三维点云分割研究综述

点云是在三维空间层面完整表达周围环境的重要数据形式.传统的自主移动机器人通过激光雷达或者RGBD相机等传感器可以获取点云数据.点云分割是认知与理解点云数据中所携带的信息的重要方法.本文对点云分割,包括传统点云分割、点云语义分割、点云实例分割等的发展现状进行了分析与阐述.     

误差空间估计的卫星跟踪位置预测

为了提高光电跟踪设备进行卫星观测跟踪时的精度与平稳性,提出一种在跟踪过程中预测卫星位置的误差空间估计方法.该方法根据当前不完全有效与准确的实测数据,用动力学模型方法离线预测数据与离线预测误差表示卫星位置,在预测误差构成的误差空间中对其进行滤波与预测,再与离线预测数据合成以得到精度更高的卫星位置预测数据.实验结果表明,文中方法对卫星位置的预测数据精度比采用运动学模型的Kalman滤波方法高,在精度要求为1'的情况下,其能预测的时间范围比后者多25s以上,且误差随预测步长的增加,增长较缓慢.     

融合多分辨率特征的点云分类与分割网络

针对现有网络难以有效学习点云局部几何信息的问题,提出一种融合点云多分辨率特征的图卷积网络。首先,通过k-最近邻算法对点云构建局部图结构,以更好地表示点云的局部几何结构。其次,基于最远点采样算法提出一个并行通道分支,该分支通过对点云进行下采样来获得不同分辨率的点云,然后对其进行分组处理;为克服点云的稀疏特性,提出一种几何映射模块对分组点云执行正态化操作。最后,提出一种特征融合模块对图特征和多分辨率特征进行聚合,以更有效地获得全局特征。实验使用ModelNet40、ScanObjectNN和ShapeNet Part数据集进行评估,结果表明,提出的网络具有良好的分类与分割性能。     

利用子空间的投影和跟踪改进OFDM信道估计

OFDM系统的LS信道估计可看作真实信道频率响应的一个有噪观察值，因此可采用子空间投影方法对噪声进行压缩。分析了利用子空间投影方法改进LSOFDM信道估计性能的实质，给出了利用子空间投影改进OFDM信道估计的一般框架，在此基础上将子空间投影推广到非LS信道估计方法。当信号子空间随时间变化时，需要采用子空间跟踪技术保持对信号子空间的良好估计，因此提出了一种基于子空间跟踪的参数化信道估计方法，仿真表明这种方法在性能上优于非参数化时的相应方法。     

球幕点目标投影跟踪系统的精确标定方法

针对球幕点目标投影与跟踪系统中多个子系统相对位置关系探测复杂的问题,提出了一种适合现场测量的精确标定方法。将球幕作为世界坐标系,利用子系统对球幕球心标定,得到子系统在球幕坐标系下的坐标,从而实现目标点在子系统之间的坐标转换。研究了球幕球心标定原理及标定点投射方法,建立了球幕球心在标定系统坐标系下的高斯-马尔科夫(G-M)求解模型,仿真分析了影响标定误差的因素。结果表明,通过减小子系统到球心的距离和改进投射的标定点空间分布能够有效提高标定精度,最后提出基于整体最小二乘(TLS)的球幕标定方法。根据仿真结果,设计模拟球幕和标定器并完成实验,标定结果满足现场快速精确标定的要求。     

单景扫描点云数据网模型的构建方法研究

主要对点云数据网模型的构建方法进行研究,探讨点云数据构网的方法——基于球面投影构网算法。分析激光扫描数据的采集原理和数据基本特点,通过研究以上两种构网方法的优势与不足,考虑到单站地面激光扫描点云数据的特点,具体给出空间三角网生长算法的模型。在AUTOCAD平台下结合VBA语言,以阜新解放广场的毛主席头像为例,实现空间三角网模型建立。     

空间点的坐标测量

介绍机器人实验室常用的坐标测量方法，重点说明作者所做的单经纬仪法和激光跟踪干涉法的工作原理。     

一种基于点云语义图描述符的回环检测方法研究

随着计算机水平和机器人传感器技术的不断进步,移动机器人已逐渐向智能化发展。其中,定位与建图(SLAM)是其定位的关键技术,回环检测是SLAM系统的重要模块。为解决传统回环检测耗时长和效率低等问题,本文提出一种基于点云语义图描述符的回环检测方法,在KITTI里程计数据集00和05序列中进行回环检测性能测试,并与Scan Context、LEGO-LOAM和VFH三种算法进行对比。结果表明：该方法在100%准确率下的召回率和50%召回率下的准确率最高,回环检测性能最好。     

基于改进SIFT-ICP算法的物体点云建模方法

为了实现对任意摆放的物体的识别与位姿估计,需要得到物体的三维模型,提出了一种高效准确的物体三维点云模型构建方法。首先通过RGB-D传感器获取物体多角度数据,然后利用尺度不变特征变换(SIFT)特征点匹配和改进的迭代最近点(ICP)算法计算出各角度下传感器的相对位姿,进而生成目标物体所在场景的完整点云,并通过物体分割和点云后处理得到目标物体的三维点云模型。实验结果显示,构建的物体点云模型清晰且不失真,并保留了表面完整的特征信息。     

融合配准的多站室外大场景激光点云分割

针对室外场景范围广、分割难度大、识别效果不显著等问题,提出了一种融合多站点云配准的室外大场景分割方法.首先,根据室外场景视野大、点云数据量庞大特点,选取多个视角下重叠区域较多的建筑场景点集,结合SAC-IA和ICP方法进行点云自动配准,从而构建出点云密度相对均匀的室外大场景完整结构;然后,选用公共数据集Semantic...     

基于多视角区域生长的复杂点云模型分割

为提高三维点云模型在特征模糊区域的分割精度,提出了一种借助多视角区域生长的分割方法。基于网格法向量方向相异性原则,初次将模型划分为不同类别的子区域,在相应区域建立点云与多视角距离图像的一一映射关系。利用Canny算子对灰度的敏锐性获取独立连通域并计算其重心坐标,根据对应关系在三维点云中提取对应点作为种子点,然后引入网格法向量的偏移角度分离邻接面,同时对剩余彼此独立的分割面按照迭代搜索最近点的原则进行提取,并利用KNN算法去除离群点实现分割优化。在选取的模型数据集上进行实验,结果表明该方法能够实现复杂点云模型的合理划分,分割精度不低于80%。     

一种基于投影算法的运动目标自动跟踪系统

提出了一种基于投影算法的运动目标自动跟踪系统设计方案．它适用于固定背景情况下单个运动目标的检测与跟踪．采用了双摄像头方案,既可以扩大场景的监视范围,又可以给出运动目标的近距离影像．引入了投影算法计算位移矢量,提高了计算速度和对背景变化的抗干扰能力．实验结果表明了方案的可行性和算法的稳健性．     

广式古家具的逆向点云数据采集研究

目的研究广式古家具,对典型古家具样品进行三维扫描,掌握处理原始点云数据的技术要领和现场扫描古家具三维模型的实际操作方法,为广式古家具的Alias参数化模型建构与虚拟现实应用研究奠定原始数据基础。方法对广式古家具选择研究样品后进行设计调查,携带仪器设备对广式古家具进行现场扫描,获得其表面的点云数据,掌握点云数据处理与现场扫描的方法。结论广式古家具的逆向点云数据采集研究以未来信息化建设为视角,侧重于技术过程实践和参数化模型建构方法研究,为广式古家具的数字化传承技术作出了有益示范。     

基于BIM和深度学习点云分割的施工检查方法模拟研究

建筑信息模型(BIM)为工程建设提供了丰富的空间和属性信息,三维激光扫描等三维信息获取技术的发展使获取工程建设三维场景信息变得更加便捷、高效。通过融合实际工程点云与BIM,将有助于实现工程建设质量和进度管理的自动化。既有研究一般比对点云与BIM的全局信息,需要工程人员根据不同规则检查判断,结果难以定量呈现。同时,比对结果无法与BIM构件属性自动关联并服务于智能化分析。针对上述问题,该文引入深度学习点云语义分割技术,对框架梁柱节点实现构件的对象化比对,提高了点云与BIM比对的自动化和数字化程度。模拟试验研究表明,采用的PointNet++模型在框架节点点云语义分割任务中取得了较高的精度,并对数据误差具有较好的健壮性,可为对象化的施工偏差比对提供良好的数据基础。该文方法实现的框架节点施工点云与BIM模型的对象化偏差比对,将在施工偏差展示、测量数据数字化和施工进度管理方面具有良好的应用价值和发展潜力。     

机载激光雷达与点云数据处理技术简述

介绍机载激光雷达的点云数据获取与处理流程,总结其关键技术,从中可以预测未来遥感与GIS技术在数据获取方面的发展趋势,即借助机载激光雷达,再现真实三维场景。     

基于尺度变化的图像灰度投影算法

为了延拓灰度投影算法计算时间上的优越性能,解决传统投影法无法估计视频序列缩放参数问题,本文提出了一种新的基于尺度变化的灰度投影算法.算法根据缩放下投影矢量的特征,采用对数映射其坐标空间的方法,将矢量缩放参数降维成平移参数估计,再使用一维矢量互相关运算求解偏移量.实验结果表明,算法具有较好的鲁棒性,缩放系数位于0.7＜a＜1.3时,256×256图像块的解算时间为0.031s;参数求取精度＜0.03,能够较好的应用于视频帧序列的实时处理.     

空间平滑局部保持投影用于ISAR目标识别

由于目标运动及其所处环境的复杂性,雷达目标数据之间往往呈现出局部的非线性,如果采用传统的线性子空间方法降维,必将会使雷达目标识别性能有所下降.基于以上原因,论文在详细分析ISAR二维像非线性流形结构特点的基础上,将流形学习方法中的空间平滑局部保持投影(Spatially Smooth Locality Preserving Projections,SSLPP)算法应用于ISAR二维像的特征提取和维数约简,并采用k近邻分类器对三类飞机目标进行了识别.与传统的子空间方法相比,SSLPP算法充分考虑了图像中各相邻像素之间的相关性,因而可获得更多的图像空间局部信息.仿真实验结果表明,与PCA、LDA、LPP等算法相比,该方法具有更好的识别性能.     

基于子空间约束的面部特征点跟踪算法

为克服纹理不丰富和非刚性形变等因素引起的面部特征点跟踪困难,提出了一种基于子空间约束的面部特征点跟踪算法。针对人脸运动特点,将面部特征点分为具有复杂运动模式和简单运动模式的特征点集。用通过样例学习得到的特定描述模型准确刻画了具有复杂运动模式的特征点集的变化,保证了子空间约束的有效性。对运动模式简单的特征点集的跟踪则采用基于光流的算法,以提高算法的效率,也为基于特定描述模型的跟踪算法提供了更准确的起始搜索位置。对跟踪结果进一步应用子空间约束解决跟踪中的开孔问题和消除跟踪误差。实验结果表明,在存在较大验部变形和部分特征点纹理不丰富的情况下,该方法可以有效地跟踪较密集的面部特征点。