激光点云深度学习的树种识别研究北大核心CSCD

针对激光雷达林业树种分类难以直接使用点云数据的问题,使用基于点云深度学习方法进行树种识别并提出PointNet-GS模型,无需将点云转为三维体素或二维图像,避免数据类型转换造成的特征丢失。以河北省塞罕坝机械林场的落叶松和白桦两个树种为研究对象。首先,将获取的点云数据进行数据预处理、单木分割,提取分割效果较好的单木作为样本;其次,将单木提取的样本进行几何下采样处理,保留更多局部特征便于网络模型学习;最后,将下采样处理的样本输入深度学习模型的网络,自动提取其高维特征进行学习,实现树种分类。实验结果表明,PointNet-GS树种分类精度达89.3%,Kappa系数为0.785,效果优于原始PointNet模型。     

基于特征分离的飞机结构件特征识别技术研究

为了有效识别并分离出飞机结构件的加工特征,论文通过定义飞机结构件的加工特征面,利用CAA二次开发技术,将加工特征定义为加工特征与辅助特征两种类型。利用邻接矩阵面节点间连接弧的凹凸性定义加工特征与辅助特征,并进行分离;将加工特征离散为点云数据,并采用DBSCAN算法对加工特征进行区分,得到单一特征与相交特征点云数据;输入点云数据至DGCNN模型的分类分割网络,实现单一特征的分类与相交特征的分割。开发CATIA应用插件对该方法进行验证,结果表明该方法能够准确识别出结构件中的复杂特征。     

一种基于RANSAC的点云柱状化轴线特征表示法

现有的三维地图构建算法多强调对地图构建的精确性,导致成图效率低、成本高。 为了提高建立地图的效率,提出了一种对地标性物体进行圆柱体识别与提取并以其轴线特征作 为地标构建简化地图的改进算法。基于随机采样一致算法（RANSAC）对点云模型中的待提取 主体模型生成待估计圆柱模型并进行匹配,通过对单应性矩阵及其误差函数的计算得到迭代过 程中的最佳阈值,以得到最佳匹配圆柱模型并提高提取效率,然后用所提取的圆柱轴线描述地 标的空间位置,圆柱半径描述地标的空间几何信息。通过与传统 RANSAC 方法的仿真实验对比, 证明该方法可以有效的精简地图,为后续识别地标路径规划奠定基础。     

激光雷达输电线路点云数据智能分类方法研究

为解决传统分类方法处理大规模输电线路可视化巡检的激光雷达点云数据时效率低、精度差的问题,提出了一套自动分离输电线廊道中电力线、杆塔、地面和植被的智能化方案.首先依据曲率及邻域特征精准提取出电力线点;然后利用布料滤波法分离地面点和非地面点;最后基于圆柱模型从非地面点里识别出杆塔点和植被点.此研究选用了三段不同密度的输电线...     

用内法向量与二次误差度量修补三角网格孔洞

为了高效地修复含孔洞的三角网格模型,提出基于内法向量与二次误差度量(QEM)的孔洞修补算法.在识别孔洞边界之后,计算边界点的凹凸性与对应夹角角度,并利用最小角-曲率原则寻找最优修补点;根据三角形生成原则以及内法向计算方法生成新的三角形完成粗修补;最后利用二次型误差滤波函数对粗修补的网格进行优化处理.在VisualStudio2013环境下,对不同种类的含孔洞模型,利用提出算法以及孔洞修补经典算法进行实验,结果表明,文中算法修补的网格质量优于对比算法.     

光栅投影测量中点云配准技术的研究

针对在光栅投影测量中运用传统标志点法进行点云配准时点云产生孔洞的问题,提出一种无标志点的配准算法。利用光栅投影法所获点云可显示为距离图像,通过对获取的距离图像的局部曲面拟合,提取曲率特征点。根据余弦相似度和距离相似度得到匹配的特征点对,利用最终得到的匹配点对的几何信息计算初始配准参数,结合最近点迭代算法完成点云的配准。实验结果验证了该算法可以避免在物体上粘贴标志点,自动完成点云的准确配准。     

3维颅骨表面模型的复杂孔洞修补

颅骨表面模型的孔洞复杂,很难用目前常用的图形学中某一类算法进行修补。目前基本修补算法(BHRA)可用来修补一般区域孔洞,但对于颅骨上破损较大复杂孔洞和特征区域复杂孔洞还没有较好的修补算法,为此提出一种颅骨模型复杂孔洞修补算法,该算法首先通过复杂孔洞的位置和复杂孔洞包围盒的面积来对该复杂孔洞进行分类,再选择相应的算法进行孔洞修补。针对颅骨上区域较大复杂孔洞,提出一种向内递归修补法(IRS),解决了传统孔洞修补方法修补曲面较为平坦的问题;针对颅骨上的特征区域复杂孔洞,提出了特征模型匹配法(TMA),使用标准模型作为约束并对其进行变形,使修补后的模型更符合人的面部特征。实验结果分析表明,该算法对颅骨上区域较大的复杂孔洞和特征区域孔洞的修补效果令人满意,同时将该修补后的颅骨模型进行颅面复原,颅面复原效果良好。     

三维颅骨表面模型的复杂孔洞修补

颅骨表面模型的孔洞复杂,很难用目前常用的图形学中某一类算法进行修补。目前基本修补算法（BHRA）可用来修补一般区域孔洞,但对于颅骨上破损较大复杂孔洞和特征区域复杂孔洞还没有较好的修补算法,为此提出了一种颅骨模型复杂孔洞修补算法,该算法首先通过复杂孔洞的位置和复杂孔洞包围盒的面积来对该复杂孔洞进行分类,再选择相应的算法进行孔洞修补。针对颅骨上区域较大复杂孔洞,提出了一种向内递归修补法(IRS),解决了传统孔洞修补方法修补曲面较为平坦的问题;针对颅骨上的特征区域复杂孔洞,提出了特征模型匹配法（TMA）,使用标准模型作为约束并对其进行变形,使修补后的模型更符合人的面部特征。实验结果分析表明,本算法对颅骨上区域较大的复杂孔洞和特征区域孔洞的修补效果令人满意,同时将该修补后的颅骨模型进行颅面复原,颅面复原效果良好。     

基于粒子群优化算法的三角网格孔洞修补

为了对三角网格模型中的复杂孔洞和曲率变化较剧烈部位处的孔洞进行修补,提出了一种基于粒子群优化算法（PSO）的三角网格孔洞修补算法。首先对孔洞多边形进行初始网格化,并计算所有网格顶点的梯度值,然后采用PSO搜索与孔洞边缘顶点梯度匹配的点集,最后根据孔洞匹配点集中顶点的梯度对孔洞中的初始网格进行修正,实现三角网格孔洞的修补。实验表明,该算法对各种复杂或曲率变化较大的孔洞,都有很好的修补效果。     

基于3D-SIFT与4PCS融合的大数据量点云快速配准方法

测量点云与模型点云的配准是视觉定位的关键。针对测量点云数据量大且与CAD模型点云重叠率低造成视觉定位精度差、算法效率低的问题,提出一种基于三维尺度不变特征变换（3D-SIFT）与4点快速鲁棒匹配算法（4PCS）融合的测量点云与模型点云配准方法。首先利用深度相机对零件进行点云提取并对提取到的测量点云进行降噪和滤波处理;接着利用3D-SIFT特征点提取算法对测量点云和CAD模型点云进行特征点提取;最后把提取的特征点作为4PCS算法的初始值进行2种点云数据的配准。与常用的4PCS算法、Super-4PCS算法相比,在算法仿真与实际应用实验结果表明,本文算法在保证配准精度的前提下将配准速度提高30%以上。     

三维模型孔洞修补方法的研究

针对三维模型中带有各种原因造成的孔洞, 为后续的模型分析操作带来困难, 提出了一种基于曲率特征的三维模型孔洞修补方法。其基本思想是利用波前法对孔洞进行快速填充获得初始的修补网格, 再运用网格优化的技术依据孔洞边界点的曲率特征对初始网格进行调整。首先根据邻接三角形中边界边的性质识别出孔洞的边界, 然后使用波前法和三角形顶点的夹角关系完成孔洞的初始填充, 接着结合曲率标准对孔洞网格进行细化, 最后对修补孔洞的网格顶点进行几何形态的调整, 使其与周围网格自然过渡。实验表明该算法简单、稳定, 可以完成不同类型的孔洞修补。     

钣金件中匹配孔的半径差及轴线重合度自动检查

摘 要：针对汽车钣金件中匹配孔的半径差及轴线重合度人工检查效率低、易遗漏等问题, 提出了钣金件中匹配孔的半径差及轴线重合度自动检查方法。首先将获得的 B-Rep 三维模型以 面壳封闭的方法拓扑分解为面基本单元;其次根据圆柱面具有 2 条半圆弧线和 2 条直线的特征 对圆柱面进行筛选,并以其为基本单元对圆孔和槽孔进行提取;然后分别获取圆孔和槽孔的半 径及轴线,并利用点到点和点到线距离方法,根据孔匹配原理对匹配孔进行检查分析;最后对 半径差不满足要求和轴线不重合的孔对进行标注。借助 CATIA 的 CAA 开发平台对相关算法进 行了系统设计,并验证方法的可行性。实例检查结果表明,该方法能够高效、准确的对钣金件 中匹配孔的半径差及轴线重合度自动检查。     

基于自适应尺度边缘特征的建筑施工图重叠字符识别方法研究

目前非重叠字符的识别技术已趋于完善,但难以识别建筑工程图纸标注等场景中的重叠字符,阻碍了基于二维扫描图纸的自动建模技术的突破。针对传统字符识别方法无法识别重叠字符的现状,提出了一套基于自适应尺度边缘特征的建筑施工图重叠字符识别新方法。基于像素空间分布特征初步确定重叠字符区域,定义并提取字符的自适应尺度边缘特征;借助双变量匹配概率函数筛选“位置+内容”的结果组合,并以全局最优原则代替绝对阈值作为识别标准,最终输出正确的识别结果。不同于先修复后识别的常规思路,该方法将特征匹配与干扰过滤相结合、字符定位与字符识别相关联,能解决百度等成熟商用 OCR 无法解决的重叠字符识别问题,且经数据实验证实具备较高的识别准确率。     

基于 SHOT 特征描述子的自动提取球形标靶方法研究

针对复杂场景下的三维激光点云球形标靶精确自动化提取问题,提出了一种基于 SHOT 特征的 自动精确提取球形标靶的方法。该方法设计了粗提取和精提取处理过程,粗提取过程首先采用 SHOT 特征描述 子提取场景内全部的球形标靶点云;其次,利用欧氏聚类分割球形标靶点云,并采用最小二乘方法计算球形标 靶的粗略参数。精提取过程依据迭代最小二乘方法和法向滤波剔除非球面点,得到球形标靶点云和精确的球形 标靶参数。设计了含有 4 个球形标靶的实验场景,使用德国 Z+F Image 5016 扫描仪进行场景数据采集,自动 提取得到实验场景中的球形标靶点云和球形标靶参数。结果表明,在 10 m 范围内,该方法自动提取的球形标 靶半径中误差为 0.25~0.33 mm,较人工提取球形标靶点云的半径中误差减小 0.02~0.06 mm,较基于微分方法减 少 0.01~0.09 mm;该方法能够得到较高的球形标靶定位精度和稳健地去除场景点云中的噪声,可在 30 s 内完 成百万级点云球形标靶的自动提取任务。     

基于数据流分析的过拟合补丁识别

自动程序修复技术可实现对软件缺陷的自动修复, 并使用测试套件评估修复补丁. 然而因为测试套件不充分, 通过测试套件的补丁可能并未正确修复缺陷, 甚至引入新的缺陷并产生波及效应, 导致自动程序修复生成大量过拟合补丁. 针对这个问题, 本文提出了一种基于数据流分析的过拟合补丁识别方法, 首先将补丁对程序的修改分解为对变量的操作, 然后采用数据流分析方法识别补丁影响域, 并根据补丁影响域选择针对性覆盖准则来识别目标覆盖元素, 进而选取测试路径并生成测试用例实现对修复程序的充分测试, 避免修复副作用的影响. 本文在两个数据集上进行了评估, 实验结果表明, 基于数据流分析的过拟合补丁识别方法可有效提升自动程序修复的正确性.     

Weld-seam identification and model reconstruction of remanufacturing blade based on three-dimensional vision

Remanufacturing technique has been widely used for repairing the damaged regions of aero-engine blades. As the irregularity of weld-seam shape and uneven residual height pose great challenges for the subsequent precision grinding and polishing, it is necessary to use the high efficiency and precision measurement method to obtain a true and accurate weld-seam model, especially in the boundary areas. Therefore, a measurement approach for weld-seam identification and model reconstruction of the remanufacturing blade based on self-developed binocular vision system is presented in this work. The calculation of three-dimensional reconstruction and the complexity of subsequent point cloud processing were reduced by coarse positioning firstly, and then the weld-seam was located precisely by point cloud segmentation based on the region growth algorithm and point cloud normal filtering method. On this basis, a true weld-seam model with precise boundary was obtained. The average error of the boundary extracted by proposed method is about 0.263 mm lower than that of the traditional method. In addition, the B-spline surface was fitted according to the point cloud without weld-seam feature, and a theoretical machining model was obtained by cutting of B-spline surface along the weld-seam boundary. Furthermore, the results of verification experiment indicated that the smoothness error of machined blade surface was less than 0.025 mm and the machining error was less than 0.07 mm. This method has obvious advantages in calculation efficiency and reconstruction accuracy of theoretical machining model while compared with traditional measurement methods for the remanufacturing blade, which is beneficial to improve the machining quality and efficiency of the remanufacturing parts.     

基于圆柱面映射的快速图像拼接算法

针对现有基于圆柱面映射的全景图像拼接算法无法实现自动估计焦距的问题,为满足实时性要求,提出了一种基于预测的快速特征点匹配算法,在基于纯旋转运动的自动焦距估计算法基础上,提出了一种基于单应矩阵的焦距修正算法。该算法首先从待拼接图像中提取Harris角点,然后提取方向梯度直方图(Histogram of Oriented Gradient, HOG)描述子进行特征点匹配,基于前一帧图像获得的图像映射关系采用一种基于预测的快速特征点匹配算法,然后使用简化的基于纯旋转运动的焦距估计算法估计出焦距初值,并采用基于单应矩阵的焦距修正算法得到更精确的焦距值,最后将平面图像投影至圆柱平面,使用加权平均融合算法进行拼接,合成全景图像。采用多个测试序列图像对算法进行测试,特征点匹配速度较传统方法提高了10倍以上,自动焦距估计算法能够准确估计摄像机焦距,且耗时仅50毫秒左右。实验结果表明,提出的算法能够快速地合成高质量的全景图像,拼接后的图像畸变小,具有较高的实用价值。     

Finger-vein authentication based on deformation-tolerant feature-point matching

A novel method for finger-vein authentication based on feature-point matching is proposed and evaluated. A finger-vein image captured by infrared light contains artifacts such as irregular shading and vein posture deformation that can degrade accuracy of finger-vein authentication. Therefore, a method is proposed for extracting features from vein patterns and for matching feature points that is robust against irregular shading and vein deformation. In the proposed method, curvature of image-intensity profiles is used for feature point extraction because such image profiles are a robust feature against irregular shading. To increase the number of feature points, these points are extracted from any positions where vein shape is non-linear. Moreover, a finger-shape model and non-rigid registration method are proposed. Both the model and the registration method correct a deformation caused by the finger-posture change. It is experimentally shown that the proposed method achieves more robust matching than conventional methods. Furthermore, experiments on finger-vein identification show that the proposed method provides higher identification accuracy than conventional methods.     

MRSVD敏感分量在单频周跳探测修复中的应用

准确探测微小周跳历元是周跳修复的关键,精准修复周跳是高质量北斗卫星导航系统（BeiDou Navigation Satellite System,BDS）定位的难点,为此提出一种基于多分辨奇异值分解（Multi-Resolution Singular Value decomposition,MRSVD）的敏感分量预测模型,用于周跳探测与修复。该方法对探测信号构造Hankle矩阵,并对其进行MRSVD分析,得到一组具有不同分辨率的分量信号。然后对分量信号进行敏感因子评估分析,选取包含周跳特征的分量,构成敏感特征向量,凸显信号的周跳信息,进而通过模极大值谱精准检测出信号中奇异点的位置,实现对微小周跳的准确探测。以筛选出的MRSVD敏感特征向量为基础,构建最小二乘支持向量机（Least Square Support Vector Machine,LS-SVM）预测模型,进行周跳修复。实验结果表明,该方法能够对载波相位中出现的微小周跳进行准确探测与修复,证明了该方法的可行性和有效性。