线结构光点云粗拼接方法研究

针对点云拼接需借助点云信息几何特征的问题,基于结构光测量系统模型,提出一种通过提取图像站位信息的方法,解算两图像站位下点云信息的相对位置关系来完成点云的粗拼接。首先,介绍了结构光测量系统的模型,并采用平面靶标的方法对测量系统中的摄像机与激光器的光平面进行精确标定;然后,对光条信息的提取和无约束点云拼接算法进行了研究,通过对二维图像特征点的处理计算出测量系统不同站位下的坐标变换关系;实验结果表明,该方法可对物体表面信息进行有效测量,可将误差降至6.052 mm。为点云精拼接技术提供了支持,并为点云拼接技术在逆向工程检测、三维形貌恢复及目标识别等方面的应用提供了理论依据。     

基于AKAZE和PROSAC的风机叶片裂纹图像拼接方法

为获得完整且高分辨率的风机叶片裂纹图像,利用图像拼接技术将多张高分辨率图像拼接成一副完整的图像。针对风机叶片裂纹图像特征检测困难、匹配率低和拼接质量差的问题,提出一种基于AKAZE算法和PROSAC算法的图像拼接方法。首先,该方法利用AKAZE算法检测图像特征点,并生成二进制的特征点描述符;然后,将汉明距离作为相似度测量对特征点进行暴力匹配,在此基础上采用PROSAC算法优化特征匹配结果,并计算图像变换矩阵;最后,使用渐入渐出融合算法消除拼接痕迹,获得完整的叶片裂纹图像。试验结果表明,本文方法能够检测出数量丰富的特征点,匹配正确率在95%以上,拼接精度约为0.7个像素,并且拼接速度较SIFT方法提升了17%。AKAZE+PROSAC方法可以更好地满足高分辨率风机叶片裂纹图像拼接的需求。     

基于PCL的柴油机缸盖三维特征提取技术

为测量某型号柴油机缸盖的三维特征尺寸,通过CCD、线结构光和闭环反馈触发控制子系统扫描测量得到缸盖的三维点云数据。应用点云库（PCL,point cloud library）中的随机采样一致性算法（RANSAC）进行平面拟合,计算点云表面的法向量,完成测量坐标系转换,建立位置基准。采用PCL中的SAMODEL_CYLINDER模型将圆柱特征点和背景点进行分割,采用PCL函数拟合圆柱轴线向量、轴线上某点坐标和圆柱半径来确定圆柱位置,实现特征提取。实验表明采用PCL中的平面拟合函数、圆柱拟合函数具有较高的计算精度。     

基于三维重建数据的双向点云去噪方法研究

逆向工程中,三维点云数据的重构是最终获取物体形貌的关键一环,如何从复杂的点云中去除噪声干扰是人们一直研究的重点。根据测量环境中产生的不同类型噪声数据进行分析,对于物体轮廓外的噪声点,采用人机交互的方式直接去除噪声点,对于物体轮廓内单个明显的噪声点采用相邻点加权平均的方法去除,而对轮廓内连续错误的噪声点,采用了双向去噪的方法,即在点云的垂直方向通过相邻点夹角的大小去除起伏明显的噪声点,在点云的水平方向通过相邻点云水平距离的加权平均来调整水平方向其余点的距离,最后应用最小二乘法拟合得到去除噪声点处的三维坐标。结果表明该种方法不仅有效去除了点云数据中夹杂的噪声,还对物体表面失真的数据进行了有效地调整和修改,获得了连续光滑的测量表面,具有良好的效果。     

基于激光点云数据的地形地貌测量研究

针对在实际测量地形地貌时激光数据过滤误差较大的问题,设计了基于激光电云数据的地形地貌测量及处理方法。采集激光点云数据,结合公共标靶法与最小二乘法补全点云数据且自动过滤非地面数据,对激光点云数据的平面坐标与高程实施转换,生成待测区域的地形地貌等高线,实现该区域的地形地貌测量。通过实验验证设计方法性能,结果表明,该方法可实现分散站点激光点云数据的拼接与过滤处理,过滤性能稳定且过滤误差较低,平均为2.1%,可精准测量实验地区的地形地貌,坐标值误差平均为0.187,满足实际应用中的地形地貌高精度测量需求。     

基于三维激光扫描技术的厂区地形测量研究

本文通过对比分析各种点云拼接方法,将GPS技术与三维激光扫描技术进行融合,探索总结一种适合厂站地形图测量的方法,并从技术方案的可行性、点云拼接精度及注意事项等方面进行了总结。     

基于AKAZE算法的图像拼接研究

针对基于KAZE特征检测的图像拼接算法实时性问题,提出一种简单有效的AKAZE拼接算法。该算法首先通过AKAZE算法提取图像特征点,接着计算M-LDB描述符从而生成特征向量。随后计算特征向量之间的汉明距离,提取出匹配的特征点对,然后利用RANSC算法估算全局单应性矩阵,根据动态线性变换算法求取重叠区域局部投影关系,结合两者统一投影平面,最后利用加权融合实现两幅图像的拼接。对KAZE、SIFT、SURF、ORB、BRISK进行性能实验比较,所用算法不仅对于高斯模糊、角度旋转、尺度变换和亮度变化等情况下保持良好的性能,而且处理时间大大缩短,实现了有效的图像拼接。     

基于特征点匹配的三维点云配准算法

三维点云配准在逆向工程、机器人导航、物体形状检测和三维重建等领域有着十分广泛的应用。针对预先没有任何信息的三维点云数据配准问题,提出了一种基于特征点匹配的三维点云配准算法,根据点云区域法向量的分布特征提取特征点集,接着对特征点集采用快速点特征直方图(FPFH)进行描述,然后对FPFH特征使用双向最近邻距离比匹配方法实现初始配准。最后采用自适应收敛阈值的迭代最近点算法,对理想成像的特点进行分析,预先设置配准收敛阈值,能够有效地减少迭代次数,以此来实现更加快速、准确的点云精确配准。实验仿真结果验证了该方法的有效性。     

基于几何仿射与注意力的三维激光点云分类

三维点云分类和分割对于三维重建和自动驾驶等技术的发展具有积极的推动作用。三维点云数据具有无序、不规则和稀疏等特点，因此三维点云分类和分割的研究面临诸多挑战。PCT分类网络采用标量注意力机制提取三维点云局部特征，具有良好的三维点云特征学习能力，在三维点云分类和分割任务中表现出先进的分类精度。然而PCT在对三维点云数据进行下采样时忽视了其稀疏性对几何结构所产生的影响，从而无法充分地提取局部特征致使三维点云分类和分割精度下降。针对该问题，本文提出一种基于注意力机制的三维点云分类分割网络GAM-PCT，具体地，GAM-PCT网络采用了向量注意力机制对单通道特征的权重进行调节，利用减法关系和邻域位置编码对三维点云邻域求取注意力特征，同时在对整体点云下采样时插入即插即用的几何形状仿射（GAM）模块来解决三维点云局部区域的稀疏性问题，进而提升网络的分类准确率。实验结果表明，与PCT三维点云分类和分割网络相比，所提出GAM-PCT网络在数据集ModelNet40上的分类精度提升了0.3%，而在ScanObjectNN数据集上的分类精度提升了1.9%，在ShapeNet数据集上的分割平均交并比值提升了0.2%。同时在网络参数量和FLOPs指标上分别降低了0.31 G和0.69 M。实验结果表明改进后网络的复杂度得到了简化，充分验证了改进方法的有效性。     

地球同步气象卫星图像三维球面拼接

传统图像拼接的目标是实现图像间无明显接缝的效果.而地球同步气象卫星遥感图像三维拼接的目标则是获得像素与经纬度的对应关系.提出了一种地球同步气象卫星图像三维球面拼接的方法:首先基于拓扑位置关系的轮廓配准方法,以GSHHG数据库为载体,得到初始的配准结果.然后利用基于几何拓扑一致性的特征提纯来去除误匹配.接着通过匹配点集来拟合多项式映射模型得到图像间的映射关系.在建立最佳缝合线搜索准则之后使用动态规划算法来搜索最佳缝合线,最后加权融合完成三维球面拼接.     

基于特征向量提取的点云配准算法

为提高现有配准算法精度和配准效率,提出了一种基于点云特征向量提取的点云配准算法。该算法利用点曲率和邻域内点数量作为综合判据筛选特征点,然后对特征点进行主成分分析提取特征向量,利用特征向量变换关系求解待配准点云之间的变换矩阵实现粗配准,精配准阶段创建点云k维二叉树,通过k维二叉树最近邻搜索来提高ICP算法精配准效率。为验证算法的有效性,将本文算法与多种配准算法在公开数据集Bunny和Horse以及实测环境点云数据进行配准实验对比分析,实验结果表明,计算时间相较于ICP算法减少60%,所提算法具有良好的精度和配准效率。     

一种面向复杂环境的自适应激光里程计设计

针对在复杂环境下使用传统三维点云配准算法构建的激光里程计精度低且建图易发生漂移的问题，本文设计了一种面向复杂环境的自适应激光里程计。首先通过三维激光雷达采集原始点云数据，经过点云预处理环节后，采用地面分割方法完成点云数据分割并获取路面点云丰富度信息；然后，使用NDT算法将前后两帧点云数据极大限度的进行拉近，实现点云数据的粗配准；最后，在环境判断结论指引下选择合适的ICP算法完成三维点云的高精度配准并根据输出的点云变换关系构建激光里程计。通过在数据集以及不同环境下的大量实车测试，得出该激光里程计在室内结构化环境中的平均位移误差为0026 m，在室外非结构化环境中的平均位移误差为01 m。结果表明，本文构建的激光里程计能够更好的适应复杂环境从而得到更加精确的三维点云地图与SLAM轨迹。     

基于4PCS和SICP的点云配准方法在钢轨磨耗计算中的应用

针对基于三维结构光扫描的钢轨磨耗快速精确测量,本文提出了一种基于4PCS(4-points congruent sets)和SICP(sparse iterative closest point)的点云配准组合算法,用于快速精确配准不完整且含噪声的磨耗钢轨与标准钢轨点云。由于三维结构光设备一次扫描得到的磨耗钢轨数据是不完整且含噪声的,因此首先利用针对低重叠率点云配准鲁棒性较好的4PCS对钢轨点云进行粗配准,为精确配准提供较好的初始变换矩阵。然后,再利用针对含噪声点云配准鲁棒性较好的SICP进行精确配准。最后,根据精确配准结果计算出轨头磨耗。文中定量分析了不同程度降采样对配准精度、时间及轨头磨耗计算精度的影响,展现了4PCS+SICP在快速精确配准不完整且含噪声的钢轨点云的优越性,得出了不同程度降采样对轨头磨耗计算精度无影响的结论。与此同时,对钢轨点云含不同程度的噪声点云配准做了定量对比分析,验证了SICP在含噪声的磨耗钢轨点云精确配准中的鲁棒性。     

大视角变化下点云配准方法研究

为了提高大视角变化下点云配准的精度和效率,本文提出了一种基于仿射不变特征点云提纯与改进随机梯度下降法的点云配准方法。该方法首先获取具有抗视角变化能力的二维特征匹配点,并借助特征点云的空间拓扑关系设计点云提纯方法来估计点云初始位姿变换;然后,在随机梯度下降法的基础上,设计聚类近邻快速搜索策略以提高点云对应点的查找效率,概率地动态调整随机梯度下降法的学习率以提高配准的全局收敛性。实验结果表明,本文方法对大视角改变时的点云配准具有很好的适应性,能够有效提高配准的精确度和配准效率。     

三维点云分割的交联聚乙烯电缆接头参数测量

针对现有参数测量方法难以对交联聚乙烯电缆接头各参数进行有效测量的问题,提出了一种基于三维点云分割的电 缆接头参数测量方法。 该方法先用半径滤波及随机采样一致性(random sample consensus, RANSAC)算法对复合式三维扫描仪 获取的电缆接头点云进行噪声点去除及坐标摆正预处理。 其次,使用 RANSAC 算法对电缆接头点云进行圆拟合,并根据区域 交界处相邻拟合圆半径方差之比的突变特性实现粗分割,得到多个包含区域交界点的局部点云。 然后,使用主成分分析法对局 部点云进行法向量估计,并根据小片点云轴线夹角在区域交界点处的跳变特性及自适应阈值算法,得出各条状点云上的区域交 界值。 接着,对多个条状点云所得同一区域交界值进行统计分析实现电缆接头点云的精分割,完成参数测量。 对多根电缆接头 进行的测量实验结果表明,所提方法的绝对误差小于 1. 0 mm,相对误差小于 4%,说明了该方法用于交联聚乙烯电缆接头参数 测量的有效性与准确性。     

融合多组双目视觉系统的管道尺寸测量技术研究

针对工业管道尺寸偏差的在线测量问题,本文提出一种融合多组双目视觉系统的管径测量方法。该方法通过使用多组双目摄像机对管道测量截面上投影的多个激光标记进行图像采集、三维重建和坐标融合,通过椭圆拟合得到外管径、椭圆度等尺寸参数。该方法通过仿射距离变换算法实现特征点的自动匹配,并采用具有法向量约束的优化点云配准算法保证坐标融合的准确性性。为了验证该方法的可行性,搭建多组双目视觉实验系统,对3种公称外径分别为285、299和325 mm的管道进行了外尺寸测量实验。实验结果表明,系统测量的相对误差在±0.570%范围内,最大重复性标准差为0.551 mm,最长测量耗时为1.5 s。该方法和系统基本符合工业管道在线检测需求,具有良好的应用前景。     

融合轮廓特征的线激光点云的快速配准算法

点云配准是计算机三维视觉的研究热点。传统点云配准算法存在着配准时间长和配准成功率低的问题,针对上述问题,设计了融合轮廓特征的线激光点云配准算法。该算法通过搜索轮廓特征关键点,并将这些关键点用于配准迭代并计算配准结果,减少了迭代次数且对源点云和目标点云初始位置要求较低。实验对比了迭代最近点(ICP)算法、Fast ICP算法和改进的点云配准算法,实验结果表明改进的点云配准算法的配准效果明显改善,与ICP和Fast ICP算法相比,改进的点云配准算法在速度上分别提高了14倍和2倍,并且未出现配准失败的情况。     

基于2D预处理的点云分割和测量研究

针对传统 3D 工业相机获取的点云数据进行工件检测时因工件粘连和噪声干扰导致边缘分割问题,考虑点云数据量大 影响检测实时性和 3D 特征点选取不准确导致测量误差大的因素,提出一种基于 2D 边缘检测的预处理方法,实现点云快速分 割和测量。 首先,采用改进的 Canny 算法对有序点云的纹理图像进行边缘检测,将检测后的图像进行数学形态学操作和轮廓检 测完成纹理图像分割,规避了在 3D 空间中进行分割处理,有效减少了点云数量;其次,结合工件的形状特征和放置方式,利用 掩膜操作提取出有序点云数据,使用基于 RANSAC 和条件滤波结合的方法对分割后的点云进行自适应阈值滤波处理,有效去 除了噪声点云;最后,对经过预处理后的目标点云基于 PCA 的包围盒去计算工件尺寸以及表面法向量。 实验结果表面,和传统 的 3D 分割算法相比,能够更准确的提取出目标点云,有效减少了待处理点云数量,整体分割效率提高了约 20%;工件尺寸的平 均相对误差约 1. 24%,可以满足测量的需求。     

基于高斯过程模型的多源点云数据融合方法

多传感器测量技术被认为是表面计量学中一个很有效的解决方案。 针对多源数据的融合问题,本文提出了一种基于高 斯过程模型的多源点云数据融合框架。 首先,提出一种自适应距离的鲁棒点云配准方法统一不同测量数据集的坐标系;然后, 通过引入平差理论,对来自不同传感器的多个独立数据集之间的残差进行近似,构建基于 Matern 核函数的高斯过程模型;最 后,通过仿真模拟和实际应用,与现有方法进行了一系列对比实验,验证了该方法的有效性。 实验结果表明,该方法能以更高的 融合精度和更快的计算效率融合多传感器数据集。