基于前向查找和均值漂移的点模型鲁棒降噪算法

针对点模型提出了基于前向查找和均值漂移两种鲁棒统计方法的滤波算法。前向查找算法根据残差图自动检测离群点,并将输入的点云数据划分为多个不带离群点的最优局部降噪邻域。对局部邻域进行加权协方差分析,估计出该邻域的最小二乘拟合平面。在局部邻域内估计采样点的核密度函数并通过均值漂移算法计算它的局部最大值点,核密度函数的局部最大值点确定了点云数据的聚类中心并能准确逼近采样点曲面,将每一个采样点漂移到密度函数的局部最大值点,使点云曲面收敛为一个稳定的三维数字模型。实验结果表明,本文的算法是鲁棒的,能在有效剔除点模型表面噪声的同时较好地保持模型表面的尖锐特征。     

保留几何特征的散乱点云简化算法

针对散乱点云简化中易丢失几何特征及潜在曲面形状信息的问题,提出一种保留几何特征的散乱点云简化算法.首先以单位距离上的法向变化作为局部特征检测算子,采用基于泊松分布的区域生长法自适应地检测特征点,并计算潜在曲面的平均弯曲度;然后通过设定不同的聚类阈值,并利用共享近邻聚类算法对非特征点的邻域进行聚类分析,从而判定该点处潜在曲面的弯曲程度,同时检测噪声点;最后,删除噪声点,根据潜在曲面弯曲程度,采用不同的简化策略删除冗余点.该算法不但避免了在大量精简时造成孔洞,而且使得简化后模型尽可能保持原始潜在曲面的形状信息,降低简化误差.实验结果表明,文中算法简单、有效,能够同时保留原始点云的几何特征及潜在曲面的形状信息,具有较低的简化误差和良好的鲁棒性.     

基于几何先验和深度学习的点云法矢估算

法矢是三维点云曲面最基本的几何属性.为解决传统几何估算子与基于学习技术中的问题,提出基于几何先验和深度学习的点云法矢估算方法.首先,使用一个多尺度曲面块选择方法保持点云的特征和细节,以降低后续深度网络的学习难度;然后,结合局部特征和几何先验知识设计一个法矢优化神经网络,输出精确点云法矢;最后使用合成模型数据和Microsoft Kinect V1扫描得到的真实模型数据进行验证,使用平均角度误差作为度量标准与主流方法进行对比,定量和定性分析结果表明文中方法在保持模型细节和噪声鲁棒性方面均明显优于对比方法.     

局部表面拟合的点云模型法向估计及重定向算法

为了提高对点云模型处理的有效性,提出一种对点云模型的法向估计和重定向方法.首先利用基于局部平面拟合的主元分析方法得到初步法向估计;然后改进移动最小二乘曲面实现局部曲面拟合,进一步得到更加准确的法向,实现了点云模型的去噪光顺;最后通过增加切向约束规则来修正法向重定向中的法向传播方向.实验结果表明,对于具有复杂细节(如紧邻面、尖角形状等)的点云模型,该方法可以提高法向计算的准确度,并得到光顺的点云模型.在实际应用中,该方法可以很好地应用于点云模型的预处理,为后续的模型处理和分析提供良好的数据基础.     

基于法向拟合的微分几何量估计

估计离散曲面的微分几何量在数字几何处理、计算机图形学、计算机视觉领域是一个基础性的课题,在很多应用中估计微分几何量往往作为先决性的一个步骤而存在.目前大部分微分几何量估计方法只是针对规则的、均匀采样的网格数据能取得比较满意的结果,而对于带噪声、不规则采样的点云数据,寻求准确而又鲁棒的估计方法仍是一个研究热点问题.文中针对不规则的离散点云数据,首先通过设计对比实验验证法向在二阶微分量估计中的重要作用,然后据此提出了一种基于法向拟合的微分几何量估计方法,利用单位法向量的偏微分来计算各点的主曲率和主方向.与传统的通过曲面拟合各离散点的位置来估计微分量的方法相比,该方法直接利用法向信息,综合考虑邻域内所有点的法向信息,在很大程度上保证了算法的稳定性和鲁棒性,并能在数据带有很强噪声情况下取得比较精确的估计结果.该方法的一大优点是在一定程度上降低了微分几何量估计结果对建立可靠局部坐标系或者说各点初始法向准确性的依赖,并且能够根据邻域内法向量的分布情况,通过法向拟合修正各点的初始法向,得到更准确的法向信息.     

规则特征曲面点云法向估计

目的 针对特征曲面点云法矢估计不准确,点云处理时容易丢失曲面的细节特征等问题,提出基于高斯映射的特征曲面散乱点云法向估计法。方法 首先,用主成分分析法粗略地估算点云法向和特征点;其次,将特征点的各向同性邻域映射到高斯球,用K均值聚类法对高斯球上的数据分割成多个子集,以最优子集对应的各向异性邻域拟合曲面来精确估算特征点的法向量;最后,通过测试估计法向与标准法向的误差来评价估计法矢的准确性,并且将估计的法向应用到点云曲面重建中来比较特征保留效果。结果 本文方法估计的法向最小误差接近0,对噪声有较好的鲁棒性,重建的曲面能保留曲面的尖锐特征,相比于其他法向估计法,所提出的方法估计的法向更准确。结论 本文方法能够比较准确的估算尖锐特征曲面法向量,对噪声鲁棒性强,具有较高的适用性。     

基于差异性累积与子空间传播的法向估计算法

以分割为基础的法向估计算法主要是通过法向的差异来构造点之间的相似性.针对由于距离属性的缺失,使这类算法对于紧邻面及一些光滑曲面的估计结果并不理想的问题,提出基于差异性累积与子空间传播的法向估计算法,利用最短路将法向的差异性和点的位置信息相融合.首先,对于部分点的邻域,找到邻域点间的最短路,通过叠加最短路中点的法向差异,计算点之间的相似性;然后,利用谱分割对邻域进行分割,选择一子邻域估计此点的法向;最后,为了提高效率,提出法向约束的子空间结构传播算法,其余邻域的分割结果由已有的分割结果进行推断.在Fandisk等仿真数据和Armadillon等真实扫描数据上的实验结果表明,文中算法能准确地恢复模型的尖锐特征,有效地克服噪声及非均匀采样.     

点云鲁棒低秩联合估计重构

为了提高三维点云的质量,在抑制噪声的同时恢复尖锐特征,提出一种基于L₁稀疏优化的点云鲁棒低秩联合估计重构算法.首先使用鲁棒主成分分析进行点云局部区域低秩建模估计,避免离群点的影响,并根据法向场的变化调整模型,实现点云各向异性自适应降噪;为了提高算法求解效率,利用局部曲率进行尖锐特征辨识,将阈值迭代法与非精确增广拉格朗日乘子法相结合,用于点云不同区域低秩模型的求解;再根据每个优化后局部邻域交叠区域的冗余信息完成点云的全局联合估计重构;最后对尖锐特征点运用投影优化实现边缘特征恢复,解决尖锐特征退化以及边缘毛糙的问题.在公开仿真点云数据与多种典型算法的实验结果表明,所提算法无论是主观视觉效果,还是重构精度与效率均得到改善,与MRPCA算法相比,精度、时效分别提升10.22%和56.52%;在保留点云原有特征信息的同时,可以有效地抑制噪声并恢复尖锐特征,重构效果良好.     

各向异性点模型去噪算法

提出一种点模型的各向异性去噪算法．三维扫描仪获取的点模型不可避免地附有噪声，而去噪算法的目标是在对具有大规模教据量的点模型进行快速处理的同时,保持模型固有的几何特征针对这两个标准提出算法，首先通过局部邻域主元分析估计采样点的法向和曲率等内蕴几何量，并充分考虑采样点的空间分布以及内蕴几何量之间的关系，应用Gaussian核函数来各向异牲地扩散噪声信号，达到快速去噪和光顺点模型的目的.实验结果和对比数据表明,所提出的算法简单而高效．     

散乱点云数据特征信息提取算法

针对散乱点云特征提取过程中效率低和噪声敏感性差的问题,提出一种双阈值点云特征信息提取算法。采用主成分分析法和局部二次曲面拟合法对点云模型进行微分几何信息估算,得到k邻域内采样点平均法矢夹角和平均曲率的特征权值,并利用双阈值检测方法对散乱点云的特征信息进行提取。实验结果表明,该算法能够快速准确地对散乱以及含有噪声的点云模型进行特征信息提取,具有较高的鲁棒性。     

基于自适应椭圆距离的点云分区精简算法

利用传统点云精简算法进行散乱点云简化会导致点云模型部分细节特征的丢失或模糊以及影响非平面区域的光顺性。针对这些问题,提出基于自适应椭圆距离的点云分区精简算法。首先,通过对邻域点集进行微切平面与局部曲面的拟合,计算出各点的法矢及曲率等;其次,利用所得几何特征信息,提取点云边界特征以及完成点云平面区域与非平面区域的划分;最后,采用改进后的精简算法对不同区域进行简化。实验结果表明,该算法不但能够快速完成符合要求精简率的数据简化,还能保护点云模型的细节特征以及保证模型非平面部分的光顺性。经过软件分析得出,精简后模型与原始模型的距离误差的标准偏差为0.015 mm。     

基于椭球约束的径向基函数隐式曲面重建

对三维点云进行隐式曲面重建是解决虚拟现实等方面所存在问题的关键。本文提出 了一种基于椭球约束的径向基函数隐式曲面建模的算法,该方法在仅有点云信息的前提下仍能够 非常精确地拟合点云数据。当点云稀疏时拟合后的模型可以非常好地保证模型的主要特征,但对 于拟合大规模数据点集时,模型会出现冗余现象,保特征效果不理想且效率低下。需将点云进行 适当分割,然后并行拟合被分割点云并将它们进行光滑拼接处理。实验效果表明该算法保特征效 果非常好且效率明显提高。     

基于“几何-拓扑”迭代优化的三维网格模型修复算法

针对三维网格模型孔洞保特征修复问题,提出一种基于"几何-拓扑"迭代优化的三维数据修复算法.给定残缺的三角网格模型,首先识别孔洞区域,利用动态规划方法对孔洞区域进行初始的三角剖分,赋予孔洞区域拓扑连接关系;然后识别孔洞边界一对特征点,基于特征点及其法向粗略拟合特征曲线,在特征曲线的指导下调整孔洞局部的拓扑结构,即孔洞区域拓扑连接关系优化;最后基于孔洞及其N环邻域构建保特征的局部总变分能量函数,迭代求解孔洞及其邻域的顶点几何位置,即局部顶点几何位置的优化,重复局部拓扑连接关系优化和顶点几何位置优化,直到拓扑结构优化处理中不再发生连接关系调整,即完成了三维网格模型的修复.在现有的完整三维网格模型上人为去除部分构造带孔洞的残缺模型,以此作为数据,与其他修复算法进行对比实验的结果表明,所提算法可以有效地恢复孔洞区域的显著特征,并且在修复时间和误差统计上占有明显优势.     

结合点特征直方图的点云分类方法

针对经典的法向量和邻域高差算子包含的信息量较少,点云分类结果不理想的问题,提出一种基于点特征直方图的点云分类方法.该方法用四参数量化中心点与其邻域点之间的空间关系形成一个用于描述中心点邻域几何属性的多维直方图,并将其作为点云分类的特征;用随机森林法将激光点云分为植被、地面以及建筑物3类,点特征直方图、法向量、邻域高差三者均为几何描述算子,用点特征直方图构建了一个高维信息空间的点的几何特征表达,鲁棒性强.通过与基于法向量和邻域高差的点云分类进行对比实验,验证了点特征直方图在点云分类中保边性强、稳定性好.     

点云模型的双边滤波去噪算法

提出一种特征保持点云模型光顺去噪算法。该算法首先为每个采样点建立k-邻域并估算法矢,然后以该点处的微切平面为视平面,设计一个双边滤波器。算法充分考虑了模型表面法向的变化和邻域点间的距离同噪声之间的关系,通过调整采样点在法向的位置,来实现一个局部的光顺去噪过程。实验结果表明算法简单高效,同时较好地保持了模型的特征。     

点云模型法矢调整优化算法

点云中存在奇异情况时,采用最小生成树法进行法矢调整会出现错误,而采用曲面重建方法运算效率又较低,为此提出一种点云模型法矢调整的优化算法.算法分别处理薄壁特征、垂直法向和相邻曲面3种奇异情况.对薄壁特征,算法提取特征点并在该处强制进行法矢取反;对垂直法向,算法通过扩大邻域搜索范围来获得法矢变化趋势;对相邻曲面,算法在K邻域中剔除歧义邻域点,避免在最小生成树中生成错误边.实验结果表明,该算法在点云中存在奇异情况时能够进行正确的法矢调整,并且相较于曲面重建方法具有较高的效率.     

基于增强PyrLK光流法的三维树木骨架重建方法

针对树木骨架重建要求手工交互多、不精确的问题,提出了用增强Pyr LK光流法对树木骨架进行重建,且可以基于多幅图像完全自动化地进行树木建模.首先在传统Pyr LK光流法的基础上加入了特征点的仿射变换和迭代追踪,提出增强Pyr LK光流法,解决了传统Pyr LK光流法不支持特征点旋转和双向匹配验证的问题;其次利用邻域的泛洪和局部点云的拟合进行高速、准确的树木骨架抽取,提出了三维体素泛洪和最小二乘拟合的方法.实验结果表明,文中方法能够快速重建出极具真实感的三维树木骨架模型.     

一种基于散乱点云的边界提取算法

点云边界是曲面的重要特征之一,边界线的快速准确提取对于提高曲面重构的效率和质量具有重要意义。首先,采用基于kd-tree搜索的方法建立点云空间拓补关系,进行K邻域快速搜索,以采样点及其K邻域作为局部型面参考依据拟合微切平面,将其向微切平面投影;其次,在微切平面上建立局部坐标系,并对投影点进行参数化,根据邻域点集在采样点处的场力大小之和可以表示点集的平均作用来识别点云的边界特征点;最后,从提高边界线连续性的角度,利用NURBS曲线插值方法连接边界线。实验结果表明,该算法可以快速、有效地提取出点云的边界特征点,并得到C2连续的边界线,满足曲面重构的要求。     

基于双边过滤的网格光顺法

在逆向工程和计算机图形学中,由于扫描的数据存在噪点,为了便于后期处理,在使用前要对其进行光顺处理.通过对网格双边过滤法的研究,提出了改进的方法.通过网格顶点及其邻域点拟合一张曲面,对每一个邻域点构造一条抛物线,利用该抛物线计算出新的距离,得到新的光顺公式.经过软件测试,新的光顺公式能够更好的对网格进行光顺,同时保留网格图形的特征.实验结果证明,使用拟合的曲面来局部逼近已有的未知曲面能比使用平面逼近已有的未知曲面得到更好的保特征效果.     

基于邻域几何特征约束的植株三维形态配准方法研究

为提高不同角度多次测量得到的植株点云配准速度和精度,提出一种基于植株点云邻域几何特征约束改进的三维形态配准方法。首先,针对点云量大并缺少拓扑信息,选取关键点集并估计其中每个点的支撑邻域来拟合出支撑曲面,进一步计算出邻域几何特征。其次,采用特征相似度的方法实现点云的初始配准。最后,在初始配准的基础上,加入两个新的夹角几何特征约束匹配点对改进ICP算法进行配准优化。利用bunny、兵马俑模型点云对算法的精度和通用性进行测试,并在实际应用中验证了配准效果和算法鲁棒性。结果表明,与传统的特征配准方法相比,该方法配准速度提高约10%以上,精确配准误差约为传统算法误差的1%。