一种面向大尺度变形的非刚性注册算法

动态几何模型表示了随时间演变的动态对象,通过非刚性注册匹配离散的帧模型是重建动态几何模型的核心问题.文中提出了一种鲁棒的成对非刚性注册算法,算法分为显式对应关系计算与全局变形优化两步:第1步,分析源模型和目标模型的滑动特征,提取显著特征点,建立特征点间的对应关系;第2步,利用显示的对应关系,求解全局变形优化完成非刚性注...     

3D点云曲率自适应变形图和多几何剪枝非刚性配准算法

姿态初始化和可靠的对应关系是3D点云精确配准的关键,针对现有非刚性点云配准方法在面对较大变形和缺失对应时表现不佳的问题,提出一种基于3D点云曲率自适应变形图和多几何剪枝策略的非刚性配准算法.首先用点云高斯曲率和局部测地线距离采样源点云,自适应地构建一个反映源表面形状变化的节点图,在采样到表面变形关键点的同时控制采样密度,使采样节点均匀分布在源表面;然后根据点云的SHOT特征和曲率寻找初始对应关系,结合扩散剪枝为非刚性配准获得可靠的对应关系;最后在配准优化期间重新寻找对应关系,根据对应点的距离和法线剪枝去除虚假对应以约束变形域.在Human-motion和ANIM数据集上的实验结果表明,所提算法可以获得更好的初始化姿态并去除大量误匹配,在平均配准误差降低50%～80%的同时,非刚体配准运行速度提高3～7倍.     

基于仿射参数估计的迭代点匹配算法

本文提出了一种新的迭代点匹配算法。算法建立点集间仿射映射关系,把匹配问题转化为函数优化问题,通过点集间匹配对应关系和仿射变换参数的反复迭代最终求出问题的解。文中提出了构造虚拟点对和最小方差两种仿射参数估计方法,并利用改进最近点原则求解点集匹配关系,且证明了算法的收敛性。本文算法较好地解决了由仿射带来的非刚性形变点集匹配问题,且有很好的抗噪声和点性能。实验证明了算法的有效性和鲁棒性。     

SIFT算法在点云配准中的应用

提出一种精确有效的点云配准算法。通过对图像进行SIFT特征检测与匹配来获得特征点与匹配关系,用RANSAC算法剔除误匹配点,然后由映射关系获取三维对应特征点,采用投票法来进一步剔除误匹配点。在由单位四元数法获得点云初始位置关系的基础上,采用基于特征点的改进ICP算法来实现精确配准。通过实验验证,该算法在点云配准中具有速度快和稳定性好的特点。     

改进的基于形变模型的三维人脸建模方法

提出了基于均匀网格重采样算法的原型三维人脸对应算法. 基于人脸特征实现原型三维人脸之间的对应, 克服了传统对应算法对应效果差，算法精度低的缺陷；提出了基于改进遗传算法的形变模型匹配算法. 新的匹配算法不依赖于目标函数的梯度信息和初值，全局搜索能力强. 优化过程中交叉和变异概率的调节机制，有效提高了算法的收敛速度和精度. 实验结果表明，新的对应算法可有效实现原型三维人脸之间的对应，提高形变模型的精度. 新的匹配算法能有效提高模型匹配的效率和精度，缩短模型匹配时间.     

基于谱对称的形状配准方法

针对现有三维形状配准方法中存在左右翻转的错误匹配问题,提出了基于内蕴对称特征检测的高效形状配准算法。首先,通过热核与几何约束构建模型的内蕴自对称点对;其次,基于谱嵌入特征空间分析提取模型的内蕴对称平面,并依据模型表面法向量有效识别模型的左右结构属性;然后,根据内蕴对称点对获得模型的一致性谱对称结构描述;最后,引入一致性点漂移算法(CPD),实现基于谱对称的非刚性模型的形状配准,有效避免了模型配准中的左右结构翻转问题。实验进一步论证了这种方法不仅有效提高了模型匹配的效率,而且能有效识别同类模型的结构特征,对于非刚性模型的配准具有较强的鲁棒性。     

基于核密度估计的三维非等距模型簇的对应关系计算方法

针对三维非等距模型簇的一致对应关系计算问题,提出了一种基于核密度估计的三维非等距模型簇对应关系计算方法.首先引入离散时间演化过程描述符(DEP)提取三维模型表面的特征描述符,得到不同区域的不同分布特征;其次通过核密度估计建立非等距模型间的映射关系;最后利用弹性网罚函数对非等距模型簇映射关系进行凸优化,从而得到更准确的三维非等距模型簇点到点对应关系.实验结果表明,利用时变描述符与核密度估计相结合的方法计算非等距模型簇的对应关系,在一定程度上减小了模型簇一致对应的测地错误,与Aubry的算法比较,测地错误平均下降至0.054.该基于核密度估计的匹配算法与使用函数映射或随机森林函数的方法相比,能构建出更为准确的非等距模型簇一致对应关系.     

改进SA-SP算法的路面不平度信号压缩感知采集研究

为大幅度减少采集路面不平度信号的存储空间,提高采集速度,基于压缩感知理论针对标准路面的不平度信号进行压缩采样和重构。首先验证了B级路面不定度信号在频域下的近似稀疏性,并进行了信号的压缩采样。针对现阶段凸优化方法和常用的三种贪婪算法的不足,提出一种改进的模拟退火算法与子空间追踪算法相结合的稀疏度自适应匹配追踪算法,利用改进的模拟退火算法快速搜索匹配最优的稀疏度,并采用子空间追踪算法快速重构信号。仿真实验对比五种重构方法,结果表明,凸优化方法精度较高,耗时过长;OMP算法和SP算法耗时极短,但需要预先进行实验来估测信号的稀疏度,实用性低;SAMP算法能实现稀疏度的自适应匹配,但匹配的误差较大,且耗时较长;提的新方法具有良好的精度和较快的执行速度,R-squares和耗时的均值分别为0.9837和2.77 s,稀疏度估测效果较好,且采样点数的增加不影响算法重构信号的速度。     

基于边缘对应的三维颅骨自动非刚性配准方法

针对三维颅骨模型在初始姿态相差较大以及存在较多缺失情况下自动配准困难的问题,提出一种基于边缘对应的三维颅骨非刚性自动配准方法。首先对待配准三维颅骨进行边缘提取,获得所有孔洞的边缘;然后根据边缘长度以及边缘间最短距离自动识别边缘类型,建立待配准颅骨和参考颅骨在边缘上的对应;之后对待配准颅骨的初始位置和姿态进行调整,实现粗配准;最后通过两次一致点漂移（CPD）算法逐步实现两个颅骨从边缘区域至所有区域的精确配准。实验结果表明,与常用的基于迭代最近点（ICP）和薄板样条函数（TPS）相结合的三维颅骨自动配准方法相比,该方法对姿态、位置、分辨率以及缺损具有更强的鲁棒性,并且配准效率更高。     

基于球面参数化的点模型渐变

为了获得光滑自然的点模型渐变效果,基于球面参数化,提出了一种鲁棒的渐变算法。该算法首先对源和目标模型进行球面参数化,使得参数化后的模型嵌入到单位球面上;然后在球面上自适应地对齐模型间的相应特征点,并将球面映射到矩形参数域上,基于该域建立模型间各采样点的对应关系;接着在渐变过程中,采用拉普拉斯算子计算出中间点模型的几何位置,以保持模型的细节;最后利用移动最小二乘曲面进行动态上采样,以消除中间模型的裂缝。实验结果表明,该算法具有良好匹配的采样点对应和光滑的渐变过程。     

A framework for automatic landmark identification using a newmethod of nonrigid correspondence

A framework for automatic landmark identification is presented based on an algorithm for corresponding the boundaries of two shapes. The auto-landmarking framework employs a binary tree of corresponded pairs of shapes to generate landmarks automatically on each of a set of example shapes. The landmarks are used to train statistical shape models, known as point distribution models. The correspondence algorithm locates a matching pair of sparse polygonal approximations, one for each of a pair of boundaries by minimizing a cost function, using a greedy algorithm. The cost function expresses the dissimilarity in both the shape and representation error (with respect to the defining boundary) of the sparse polygons. Results are presented for three classes of shape which exhibit various types of nonrigid deformation     

Scale Normalization for Isometric Shape Matching

We address the scale problem inherent to isometric shape correspondence in a combinatorial matching framework. We consider a particular setting of the general correspondence problem where one of the two shapes to be matched is an isometric (or nearly isometric) part of the other up to an arbitrary scale. We resolve the scale ambiguity by finding a coarse matching between shape extremities based on a novel scale‐invariant isometric distortion measure. The proposed algorithm also supports (partial) dense matching, that alleviates the symmetric flip problem due to initial coarse sampling. We test the performance of our matching algorithm on several shape datasets in comparison to state of the art. Our method proves useful, not only for partial matching, but also for complete matching of semantically similar hybrid shape pairs whose maximum geodesic distances may not be compatible, a case that would fail most of the conventional isometric shape matchers.     

基于最大权团的曲面粗匹配算法

提出一种将曲面匹配问题转化为图论中的最大权团搜索问题、将最优的点对应关系用最大权团表示的曲面粗匹配算法,该算法分为点匹配、点对应图构造和最大权团生成等3个阶段.点匹配使用高曲率点和均匀采样点作为候选点,通过自旋图进行匹配计算,构造初始点对应集合;点对应图构造使用距离约束、法矢约束和唯一性约束构造图的边,并使用自旋图相关系数为顶点赋权值;最大权团生成使用基于分支限界的团搜索算法,从对应点图中提取出代表最优对应的最大权团.实验结果表明,文中算法稳定、有效、可扩展,能够进行部分曲面匹配,并且适用于欠特征曲面.     

A low-dimensional representation for robust partial isometric correspondences computation

Intrinsic shape matching has become the standard approach for pose invariant correspondence estimation among deformable shapes. Most existing approaches assume global consistency. While global isometric matching is well understood, only a few heuristic solutions are known for partial matching. Partial matching is particularly important for robustness to topological noise, which is a common problem in real-world scanner data. We introduce a new approach to partial isometric matching based on the observation that isometries are fully determined by local information: a map of a single point and its tangent space fixes an isometry. We develop a new representation for partial isometric maps based on equivalence classes of correspondences between pairs of points and their tangent-spaces. We apply our approach to register partial point clouds and compare it to the state-of-the-art methods, where we obtain significant improvements over global methods for real-world data and stronger guarantees than previous partial matching algorithms.     

用于CS的广义稀疏度自适应匹配追踪算法

压缩感知理论的基本思想是原始信号在某一变换域是稀疏的或者是可压缩的,并将奈奎斯特采样定理中的采样过程和压缩过程合二为一。稀疏度自适应匹配追踪（SAMP）算法能够实现稀疏度未知情况下的重构,而广义正交匹配追踪算法每次迭代时选择多个原子,提高了算法的收敛速度。基于上述两种重构算法的优势,提出了广义稀疏度自适应匹配追踪（Generalized Sparse Adaptive Matching Pursuit,gSAMP）算法。针对重构图像的峰值信噪比、重构时间、相对误差等客观评价指标,以及主观视觉上对所提算法与传统的贪婪算法进行对比。在压缩比固定为0.5时,gSAMP算法的重构效果优于传统的MP、OMP、ROMP、SAMP以及gOMP贪婪类重构算法的效果。     

Coarse‐to‐Fine Combinatorial Matching for Dense Isometric Shape Correspondence

We present a dense correspondence method for isometric shapes, which is accurate yet computationally efficient. We minimize the isometric distortion directly in the 3D Euclidean space, i.e., in the domain where isometry is originally defined, by using a coarse‐to‐fine sampling and combinatorial matching algorithm. Our method does not require any initialization and aims to find an accurate solution in the minimum‐distortion sense for perfectly isometric shapes. We demonstrate the performance of our method on various isometric (or nearly isometric) pairs of shapes.     

过完备字典稀疏表示下的RAMP重构算法

压缩感知理论将采样理论与压缩理论合二为一,成为最近几年来的研究热点。主要依据图像的稀疏性或是可压缩性的特点,使用K-均值奇异值分解（K-Means Singular Value Decomposition,K-SVD）算法训练获得过完备字典,使用高斯随机矩阵作为测量矩阵,最后通过正则化自适应匹配追踪算法作为压缩感知重构算法,提出了K-SVD过完备字典的正则化自适应匹配追踪算法（KSVD Regularized Adaptive Matching Pursuit,KSVD-RAMP）。通过对重构图像的峰值信噪比、重构时间、相对误差等客观评价指标以及主观视觉上对所提算法以及传统的贪婪算法做对比。实验结果表明,该算法比基于离散小波稀疏表示的RAMP算法的峰值信噪比提升了2~6 dB。因此,该算法重构出的图像不管在视觉效果上,还是在客观评价指标上都有一定的改善。     

交互标记跟踪的三维动态数据对齐

针对三维动态数据特征点匹配所导致的错误对齐问题,采用交互标记和运动跟踪来提高特征点匹配的可靠性和稳定性。首先,对三维动态数据特定帧交互标定特征点;然后,通过运动跟踪和最优预测窗口得到标定特征点在其他帧上的位置;最后,以跟踪匹配的特征点为约束条件来构造等距二分图,得到三维动态数据紧密对齐结果。实验结果表明,所提算法的对齐准确率高于已有算法。     

Shape retrieval using triangle-area representation and dynamic space warping

In this paper, we present a shape retrieval method using triangle-area representation for nonrigid shapes with closed contours. The representation utilizes the areas of the triangles formed by the boundary points to measure the convexity/concavity of each point at different scales (or triangle side lengths). This representation is effective in capturing both local and global characteristics of a shape, invariant to translation, rotation, and scaling, and robust against noise and moderate amounts of occlusion. In the matching stage, a dynamic space warping (DSW) algorithm is employed to search efficiently for the optimal (least cost) correspondence between the points of two shapes. Then, a distance is derived based on the optimal correspondence. The performance of our method is demonstrated using four standard tests on two well-known shape databases. The results show the superiority of our method over other recent methods in the literature.