基于移动最小二乘法的点云数据孔洞修补算法

由于受到多种因素的综合作用,点云数据不完整,曲面上出现了一些孔洞,为了提高点云数据的孔洞修补精度,解决目前一些方法的局限性,提出基于移动最小二乘法的点云数据孔洞修补算法。首先对当前点云数据孔洞修补研究现状进行分析,并得到点云数据曲面上的孔洞数据,采用移动最小二乘法对点云数据孔洞进行修补,最后通过具体应用实例对其可行性进行测试。结果表明该方法可以对点云数据孔洞进行有效修补,能够获得比较理想的点云数据曲面重建效果。     

NURBS曲面重构与点云-曲面误差分析

通过对某汽车零件进行光栅扫描、解相和去包裹处理,获取物体三维点云数据,对点云数据进行降噪、精简和网格化处理。然后根据点云曲率分布云图将点云数据分割成11块区域,首先对A区域点云数据进行曲面拟合,生成4×4阶均匀曲面,然后对其余分块点云数据分别进行曲面拟合,最后通过曲面延伸、拼接、倒角、修剪等处理,获取物体NURBS自由曲面,总体点云-曲面误差为0.2645 mm,并且曲面间符合G1相切连续和法向曲率连续,解决了在曲率较大的地方拟合误差较大的问题,提高了曲面的重构精度。     

点云隐式曲面快速重建算法研究

提出一种点云数据隐式曲面高效重建算法。该算法首先基于传统径向基函数隐式曲面重建算法对点云数据进行低解析度、低精度快速插值,然后采用三线性插值对点云数据进行高解析度、低精度插值,最后根据欧氏距离确定点云零水平集附近需要处理的区域,处理过程中只对区域内点云数据进行滤波降噪。与传统方法相比,本文算法既可以保证曲面重建精度,又可以缩短计算时间。在头部点云数据的曲面重建过程中,本文算法能够实现与传统算法相近的精度,同时使插值运算时间减少63.21%。     

基于主成分分析与曲面拟合的激光点云滤波去噪

为了消除激光点云采集时点云中的噪声点，避免噪声尤其是一些孤立离群点对点云数据质量的影响，将散乱的、含有噪声点云变成规则的、高精度的点云，采用了基于主成分分析与曲面拟合进行点云去噪的方法，首先提出了点云区域的主成分分析计算方法，在主成分分析的法向量进行粗去噪，而后去噪后的点云进行曲面拟合，最后根据点到曲面的距离进行了点云的滤波，得到滤波后的点云。结果表明，该方法去噪效果精度高，尤其针对散乱点云，去噪效果明显，最佳滤波性能误差仅为0.018mm。该研究为散乱激光点云的去噪滤波提供了参考。     

激光应用与全息术和光学信息处理

0632184激光扫描点云数据的NURBS曲面重构技术研究[刊,中]／郭迎福／／湖南科技大学学报(自然科学版)．- 2006．21(3)．-31-34(C)利用激光扫描系统采集的点云数据具有在某一维上不变的特点,提出了基于NUBRS重构曲面的方法。在原始点云数据预处理上,采用删除非曲面上的点云数据、拼接、排序和点云数据切片等方法,利用最小二乘非均匀B样条法对切片点云数据进行光滑和必要的数据插补,并经二次采样后得到重构曲面的数据。以鼠标表面的重构过程说明了该方法的有效性和实用性。参7     

点云数据提取二次曲面特征算法研究

采用三维激光扫描技术可以直接得到真实物体表面的空间采样点,即点云数据,利用点云数据即可以重构三维物体表面。对重构的物体进行修复,并获得相关物理参数,是目前逆向工程重点研究问题。文章就点云数据的一些处理算法进行研究,根据点云数据的特征,利用曲面边的法向量夹角几何特征建立点云数据分割模型对点云数据分割。提取出点云数据的几何特征。对于重构的物体采用k—邻域法建立降噪模型,德洛内三角剖分法和多项式样条插值法建立三维曲面修复模型。并算法应用于具体数据中,取得良好的效果。     

基于激光雷达的空间物体三维建模与体积计算

求取体积参数是空间体对象形态分析的基本内容。采用激光雷达对空间物体进行扫描获得激光点云并求得其体积。首先使用三维激光雷达扫描物体获得原始点云;点云经过三维空间变换后,对点云进行缺失数据修补;再通过滤波和下采样处理进行点云去噪和点云数据的精简;最后采用一种隐式曲面重建算法构建三维点云的mesh网格模型,进而由网格模型求取体积。通过实验验证,使用激光雷达分别扫描了两个实验对象,将实验体积结果与实际的体积数据相比,误差分别仅为0.456%和0.394%,表明该体积计算方法有良好的曲面重建效果和体积计算精度。     

新型三维激光扫描系统曲面重构技术

为了克服现有逆向工程装备价格昂贵且不能满足实时测量的缺点,提出了一种新型成本低、扫描速度快的三维激光自由曲面扫描系统.针对该系统的曲面重构问题,提出神经网络曲面重构方案,网络的输入选取所获得的点云数据的X、Y坐标,网络的输出则选取点云数据的Z坐标.比较了径向基神经网络(RBFNN)和多层前馈神经网络(MLPNN)两种典...     

倾斜影像辅助的无人机载LiDAR高陡边坡形变监测

针对高海拔峡域地形地貌环境下基于轻小型无人机载LiDAR对高陡边坡激光点云扫描数据缺失导致DEM重建及形变分析精度低的问题,优化设计了一种垂直于山脊线、变高飞行的无人机点云/多视影像数据采集,以及影像密集匹配点云辅助下LiDAR三维激光点云的滑坡群DEM重建方案,实现了复杂地形地貌下LiDAR点云数据安全、高效的采集,改善了高陡边坡DEM重建及形变监测的精度和完整性。该方法基于迭代最邻近点算法,将倾斜影像生成的点云数据与同期获取的LiDAR点云数据配准和融合,实现了LiDAR点云数据缺失补偿,进而构建出完整、高精度的DEM,并与往期倾斜影像生成的DEM进行差分,对三个典型滑坡体进行了高程形变分析。以青海龙羊峡水电站的高陡边坡滑坡群为研究区,利用实测的GNSS地面控制点进行实验验证,得出结论：融合后的LiDAR点云精度为0.063 m,比融合前提高了0.018 m;重建的三个典型滑坡体的DEM高程精度为0.08 m,提升了边坡DEM重建的完整性和精度;对三个典型滑坡体2018、2021年两期高程形变分析,表明：滑坡群中多个边坡发生不同程度的土体滑动,高程方向的形变高达50多米,滑坡群形变...     

基于几何图像表示的点云曲面网络渐进传输

由于数据量大，直接传输点云曲面需耗费大量传输时间。文章提出了基于几何图像表示的点云曲面网络渐进传输方法。基于几何图像表示的点云曲面减小了点云曲面的存储代价，大大节约了网络传输时间。为了实现渐进传输，对平均金字塔层次结构图像进行了改进，通过几何图像的渐进传输来实现点云曲面的网络渐进传输。     

基于主动式全景视觉的管道形变检测及重构技术的研究

研究了一种采用主动式全景视觉传感器(ASODVS)的 管道内表面全方位检测方法。基于主动式全景视觉检测原理, 提出了一种能够快速、全方位获取管道内壁三维点云信息,实现视觉检测管道形变的全景激 光视觉系统; 利用携带有ASODVS的爬行机器人进入管道内部,采集激光横断扫描全 景图像;然后根据提 取的管道内壁三维点云数据计算最小直径、横断面面积等几何特征判断变形率;最后根据三 维点云圆周分 布的特征,采用三角格网模型进行三维重构。实验结果表明:基于主动式全景视觉的管道内 壁全方位检测 系统能够实时完成对管道凹凸形变的检测和识别,并恢复管道内壁的三维形貌,具有较高的 检测精度。     

泥石流沟谷滑坡体的点云采样分析及变化检测

泥石流沟谷地区地形复杂,沟壑纵横,利用激光雷达技术获取的点云数据往往存在着数据量大,数据冗余等问题。本文以云南省小江流域大白泥河泥石流沟的一伴生滑坡体为试验对象,利用地面激光扫描(terrestrial laser scanning,TLS)技术对其进行两个时期的点云数据获取,形成一系列针对泥石流沟谷地区的点云配准,滤波去噪,地表建模等数据处理流程;探讨不同重采样分辨率对地表模型构建的影响,运用ArcGIS平台对不同重采样分辨率下的滑坡量进行估算对比,获取该滑坡提供的泥石流物源量可靠值;同时,利用预处理后点云对该滑坡体进行点云探测及变化分析。试验结果表明(1)不同重采样分辨率构建的地表模型与其采样点云间的垂直标准差为0.3~0.5 cm;(2)点云曲率重采样分辨率在50%~70%范围内,滑坡量估算值较为可靠;(3)整个滑坡体的变化区域的距离变化区域在0.008~0.5 m。     

中值滤波在激光雷达点云数据预处理中的应用

为了研究3维激光雷达测量系统采集到的点云数据如何进行去噪处理,根据灰度图像中对灰度值进行滤波去噪的概念,采用改进的2维中值滤波方法对点云数据中的噪声点加以处理。基于激光雷达点云数据数据量庞大且存在噪声点特点,重点分析了改进2维中值滤波算法和点云数据信噪分离方法,并通过实验验证,得到了速度对比数据和滤波效果图。结果表明,利用改进后的2维中值滤波方法,速度明显得到改进,对激光雷达点云数据的滤波效果良好。     

基于改进DPC和特征分区的点云去噪算法

针对三维激光扫描仪获取到的点云数据存在的多尺度混合噪声将严重影响后续的三维模型重建的问题,提出了一种基于改进的密度峰值聚类算法(DPC)和特征分区的点云去噪算法。首先通过改进的DPC算法去除远离点云主体的大尺度噪声;然后利用主成元分析法(PCA)和曲面变分获取点云法矢及曲率信息,同时采用邻域传播法调整法矢方向并根据曲率对点云进行划分,对特征区域点云与平坦区域点云分别采取自适应双边滤波和正交整体最小二乘平面拟合的方法进行光顺去噪。实验结果表明：在包含混合噪声的bunny与block模型下,利用该算法去噪后点云数据最大误差分别为0.235 mm和0.157 mm,平均误差分别为0.029 mm和0.009 mm,均能取得较好的去噪效果,且降低了去噪参数设置的复杂性。     

基于激光点云数据的三维运动图像重构技术北大核心CSCD

为了解决三维运动图重构时存在的重构测量距离与实际距离误差大、激光点云数据数量多和重构图像清晰度对比低的问题,提出了基于激光点云数据的三维运动图像重构技术,通过配准多帧激光点云数据,从中获取激光点云数据集,再采用平面拟合方法对激光点云数据集实行去噪处理,最后利用曲面重构法完成对曲面模型的拟合,实现三维运动图像重构。实验结果表明,通过对三维运动图像重构进行测量距离与实际距离的对比、激光点云数据数量的对比和测量图像与实际图像清晰度的对比测试,验证了三维运动图像重构技术的实用性高。     

结合超体素与PFCM的点云分割方法

为了实现点云数据的区域划分,提出了一种结合超体素与粒子群优化模糊C均值(PFCM)的聚类分割算法(SPFCM)。用随机采样一致性算法去除点云平面,根据3-D点云的空间位置、曲率以及快速直方图特征,利用八叉树体素化点云得到超体素。采用PFCM算法对超体初步划分,并对粘连的点云再划分,克服了PFCM算法对于堆叠物体无法分割及较大物体过分割的缺点, 并在OSD-v0.2数据集上对SPFCM算法进行了性能测试。结果表明,相较于PFCM算法,SPFCM不仅保留了其参量少、操作简单等优点,而且指标得到了较大提升,准确率达到86%,查全率达到83%。该研究对3-D点云复杂场景的准确分割提供了帮助与参考。     

Template‐Based Reconstruction of Surface Mesh Animation from Point Cloud Animation

In this paper, we present a method for reconstructing a surface mesh animation sequence from point cloud animation data. We mainly focus on the articulated body of a subject — the motion of which can be roughly described by its internal skeletal structure. The point cloud data is assumed to be captured independently without any inter‐frame correspondence information. Using a template model that resembles the given subject, our basic idea for reconstructing the mesh animation is to deform the template model to fit to the point cloud (on a frame‐by‐frame basis) while maintaining inter‐frame coherence. We first estimate the skeletal motion from the point cloud data. After applying the skeletal motion to the template surface, we refine it to fit to the point cloud data. We demonstrate the viability of the method by applying it to reconstruct a fast dancing motion