基于匹配扩散的多视稠密深度图估计

提出一种高精度的基于匹配扩散的稠密深度图估计算法. 算法分为像素级与区域级两阶段的匹配扩散过程.前者主要对视图间的稀疏特征点匹配进行扩散以获取相对稠密的初始深度图; 而后者则在多幅初始深度图的基础上, 根据场景分段平滑的假设, 在能量函数最小化框架下利用平面拟合及多方向平面扫描等方法解决存在匹配多义性问题区域(如弱纹理区域)的深度推断问题. 在标准数据集及真实数据集上的实验表明, 本文算法对视图中的光照变化、透视畸变等因素具有较强的适应性, 并能有效地对弱纹理区域的深度信息进行推断, 从而可以获得高精度、稠密的深度图.     

从机载激光扫描数据中交互式提取人字形房屋模型的方法研究

快速有效地从机载激光扫描(airborne lidar)点云数据中提取房屋模型是机载激光扫描系统应用研究的一项重要课题。鉴于交互式半自动方法是从点云数据中提取简单规则房屋模型信息的一种可行的方法,为此采用3维空间中改进的Hough变换以及聚类分析,提出了一种从点云数据中交互式提取人字形房屋模型的方法。该方法分为3个步骤:第1步是用户确定房屋区域,并分割出候选的屋顶点集;第2步是对候选屋顶点集采用3维空间中改进的Hough变换,然后对Hough变换后所获得的参数集进行聚类分析,以此获得屋顶所在平面的参数表达;第3步是构造完整的房屋模型。通过屋顶平面相交得到屋脊线,通过点的范围分析确定屋顶的边缘,最后添加竖直的墙面构造完整的房屋模型。经采用Optech公司提供的数据进行实验初步证实,该方法是可行的,且整个提取过程只需要很少的用户交互,因此适合于大规模处理机载激光扫描数据。     

基于联合特征匹配的多视角三维重建方法

本研究提出了一种基于角点与直线联合特征的三阶段匹配算法,依次经过相关匹配、松弛迭代匹配和最小平方中值法匹配三个步骤,并与此同时加入限定图像匹配区域、添加手工匹配点对以及局部直线匹配三个人机交互环节,将局部坐标系中得到的数据点进行三维数据融合到一个坐标系中,能较好解决视差不连续区域和遮挡区域的误匹配问题.实验证明该算法具有良好的运行效率和稳定性,能够对非平面物体进行精确三维重建并实现多视角显示.     

基于匹配点相似度引导采样的图像多平面检测

针对实际广泛存在的具有深度变化的多平面场景,提出一种基于匹配点引导采样的多平面检测算法.根据平面结构中匹配点的相似度改进匹配点的采样规则,通过对匹配点的残差信息进行排序和加权分析,获取场景中各个平面结构对应的单应矩阵,从而实现了场景中多平面区域的准确检测.实验结果表明,与现有典型的算法相比,提出的算法可获得较高的平面检测准确率.     

结构化环境下基于结构单元软编码的3维激光雷达点云描述子

在同时定位与地图构建（SLAM）系统中,基于3维激光雷达点云数据的闭环检测由于描述子计算困难而极具挑战．为此,本文提出一种结构化环境下可用于闭环检测的基于结构单元软编码的新型3维激光雷达点云描述子．针对3维激光雷达点云的稀疏性和独立性导致的3维空间线段提取困难的问题,首先通过几何滤波的方法提取3维空间中垂直于地面的线段,用于保留3维空间的结构信息;然后,基于线段的空间几何关系构建结构单元集合,并通过软编码技术计算特征向量,作为3维激光雷达点云的描述子;最后,通过两帧点云描述子的匹配实现闭环检测．在KITTI公开数据集和自采数据集上的对比实验,验证了本文方法在时效性和鲁棒性等方面均优于主流的3维激光闭环检测方法．     

基于随机抽样一致性的多平面区域检测算法

在随机抽样一致性(RANSAC)的基础上,提出了一种对多个平面区域同时进行检测的算法.该算法假设对同一场景的一对未定标图像已经进行了特征点提取和匹配,首先利用对极几何约束计算出一对极点,然后随机抽取多组3对而非4对特征点定义多个待确定单应性矩阵模型,对图像对中的多个平面区域同时进行检测.模拟实验和真实实验都证明该算法具有运算量小、准确性高、鲁棒性好等优点.     

高维数据相似性度量方法研究

将低维空间中的距离度量方法(如Lk-范数)应用于高维空间时,随着维数的增加,对象之间距离的对比性将不复存在。研究高维数据有效的距离或相似(相异)度度量方法是一个重要且具有挑战性的课题。通过对传统的距离度量或相似性(相异性)度量方法在高维空间中表现出的不适应性的分析,并对现有的应用于高维数据的相似性度量方法进行总结,提出了高维数据相似性度量函数Hsim(X,Y)的改进方法HDsim(X,Y)。函数HDsim(X,Y)整合了各类型数据的相似性度量方法,在处理数值型、二值型以及分类属性数据上充分体现了原Hsim(X,Y)处理数值型数据、Jaccard系数处理二值数据以及匹配率处理分类属性数据的优越性。通过有效性及实例分析,充分论证了HDsim(X,Y)在高维空间中的有效性。     

基于改进SFM的三维重建算法研究

针对现有运动恢复结构算法重建模型存在点云稀疏等问题,提出一种利用不同匹配数据进行模型重建的算法。首先通过对比上下文直方图(CCH)生成匹配数据,利用M估计抽样一致(MSAC)估算图像基础矩阵,进而分解得到平移和旋转矩阵,并根据相机内参计算投影矩阵,然后利用KLT匹配算法更新匹配数据,最后三角化生成三维点云。该算法匹配精度高,图像基础矩阵易于收敛,通过位移实现特征点匹配,弥补了图像低频区域匹配数据不足的缺陷。实验结果表明,与现有算法相比,该算法生成的点云更致密;在真实环境下,该算法可用于物体三维重建。     

基于3D特征动态融合的点云特征提取网络

针对目前用于点云配准的点云特征提取方法并未充分提取点云中的有效信息等问题，提出了一种基于3D特征动态融合的点云特征提取网络（3D feature dynamic fusion and residual u-net,DFRUNet）。该网络通过3DFDF(3D feature dynamic fusion)模块将编码和解码模块的特征动态融合，以充分提取点云中的有效信息；同时采用SE-Res(squeeze and excitation residual)模块来提取点云特征，通过动态调整显著区域的权重，对该区域特征进行重点提取，以提高所提取特征的质量。将网络所提取特征映射到高维空间中，采用随机采样一致性（random sample consensus,RANSAC）算法完成点云配准。实验结果表明，在3DMatch数据集上，该算法特征匹配召回率（feature-match recall,FMR）达到了96.3%，相较于经典的FCGF算法提高了0.011。配准召回率（registration recall）达到了82.2%，提高了0.014。该方法充分提取了点云中的有效信息，达到了更高的召回率...     

基于二次关键点匹配的药盒位姿估计方法

针对药品自动拣选过程中出现的位姿估计难度大、效率低等问题,提出一种平面分割与关键点匹配相结合的位姿估计方法.首先使用点云层次聚类算法对平面区域进行分割,并利用改进的二次关键点匹配方法对各线程中的药盒进行识别与定位,便于多线程处理.然后采用基于最小二乘的点云平面法向量估计方法实现药盒的姿态重建.实验采集存在视点变化、旋转...     

Estimation of planes of a rock mass in a gallery wall from point cloud data based on MD PSO

LiDAR (laser imaging detection and ranging) has been developed to measure the distance of the mesh of points on an object with a high level of accuracy. It provides high-resolution point cloud data as a result of distance measurement. Detailed 3D shapes of objects can be estimated from point cloud data. LiDAR has been used to identify discontinuities in a rock mass of a tunnel gallery wall. To identify discontinuities, it is necessary to approximate the rock mass surface with small planes. Normal vectors of the planes are important to identify discontinuities. We developed an algorithm for estimation of planes based on multi-dimensional particle swarm optimization (MD PSO) from point cloud data. Point cloud data were segmented into bounding boxes and grouped into clusters by MD PSO. Planes were estimated using the least squares method for point cloud data in the respective clusters. The newly developed algorithm based on MD PSO was evaluated using point cloud data obtained from a gallery wall. Evaluation was carried out in comparison with the previous developed variable-box segmentation (VBS) algorithm. The MD PSO-based algorithm showed a 7% higher accuracy than that of the VBS algorithm.     

室内环境下基于平面与线段特征的RGB-D视觉里程计

针对室内环境的结构特点,提出一种使用平面与线段特征的RGB-D视觉里程计算法．首先根据RGB-D扫描点的法向量对3D点云进行聚类,并使用随机抽样一致（RANSAC）算法对每簇3D点集进行平面拟合,抽取出环境中的平面特征;随后利用边缘点检测算法分割出环境中的边缘点集,并提取出环境中的线段特征;然后提出一种基于平面与线段几何约束的特征匹配算法,完成特征之间的匹配．在平面与线段特征匹配结果能提供充足的位姿约束的条件下,利用特征之间的匹配关系直接求解RGB-D相机的位姿;若不能,则利用匹配线段的端点以及线段点集来实现RGB-D相机位姿的估计．在TUM公开数据集中的实验证明了选择平面与线段作为环境特征可以提升视觉里程计估计和环境建图的精度．特别是在fr3/cabinet数据集中,本文算法的旋转、平移的均方根误差分别为2.046°/s、0.034m/s,要显著优于其他经典的视觉里程计算法．最终将本文系统应用到实际的移动机器人室内建图中,系统可以建立准确的环境地图,且系统运行速度可以达到3帧/s,满足实时处理的要求．     

Discrete plane segmentation and estimation from a point cloud using local geometric patterns

This paper presents a method for segmenting a 3D point cloud into planar surfaces using recently obtained discretegeometry results. In discrete geometry, a discrete plane is defined as a set of grid points lying between two parallel planes with a small distance, called thickness. In contrast to the continuous case, there exist a finite number of local geometric patterns （LGPs） appearing on discrete planes. Moreover, such an LGP does not possess the unique normal vector but a set of normal vectors. By using those LGP properties, we first reject non-linear points from a point cloud, and then classify non-rejected points whose LGPs have common normal vectors into a planar-surface-point set. From each segmented point set, we also estimate the values of parameters of a discrete plane by minimizing its thickness.     

使用霍夫变换的3维点云拼合算法

目的 直接基于点云数据本身的拼合算法对点云模型的位置和重叠度有着较高的要求。为了克服这种缺陷,提出一种针对散乱点云的分步拼合算法。方法 不同于大多数已有的基于曲率信息的拼合算法,本文算法包含了一个序贯式的匹配点对筛选过程和一个基于霍夫变换的坐标变换参数估计过程。在筛选过程中,首先利用曲率相似度确定点云数据之间的初始匹配关系,然后利用刚体不变量特征邻域标识相似度以及持续特征直方图相似度对初始匹配点对进行连续两次筛选以便得到更为精确的匹配点对集。在参数估计阶段,通过对匹配点对的旋转矩阵和平移矢量的参数化处理,利用霍夫变换消除错误匹配点对对坐标变换参数估计的影响,从而得到更加准确的坐标变换参数,实现点云的3维拼合。结果 利用本文算法对两片部分重叠的点云数据进行了拼接实验。实验结果表明,本文算法能很好地实现对部分重叠点云的拼合。由于霍夫变换的引入,本文算法相较于经典的Ransac算法具有更高的正确率、稳定性以及抗噪性,在运行速度上也具有一定的优越性。结论 本文算法不仅能适用于任何具有任意初始相对位置的部分重叠点云的拼接,而且可以取得很高的拼合精度和很好的噪声鲁棒性。     

结合径向线的局部遮挡下的3维人脸识别

目的 3维人脸点云的局部遮挡是影响3维人脸识别精度的一个重要因素。为克服局部遮挡对3维人脸识别的影响,提出一种基于径向线和局部特征的3维人脸识别方法。方法 首先为了充分利用径向线的邻域信息,提出用一组局部特征来表示径向线;其次对于点云稀疏引起的采样点不均匀,提出将部分相邻局部区域合并以减小采样不均匀的影响;然后,利用径向线的邻域信息构造代价函数,进而构造相应径向线间的相似向量。最后,利用相似向量来进行径向线匹配,从而完成3维人脸识别。结果 在FRGC v2.0数据库上进行不同局部特征识别率的测试实验,选取的局部特征Rank-1识别率达到了95.2%,高于其他局部特征的识别率;在Bosphorus数据库上进行不同算法局部遮挡下的人脸识别实验,Rank-1识别率达到了最高的92.0%;进一步在Bosphorus数据库上进行不同算法的时间复杂度对比实验,耗费时间最短,为8.17 s。该算法在准确率和耗时方面均取得了最好的效果。结论 基于径向线和局部特征的3维人脸方法能有效提取径向线周围的局部信息;局部特征的代价函数生成的相似向量有效减小了局部遮挡带来的影响。实验结果表明本文算法具有较高的精度和较短的耗时,同时对人脸的局部遮挡具有一定的鲁棒性。该算法适用于局部遮挡下的3维人脸识别,但是对于鼻尖部分被遮挡的人脸,无法进行识别。     

基于斐波那契采样的三维线云模型平面提取算法

该文提出了一种新的基于三维线云模型的平面提取算法：首先将三维线云模型的每条线段映射成高斯球面上的一个点,将三维空间中的平面提取问题简化为过球心平面的拟合问题;然后在高斯球面上做近似均匀采样,对过球心的平面进行拟合;最后根据平面方程的截距信息分离出平行的平面以达到提取平面的目的。实验结果表明,在提取平面的完整性以及平面提取的质量方面,该文算法比目前常用的平面提取算法有明显的提升。     

耳廓点云形状特征匹配的路径跟随算法

路径跟随算法结合凸松弛方法与凹松弛方法,通过跟随凸凹问题的解路径,近似地求解图匹配问题,具有较高的匹配精度.将路径跟随算法用于耳廓特征图的匹配问题:首先,基于PCA方法构造耳廓点云的显著性关键点集合;然后,采用乘积型参数域上的单值二次曲面方法拟合关键点邻域内的点集,并将曲面的局部形状特征定义为耳廓的局部形状相似测度;第三,对关键点集合进行Delaunay三角剖分,得到关键点集合在三维空间内的拓扑结构图,并定义关键点图的整体结构差异测度;最后,记耳廓关键点图的组合差异测度为关键点图的整体结构差异测度与关键点上的局部形状相似测度的线性组合,并基于路径跟随算法快速求解关键点图之间的精确匹配.相关实验结果表明:与其他相关算法相比,该算法具有较高的匹配效率和匹配精度.     

散乱点云数据配准算法

提出一种以物体表面上不附加任何几何和拓扑信息的散乱点集为处理对象,自动进行点云数据配准的算法．该算法针对待配准的2组点云数据,根据测点及其邻域点估算每个点的曲面法矢,并对法矢方向进行调整,使其指向曲面的同一侧;然后计算各个测点的曲率．根据每个测点的曲率来识别出2组点云数据中可以匹配的点对集合。计算将每一个点对的法矢方向映射为一致的三维空间变换,采用几何哈希方法找出使得最多数量的点对法矢一致的变换,运用该变换将散乱点云作初次配准．以初次配准后的结果作为新的初始位置,将匹配点对集合中的所有点对采用最近点迭代法进行二次配准,从而实现了2组散乱数据的精确配准．应用实例表明,该算法效果良好．     

基于特征提取的点云自动配准优化研究

针对三维点云自动配准精度不高、鲁棒性不强等问题,提出一种基于判断点云邻域法向量夹角的自动配准算法。该算法首先计算点云中每个点的法向量与邻域点集的法向量夹角的余弦值,然后把邻域各点的余弦值作为该点的属性特征向量,进行特征分类提取特征点,根据几何特征的相似性初步搜索匹配点对,并采用欧式距离约束条件剔除匹配错误的点对;运用最小二乘法计算初始配准参数,再通过改进的迭代最近点（Iterative Closest Point,ICP）算法进行精匹配。实验证明,该算法相对于经典的ICP算法无论收敛速度还是匹配精度上都有提升。