,使用线性组合混合分类方法将数据分为平面、次特征、富特征类型以及组合类型．针对不同特征邻域类型,提出平面类型的投影平滑方法、次特征和富特征类型的变参数双边滤波法平滑方法的线性组合方法实现点云数据的平滑去噪．将该方法用于激光三维高分辨率人体扫描系统所得到的高密度点云数据,实验结果表明该方法能够在有效光顺点云的同时保持其表面的几何特征,且简化了法向调整的繁杂运算．     

基于多视角区域生长的复杂点云模型分割

为提高三维点云模型在特征模糊区域的分割精度,提出了一种借助多视角区域生长的分割方法。基于网格法向量方向相异性原则,初次将模型划分为不同类别的子区域,在相应区域建立点云与多视角距离图像的一一映射关系。利用Canny算子对灰度的敏锐性获取独立连通域并计算其重心坐标,根据对应关系在三维点云中提取对应点作为种子点,然后引入网格法向量的偏移角度分离邻接面,同时对剩余彼此独立的分割面按照迭代搜索最近点的原则进行提取,并利用KNN算法去除离群点实现分割优化。在选取的模型数据集上进行实验,结果表明该方法能够实现复杂点云模型的合理划分,分割精度不低于80%。     

三维激光扫描技术研究综述

三维激光扫描技术是一种新兴的测量技术,在逆向工程等领域有着广泛的应用。但在其应用的过程中有着很多的技术难点,本文综述了三维激光扫描的技术基础、点云处理流程、点云去噪、靶标的靶心定位、点云数据配准和逆向工程的应用等问题。     

基于深度扫描仪的高辨识度三维人体模型重建方法

3D照相打印馆人像的打印质量取决于3D扫描获得的三维人体模型的辨识度.然而,由于现有3D人体扫描仪价格昂贵、操作复杂等原因,使得3D人像打印成本高、耗时长和打印精度较低.针对这些缺点提出一种基于深度扫描仪重建高辨识度三维人体模型方法.利用多组深度扫描仪分工协作、优势互补,分别获取高辨识度的人体面部五官点云数据,上半身与全身表面轮廓点云数据.然后,通过引入特征点和改进的最近点迭代法将采集到的三组点云数据进行对齐、替换、拼接,将拼接后的无拓扑关系的点云数据进行曲面重构即可获得高辨识度的三维人体模型.该方法的扫描时间较短,以较低的成本构建了具有高辨识度的三维人像模型.     

基于集成学习的强鲁棒性三维点云数据分类研究

目的通过三维扫描仪得到的点云数据往往存在很多异常值,例如噪点、遗失点和外部点等。在这些异常值存在的情况下,为了提高三维点云数据的分类精度,提出一种基于集成学习的强鲁棒性三维点云数据分类方法。方法提出一种基于最大投票法的集成学习思想,将2个深度神经网络的分类结果进行集成,从而提高网络的泛化性和准确性;采用全局特征增强和中心损失函数来优化神经网络结构,提高分类精度并增强鲁棒性。结果文中方法缩短模型训练时间至30个迭代次数,且在有噪点、丢失点和外部点的情况下分类精度均得到有效提升。结论提出的EL-3D算法在含有噪点、丢失点和外部点的情况下,鲁棒性效果要优于目前的点云分类方法。     

点云数据区域分割方法

为了便于逆向工程中模型的重建，针对散乱无组织的点云数据，提出了一种新的区域分割方法。首先对点云数据进行网格划分和稀化处理，对每个网格内的数据点用抛物面进行局部拟合，得到点云中每个点的法矢和曲率等微分信息，然后由“绝对标准”得到边界候选区域，再由“相对标准”得到最终边界点，连接这些边界点或对这些边界点进行曲线拟合，完成点云的区域分割。实践证明，通过该方法得到的边界点能满足工程应用的需要。     

基于GA-BP神经网络的散乱点云孔洞自动修补

点云孔洞修补作为点云数据处理中的关键技术,直接影响点云的质量和完整性。利用遗传算法（genetic algorithm,GA）优化的BP（back propagation,反向传播）神经网络（简称GA-BP神经网络）是一种修补效果较好的散乱点云孔洞修补方法。但基于GA-BP神经网络的散乱点云孔洞传统修补方法的多个步骤需借助逆向软件通过人机交互的方式完成,导致修补过程繁琐且耗时较长。为此,提出了一种基于GA-BP神经网络的散乱点云孔洞自动修补方法。通过计算机编程将孔洞识别、孔洞区域插值和孔洞修补相结合,实现从残缺点云模型直接到完整点云模型的自动修补,无须进行复杂的人机交互和数据转换。实验结果表明,所提出的方法可有效避免因数据转换而造成的数据失真,减少了人机交互工作量,方便而高效地修补了散乱点云的孔洞,且得到的修补点云密度均匀,这对提高点云孔洞修补效率和质量具有重要意义。     

贵州少数民族文化遗产的逆向工程应用研究

以少数民族文化遗产的保护和开发方法研究为目的,从实物测量、三维CAD模型、曲面模型评价体系、CAD模型重建等方面详细阐述了逆向工程技术在文化遗产保护方面的应用.选用有代表性的贵州少数民族文物--布依族酒壶、水壶以及木制傩戏面具作为研究对象,采用Hiscanner 激光扫描测头对其进行数据采集,扫描得到的点云数据可刻录到光盘上作为文物数据永久保存;更进一步地,采用目前流行的逆向工程软件Geomagic studio对点云数据进行数据精简、数据滤波、数据修补、提取特征线等处理后得到NURBS曲面;为保证曲面模型重建的精度,在曲面重建模型后对其误差评价,通过控制误差的方式指导曲面模型重建,使重建的文物曲面模型能真实完整地反映原状;最后,在功能强大的三维造型软件Solidworks中导入重构的NURBS曲面进行曲面缝合、放样等,将其生成实体CAD模型,并对模型的局部特征进行适当的再设计以实现文物实体模型的优化.对该模型进行快速成型制造可得到文物复制品或成品模具,即实现逆向工程技术在文化遗产保护中的应用研究.逆向工程技术应用于少数民族文化遗产文物保护是一个全新的课题,该项技术的应用能进一步推动文化遗产保护措施的发展,也能为类似课题的研究提供借鉴.     

基于逆向工程的ATV造型创新设计

通过对ATV造型的概念设计,全尺寸油泥物理模型制作,使用三维扫描仪对模型进行数据采集,应用Imageware、Pro/Engineer软件实现数据的点云化、噪声处理、CAD模型重建的过程和方法.系统的介绍了逆向工程技术在产品造型设计中应用的一般程序、技巧以及其过程中创新设计方法.     

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。     

激光点云中散乱电子元器件分割方法

目的 针对散乱电子元器件计数过程中电子元器件分割困难的问题,提出一种基于点云簇平均法线夹角、平均点云密度边缘提取和区域生长阈值自适应的散乱电子元器件分割方法。方法 通过体素化处理、RANSAC算法和统计离群滤波算法对原始点云数据进行预处理,去除大量无关点云;使用欧式聚类算法对预处理结果粗分割得到电子元器件点云簇,以点云簇为阈值设置单元,避免阈值设置不合理的情况;通常边缘点较非边缘点法线夹角更大、邻域点更少,提出通过点云簇平均法线夹角和平均点云密度自适应约束来去除点云簇中边缘点的方法;对去边缘点后的点云簇细分割,根据细分割后点云簇的平均法线夹角进行区域生长阈值的自适应选择,通过改进的区域生长算法将每个电子元器件从点云簇中分割出来。结果 实验结果证明,文中方法分割正确率达97%以上,每10个目标分割耗时约345 ms。结论 提出的方法具有良好的准确性和实用性,分割效果优于传统分割算法,能够准确地将每个电子元器件从复杂场景中分割出来。     

3D face detection based on salient features extraction and skin colour detection using data mining

Face detection has an essential role in many applications. In this paper, we propose an efficient and robust method for face detection on a 3D point cloud represented by a weighted graph. This method classifies graph vertices as skin and non-skin regions based on a data mining predictive model. Then, the saliency degree of vertices is computed to identify the possible candidate face features. Finally, the matching between non-skin regions representing eyes, mouth and eyebrows and salient regions is done by detecting collisions between polytopes, representing these two regions. This method extracts faces from situations where pose variation and change of expressions can be found. The robustness is showed through different experimental results. Moreover, we study the stability of our method according to noise. Furthermore, we show that our method deals with 2D images.