基于Kinect传感器的三维点云配准优化

针对目前三维点云配准中传统ICP(Iterative Closest Point)算法存在的速度慢、精度低的问题。采用微软Kinect2.0深度传感器从真实的场景中获取目标物体的点云数据,通过点云分割、滤波、下采样等预处理工作,确保点云配准质量。在点云的粗配准中,使用特征点采样一致性算法,使点云获得更好的初始位置,为精配准创造了良好的初始条件。在点云的精配准中,提出一种利用线性最小二乘法优化的点到面ICP算法。实验结果表明,改进后算法的均方根误差为0.788 mm,时间为56.31 ms。与基于尺度不变特征变换的ICP算法和特征点采样一致性改进ICP算法相比,改进后的算法配准精度分别提高了30.9%和33.6%,速度提高了18.9%和32.1%。     

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。     

平面舱壁类型的船舱点云分割方法

针对船舱复杂构件点云提取存在人工成本高、效率低的问题,提出了一种适用于平面舱壁类型船舱点云的分割方法。通过种子点集构建、点云法线估计及直线拟合的方式建立以船舱纵向为X轴、横向为Y轴、竖向为Z轴的独立坐标系,以简化分割算法的复杂度;根据船舱内部复杂构件的分布特性,制定最佳分割次序,基于随机采样一致性算法拟合平面的思想有序地分割船舱构件点云。选用两组不同结构的船舱点云数据进行算法验证,实验结果表明:该方法能够从不同结构的船舱散乱点云中快速、准确地自动分割出主要构件点云,可靠性强,具有较高的实用价值。     

基于实例分割的双目特征点匹配目标识别和定位研究

针对双目视觉定位中对物体类别与距离远近判定的实际需求,提出了一种结合实例分割与特征点匹配的定位方法,准确地实现了目标的识别和定位。该方法通过Mask Region with Convolution Neural Network Feature(Mask R-CNN)对双目相机采集到的左图像特进行目标检测和分割,采用SURF算法提取分割区域的特征点并与右图特征点进行匹配得到视差,利用双目视差测距原理计算出目标相对于摄像头的位置。同时,针对相机自身标定误差造成在远距离情况下目标定位误差逐渐变大的问题,采用了最小二乘法对视差进行拟合。实验结果表明,该方法不仅能够精准实现目标识别,而且与未经拟合处理结果相比,平均误差值由0.183 m降低到0.106 m,定位精度得到了显著提高。     

基于改进欧式聚类算法的双目主动视觉点云目标检测研究

双目视觉立体匹配时,在同色调表面因为缺乏纹理信息,不仅计算量大且匹配度低, 而且生成的 场景中的点云又具有非结构化、近密远疏的性质, 因此,提高双目视觉匹配的精度与速度, 以及准确分割点 云目标, 一直是点云获取及目标检测中的难点问题。 针对以上问题, 本文首先提出了一种融合主动激光 的 3D 点云目标采集方法, 快速准确地获得原始点云数据; 其次提出了一种基于欧式聚类的改进算法, 使用距离阈值和角度阈值作为阈值分割判断条件进行分段聚类, 得到边界明确的 3D 点云目标检测框。 实验结果表明:所设计的 3D 点云成像系统能够有效获取前方物体的 3D 点云信息,且具有比激光雷达成 本低、易实现、信息丰富等优势;改进后的欧式聚类算法能有效改善传统算法对阈值较为敏感导致的物 体易出现欠分割或过分割的问题, 提高了目标检测的准确率, 在室内场景下具有良好的检测效果。     

一种机载干涉SAR区域网平面定位算法

平面定位就是获取SAR图像中每个像素点的地理坐标。在平面定位时,需要对相关参数进行定标,以保证精度。该文从平面定位的几何关系出发,通过线性化平面位置误差,提出了基于敏感度方程的平面定标算法。在此算法基础上,又提出了多场景联合平面定标算法,该算法利用相邻场景之间的同名点信息,能够实现稀少控制点条件下的大区域平面定位。实测数据处理结果表明,在少量控制点情况下,该文算法的平面定位精度优于传统的多项式模型和距离多普勒模型。     

基于点云的地平面初系数估测

提出了一种基于点云的地平面初系数估测算法。采用八叉树存储包含RGB和空间位置信息点云数据,通过比较相邻两帧树的叶节点来获取运动目标的局部点云。并使用随机采样一致性算法估计,由运动目标局部点云重心所构成的点集上的平面模型参数。同时,采用ISOCLUS算法对场景在法向空间和距离空间上进行两次聚类来分割平面。最终,以运动平面法向信息作为参考因素,从待选平面中标识出地平面点云数据。实验结果显示,该方法可有效地估测出地平面初系数。     

基于双边对称约束的复杂点云分割

针对室内三维物体识别研究中复杂点云分割不完 全或过分割的问题,基于生活中物体具有一定结构 对称性假设,提出了一种利用物体对称性约束的复杂点云分割算法。通过提取和匹配待分割 点云中的曲面 法线边界曲线,检测场景中的3D双边对称,建立对称假设集合,基于对称点属性判断完成室 内生活环境复 杂点云分割。借助Maryland大学生活场景复杂点云数据库,对算法进行了实验验证。结果表 明:相比于区 域生长算法和LCCP算法,基于双边对称约束的复杂点云分割算法的平均分数评价参数WOv,t p,fp,fn最优,分割效果好,分割完全。     

人体背部动态识别与跟踪方法

为了准确、快速地跟踪人体,本文以人体背部为研究对象,提出了一种融合空间运动变换矩阵及点云粗-精配准算法的动态识别与跟踪方法。首先,采用直通滤波和统计滤波以及背景去除分割初始场景点云,识别出目标人体,再基于人体背部几何特征,利用微元分割法进行背部划分(即获得目标区域);其次,提取内部形状描述子(ISS)关键点简化背部点云,并结合快速点特征直方图(FPFH)通过采样一致性(SAC-IA)算法和迭代最接近点(ICP)算法进行点云配准,并通过相邻两帧点云配准结果,获得背部空间运动变换矩阵。通过分别与3Dcs-ICP算法和普通粗-精配准算法跟踪实验发现,本文提出算法运行时间明显减少,目标区域在X、Y和Z方向的平均均方根误差分别为0.264 cm、0.261 cm和0.517 cm。实验结果表明：此方法可提高人体背部识别速度和准确度,也为其他人体器官的跟踪与识别提供参考。     

面向室内动态场景的VSLAM

传统VSLAM算法基于静态场景实现,其在室内动态场景下定位精度退化,三维稀疏点云地图也会出现动态特征点误匹配等问题.文中在ORB-SLAM2框架上进行改进,结合Mask R-CNN进行图像的语义分割,剔除位于动态物体上的动态特征点,优化了相机位姿,得到了静态的三维稀疏点云地图.在公开的TUM数据集上的实验结果表明,结合...     

大场景内建筑物点云提取及平面分割算法

提出一种从地面激光点云数据中提取建筑目标并进行分割的新方法,该方法利用半径渐变的主成分分析法确定各点局部几何特征(最佳半径,法向量、维度特征);根据几何特征将地面点从原始点云中剔除,将非地面点按距离聚类形成点云簇,并对点云簇进行整体特征分析,识别建筑物目标;依据点的局部特征设置区域增长法生长准则对建筑物目标进行平面分割并对分割结果进行优化。实验结果表明,该方法不仅能快速有效提取大场景中的建筑物目标进行分割,并且解决了传统区域增长法不稳定的问题,提高了建筑物点云平面分割的精确性和可靠性。     

基于点云实例分割的鲁棒多目标位姿估计

针对多目标位姿估计过程中点云局部特征存在类间错误匹配的问题，提出了基于点云实例分割的鲁棒多目标位姿估计算法。首先，基于密度聚类对场景点云进行分割得到点云簇，并用快速点特征直方图（FPFH）描述子对分割后的点云簇进行局部特征提取；然后利用随机森林算法对聚合后的点云簇的局部特征进行分类，完成点云实例分割；之后对于场景中每一个分割后的实例，采用近似近邻快速库（FLANN）匹配算法对场景实例和模型进行特征匹配，得到实例分割后的点在对应类别模型上的匹配点，利用随机采样一致（RANSAC）算法以及最小二乘算法计算初始位姿；最后经过点到平面迭代闭合点（ICP）算法得到每个实例的精确位姿。在CV-Lab 3D合成数据集以及UWA真实采集数据集下的实验结果表明，相比直接匹配模型和全部场景点的局部特征进行多目标位姿估计，所提算法能够有效提升局部特征匹配阶段的内点概率，从而提升复杂场景下位姿估计的鲁棒性和准确率，尤其适用于场景中具有多个实例的位姿估计应用。     

基于法线估计的鼢鼠头骨三维点云分割算法

针对复杂背景分割时出现的低效率、过分割等问题,提出一种基于法线估计的三维点云分割方法。首先,改进随机采样一致性(RANSAC)算法,引入法线约束去除背景中大部分平面点云,使得目标点云与大量点云分离,然后采用欧式聚类分割从中提取目标点云。利用鼢鼠头骨三维点云数据进行试验,结果表明,融合的点云分割算法可以将目标鼢鼠头骨点云精确分割,完全去除冗余点云,速度快、准确率高,相较同类型方法表现更优。     

道路场景下毫米波雷达点云聚类处理算法

毫米波雷达具有体积小、分辨率高,可在风、雨、雾等恶劣条件下工作的优点,但由于场景的复杂性在实际工作中会出现点云过分割、虚警等问题。因此,本文提出一种基于马氏距离与欧氏距离结合的自适应DBSCAN聚类算法,依据点云的距离选取相似度度量方法,在密度较大处选择马氏距离,在密度较小处选择欧氏距离,依据“属于同一目标点云,位置、速度、强度接近”这一规律进行筛选。聚类完成后,采用非参数核密度估计算法获取点簇内点云密度,根据点云分布特点估计目标位置,并依据最小二乘法完成多普勒速度分解,估计目标横纵向速度。最后,通过实际道路场景(隧道、公路)测试数据对本文算法的可靠性与稳定性进行验证。     

基于切片采样和质心距直方图特征的室外大场景三维点云分类

三维(3D)点云数据在智能驾驶、遥感测量和虚拟现实等领域的应用越来越广泛。针对室外大场景,提出了一种兼顾快速性与准确性的三维点云分类算法,该算法首先对原始点云进行离群点去除,并在现有地面滤波算法的基础上,结合点云法向量差信息滤除地面点;然后再使用具有噪声的基于密度(DBSCAN)的聚类算法对非地面点云进行分割,同时针对点云的过分割问题采用了就近融合的策略;再提取出不同物体点云的全局特征,包括垂直方向切片采样直方图和质心距直方图,以及点云的二维投影图像方向梯度直方图(HOG)特征;最后,通过支持向量机(SVM)分类器分类,得到较为精确的三维点云分类结果。实验结果表明:所提算法可以将复杂的室外大场景分类为较为准确的单个物体,并且具有较高的精确率以及召回率;相较于其他算法,所提算法的效率有了较大提高。     

末敏弹线阵列激光雷达的距离像分割方法

为了增强末敏弹在不同场景下对地面装甲目标的探测识别性能,充分考虑末敏弹弹载线阵激光雷达的应用背景,提出了综合交叉扫描线法和梯度连通域的地物距离像点云分割算法,用以提高对地面和目标的分割效果。首先,将激光雷达扫描得到的原始距离信息转换为距离水平地面高度值,通过交叉扫描线法将空间斜面转化至水平面,增强不同地形上的适应性;然后,采用地面点云连通域算法提取地面点云和形态学梯度阈值法分割得到目标点云;最后计算了地物分割效果的几何相似度。实验结果表明:该算法对于正斜坡、侧斜坡等多种地形都有较好的适用性,在不同高度、地形、坡度都能够准确、有效地分割地物点云,进而提高末敏弹对装甲目标的识别性能。     

基于深度传感器的多视角点云配准研究

为了解决大尺寸对称物体在多视角配准过程中出现的误匹配点对和累计误差问题,提出了一种基于深度传感器的多视角点云配准算法。首先,使用深度传感器获取目标物体不同视角下的多片点云并进行预处理,对物体单侧相邻点云采用超四点快速鲁棒匹配算法(Super 4-points congruent sets, Super4PCS)进行粗配准,利用改进的点到平面ICP算法去除误匹配点对并进行精配准,之后将左右两部分的点云拼接,从而获取完整的三维点云模型。最后,针对多视角配准出现的累计误差问题,提出了一种全局优化方法从而减少累计误差。实验结果证明所提方法可以精准地完成多视角点云配准,获得准确的三维点云模型。     

基于神经网络的超宽带视距传播时间重构

在室内环境下,针对传统的基于到达时间、到达时间差和信号强度的定位算法受多径和非视距的影响不能满足定位精度需要的问题,提出了一种利用超宽带信号,由神经网络重构出视距传播距离,再利用Taylor算法进行目标定位的方法。结果表明对于训练数据和非训练数据,该方法的定位均方根误差都在1 m以下,能有效提高定位精度。     

基于EEMD的全质心UWB室内定位算法

针对室内环境下的非视距(non-line-of-sight,NLOS)及多径(Multipath)传播给定位结果带来较大误差的问题,本文先将通过超宽带(ultra wideband,UWB)室内定位系统中的TOA模型测得的目标节点(携带定位终端的人或物体)分别到三个锚节点(下位机)的距离值进行集合经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)分析除噪,再运用三角形全质心定位算法求出目标节点在二维坐标系中的坐标值,最后从这一组定位结果中随机选一个坐标值作为目标节点最终的定位结果。结果表明:与传统的粒子滤波法、贝叶斯滤波法、BP神经网络法、泰勒级数法、小波滤波法等提高定位精度的算法相比,该算法提高了定位精度及鲁棒性等性能。     

基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法

针对微机电惯性导航系统(MEMS-INS)定位解算存在积累误差及低功耗蓝牙技术iBeacon指纹定位存在跳变误差等问题,该文提出一种基于无迹卡尔曼滤波器(UKF)的iBeacon/MEMS-INS数据融合定位算法。该算法对iBeacon锚点与定位目标的距离进行解算,利用加速度计和陀螺仪的数据实现姿态阵和位置解算。将蓝牙锚点位置向量、载体速度误差信息等组成状态量,将惯性导航定位信息和蓝牙定位距离信息等组成观测量,设计无迹卡尔曼滤波器,实现iBeacon/MEMS-INS数据融合定位。实验测试结果表明,该算法有效解决MEMS-INS存在较大积累误差及iBeacon指纹定位存在跳变误差的问题,可以实现1.5 m内的定位精度。