基于点云切片的边界提取

针对点云切片的截面数据可能存在不连续的特征曲线对拟合造成误差的情况,提出对每个截面数据将不连续的特征曲线点集分割成连续的特征曲线点集的方法。鉴于不连续特征曲线点集之间、点与点之间的欧式距离远大于点云密度,而同一个连续特征曲线点集中点与点的欧式距离趋近于点云密度,所以可以利用点云密度作为阈值,将不同的连续特征曲线点集分割开。对每个连续的特征曲线点集进行曲线拟合,得到点云切片的边界。分析结果表明,该分割算法能有效地分割出点云切片中不连续的特征曲线点集,减小曲线拟合时的误差,提高了点云切片边界提取的精度。     

基于三维激光扫描的树木点云三维建模

利用三维激光扫描得到的树木枝干点云数据为数据源,利用拉普拉斯算法对三维点云数据进行噪声去除工作,对去噪后的数据采用Delaunay三角网生长算法,构建点云数据的三角网格模型.     

基于ROS的云机器人服务框架

随着机器人技术的发展和硬件的普及,机器人的市场应用前景越来越广泛.但是,目前的机器人仍存在着许多局限,具体表现为可移植性弱,本地计算成本高,服务应用较少等.云机器人的提出,将机器人的计算能力从本地迁移到云端,不但提高了机器人的计算能力,降低了机器人硬件成本,而且能使资源的分配更为均衡,为解决机器人发展面临的困难提供了有效的解决途径.在云机器人的基础思想之上,提出一种基于ROS的云机器人服务框架.该服务框架使用开源的机器人操作系统ROS作为机器人运行的基础,增强了其对于不同硬件和软件环境的可移植性.同时,在框架的云端部分加入了机器人的服务管理系统和服务解析模块,能够方便快速地对机器人服务进行扩展和调用.在最后的实验部分,通过人脸识别服务模块对云机器人服务框架进行了实验验证.     

基于点云数据的复杂建筑体真三维建模与应用

传统建筑物三维建模方法费时费力、精度低、采用接触式测量,且仅能获得建筑物少量特征点及线状数据。与传统测量方法相比,地面三维激光扫描技术(Terrestrial Laser Scanner,TLS)方法可快速、高效、非接触式地获取建筑物表面高精度三维信息,因此其较传统建筑物三维建模方法优势显著。以古田会议旧址为研究对象,首先介绍了研究目标的主要特征以及点云数据采集方案;其次以高复杂度建筑物建模为需求出发,详细阐述了点云数据预处理及建筑物三维模型重建相关核心技术及方法;并重点讨论了与其相关的点云数据配准拼接、去噪简化、二维轮廓线提取、三维实体重建;最后实现古田会议旧址高复杂度三维几何模型重现,并采用先进的3D打印技术按1∶40比例尺制作3D打印点云数据的微缩模型。通过与实地测量数据对比分析得知,采用地面三维激光测量方法采集点云数据的建筑物建模精度优于传统测量方法。此研究成果可应用于古田会议旧址等文化遗产的文物修复、变形监测、虚拟重现等方面。     

基于深度学习的点云目标检测方法

随着自动驾驶技术和点云处理技术的不断发展,如何对点云数据中的点的相关特征进行分析就成为关键问题.针对点云特征分析问题,很多的文献中对点云特征值采取手动输入的方法.然而,该类方法无法适应实际环境中复杂多变的情况.为了解决该问题,该文提出了一种新的基于深度学习网络的三维点云检测框架.该框架以深度学习作为点云分析工具,并引入...     

地面三维激光扫描点云数据处理及建模

本论文以昆明理工大学呈贡校区“昆明理工大学”石碑作为目标场景,利用地面三维激光扫描仪Maptek I-Site 8200SR获取目标场景的点云数据,使用Maptek I-Site Studio 6.0对点云数据进行预处理,包括点云数据的配准、去噪及精简;通过提取特征点云同时结合AutoCAD2014、3ds Max实现对目标场景的建模。研究三维激光扫描点云数据预处理的方法步骤及模型构建过程,通过分析数据处理及建模结果,结合当前的研究状况探讨了模型的相关应用,并展望进一步的研究方向以及工作内容。     

基于无插件化的三维室内点云可视化系统

科技的不断进步推动着测绘技术的不断发展,传统的测量技术已经不能满足大众对于建筑的直观感受。三维激光扫描技术以其获取数据速度快、精准度高、数据信息量大、实用性强等特点逐渐成为测绘领域中的重要测绘技术[1]。本文详细介绍了三维室内点云漫游系统的开发框架和核心技术。分析三维点云数据在采集过程中所遇到的问题和处理方法。同时引用potree.js将武汉大学实验室部分的室内三维点云为例,结合THREE.JS、MapBox、HTML5等技术进行室内点云漫游的构建,实现了室内点云无插件化漫游、测量等交互。     

基于点云增强的网格化优化算法

针对三维点云在采用传统泊松算法进行网格化重建时,重建时间较长并且最终重建出的模型存在孔洞和局部细节缺失等问题,提出一种基于点云增强的网格化优化算法.该算法首先通过统计滤波对初始点云进行降噪处理,为了在保证细节特征的基础上提高重建效率,在通过体素滤波进行适当点云降采样的同时利用双三次样条插值进行点云孔洞修复,然后将移动最...     

基于三维视觉的机器人安全预警系统

在许多自动化应用场景中,如装配和分拣过程中,工业机器人的应用是提高生产质量和生产效率的一个重要环节。在机器人工作过程中,保证机器人和工人工作的安全,是推动机器人应用和发展的首要前提。该文提出一种基于三维视觉的机器人安全预警系统。首先,该系统利用三维相机对监控场景进行高精度三维重建,并将多个点云进行融合;然后,提取人体关键点,并根据三维人体关键点判断人与机械臂的安全距离;最后,计算判断人体与机器人是否处于设定的安全距离范围,并据此控制机械臂的工作状态。实验结果表明,该文所开发的安全预警系统能保障大视野范围内的人员安全。     

基于图像点云的道路缺陷检测

本文针对无人机图像点云道路缺陷检测问题, 提出了一种基于点云切片平面拟合与聚类的道路缺陷检测方法. 首先, 采集无人机图像进行三维重建生成图像点云, 对点云进行坡度滤波与统计离群点滤波, 消除噪声和异常点的干扰. 然后, 对点云进行切片并利用随机采样一致性平面拟合算法估计道路的平面模型. 随后, 运用点云DBSCAN聚类算法分类出边缘噪声与道路损伤点云. 最后, 采用点云切片法估计损伤程度. 在实验中, 我们使用真实无人机采集的点云数据, 并与基于点云垂直度特征检测方法进行了对比. 实验结果表明, 本文方法表现出较高的准确性和鲁棒性, 体积估计的误差为1307 cm³. 相较于传统方法, 本文方法能够更精确地检测出道路损伤, 并能适应复杂的道路形状变化.     

基于点云配准的人脸三维尺寸测量

接触式人脸三维尺寸测量易损坏表面特征,依赖于特征点标定,常含冗余信息.针对该问题,提出一种基于结构光与多视图图像点云配准的非接触式人脸三维尺寸测量方法.首先利用改进的迭代最近点算法建立转换函数,求出尺度因子、旋转矩阵和平移向量;然后基于模糊C均值算法对人脸面部进行聚类分割以获得候选区域;针对人脸表面离散点云不平整问题,...     

基于LiDAR点云数据的等值线绘制方法

随着新型传感器激光雷达（LiDAR）步入市场,自20世纪80年代起逐渐应用于建筑规划、植被水利等行业.而在测绘行业,采用三维激光雷达扫描技术以取代传统的测量技术才刚开始起步,因其自动化程度高,更新周期短且获取到的数据精度高,信息全而逐渐被现代测绘业逐渐认可.用激光雷达采集到的点云数据为源数据,探究了三维离散点间接综合等值线的方法,并尝试改进三维道格拉斯算法,实现点子重要性排序以用于不同比例尺下地形图的综合.借助二次开发技术实现点数据栅格化,绘制等值线,同时在此过程中对比分析选用不同数量的点集合以及不同分辨率分别对等值线绘制的影响.结果表明先对点数据进行综合继而回放等高线既保留了原始地形的特征,且缩短了数据处理时间,同时也可根据实际比例尺的缩小程度,多尺度地输出、显示等值线.     

基于K-means聚类方法的三维点云模型分割

提出采用K-means聚类分析方法对三维点云模型进行分割。论文指出,对于分布呈现类内团聚状三维点云模型,K均值聚类分割可以得到较好的结果。与三维网格模型的K均值聚类分割、点云模型的谱系聚类分割的实验结果比较证实了这一点。     

基于开源倍福控制系统的机器人控制系统设计

为了给机器人控制系统构建高精度超高速控制解决方案,采用开放式自动化Beekhoff控制系统的XFC技术,以TwinCAT作为软件平台,采用高性能ARM9S3C2440为SoC,超高速开放式EtherCAT为通信系统,并通过分布式Eth-erCAT时钟进行同步,提升了系统高动态处理运行性能,确保所有子流程的延迟降低,为机器人多样化运动控制提供了新的思路和解决方案.     

基于K-means聚类的三维点云分类

针对三维点云分类算法受到点云稀疏性和无序性影响的问题,提出一种改进算法。在点云预处理阶段,对密集的点云进行冗余数据去除,以减少后续计算量;对于稀疏的点云数据则进行三角形插值计算,以使分类更精确。加入K-means聚类分析算法,之后并行通过PointNet网络进行特征提取,该方法可体现点云空间中的点云分布特性。分别在ModelNet10/40上进行三维点云分类实验,并对比不同[K]值对分类结果的影响。实验结果表明,当[K=5]时分类准确率最高,其在ModelNet10/40上的准确率分别是94.2%和92.6%。提出的算法性能高于其他对比算法,同时训练时间大大减少。     

点云场景下基于结构感知的车辆检测

在自动驾驶领域,计算机对周围环境的感知和理解是必不可少的.其中,相比于二维目标检测,三维点云目标检测可以提供二维目标检测所不具有的物体的三维方位信息,这对于安全自动驾驶是至关重要的.针对三维目标检测中原始输入点云到检测结果之间跨度大的问题,首先,提出了基于结构感知的候选区域生成模块,其中定义了每个点的结构特征,充分利用...     

一种应用于机器人导航的激光点云聚类算法

提出一种适用于机器人导航和环境理解的聚类算法,该算法用来处理各向异性分布的点云数据.算法的基本思想是基于点云的密度分布变化和空间位置分布的不同进行聚类,将信息聚类思想触入传统的DBSCAN算法,既保留了DBSCAN算法抗噪声能力强的优点,又结合点云的空间概率分布改善了聚类结果.算法采用自适应的实时参数估计方法克服全局参...