基于改进ICP算法的损伤零部件精确配准方法

针对损伤零部件点云模型与原始模型利用传统迭代最近点算法配准出现较大误差的问题,提出一种基于该算法的改进算法,以实现两模型间对应点的准确获取,从而实现损伤零部件点云与原始模型的准确配准。考虑到损伤零部件表面尺寸和形貌发生变化,该算法将对应点曲率约束与对应点间的距离约束结合,并设定曲率和距离阈值实现损伤点云的自动剔除,保证了配准点云对应点的准确性及配准的快速性。最后,运用MATLAB实现了算法编写,并通过损伤模具的配准验证了该算法的有效性。     

层次优化的颅骨点云配准

颅骨配准是颅面复原的重要步骤之一,其配准精度和效率对复原结果有着重要的影响。为了提高颅骨点云模型的配准精度和效率,本文提出了一种层次优化的颅骨点云配准方法。将颅骨配准分为粗配准和细配准两个过程。首先对颅骨点云模型进行去噪、简化和归一化等预处理;然后对颅骨点云模型提取特征点并计算其特征序列,根据特征序列进行约束寻找初始对应点对,并采用k-means算法剔除误匹配点,实现颅骨粗配准;最后通过加入几何特征约束的改进迭代最近点(ICP)算法实现颅骨细配准,从而达到颅骨精确配准的目的。本文分别对粗配准、细配准和先粗再细完整配准过程进行实验,结果表明:粗配准过程,与未优化的粗配准算法相比,本文优化后的粗配准算法的配准精度提高了约35%,算法耗时增加了约6%;细配准过程,与ICP算法相比,本文改进ICP算法的配准精度和收敛速度分别提高了约20%和43%,算法耗时减少了约47%;先粗再细的完整配准过程,本文算法的配准精度和收敛速度都要优于其他两种方法。证明了本文方法是一种有效的颅骨点云配准算法,可以实现颅骨点云的精确配准。     

涡轮叶片密集点云数据与CAD模型配准方法

针对密集点云数据与CAD模型的配准问题,提出了一种基于简化模型曲率计算的配准方法。该方法通过计算简化模型和CAD模型各点的曲率提取出两模型上某一对应的特征面,根据特征面求出三组对应点对并计算坐标变换矩阵;把得到的变换矩阵应用于简化前的原始点云模型实现模型的预配准;最后通过奇异值分解和最近点迭代相结合的算法实现精确配准。实例表明,该方法实现了密集点云数据与CAD模型的配准,并在保证配准精度的前提下提高了配准的速度,从而验证了方法的有效性和实用性。     

基于球面特征的点云配准方法研究

针对多视点云的配准问题,提出了基于球面特征的自动配准方法。在测量的零件周围固定标准球,把零件和标准球作为一个整体进行点云测量。用球面拟合的方法求解标准球的球心坐标,并在待配准点云的球心坐标中搜索对应点,从而计算粗配准中的旋转矩阵和平移矩阵,实现点云的粗配准,采用融入球心坐标信息的改进的ICP算法(迭代最近点法)实现点云的精配准。这种方法大大缩少了粗配准中对应点的搜索范围,并实现了自动配准,提高了配准效率,改进的ICP算法增强了配准算法的鲁棒性,实例证明该方法有效。     

应用改进迭代最近点方法的点云数据配准

提出了基于点云边界特征点的改进迭代最近点(ICP)方法来提高逆向工程中点云数据配准的效率和精度.首先,提出了基于点云边界特征点的初始配准方法.对点云最小包围盒进行三维空间划分,建立空间网格模型;运用边界种子网格识别及生长算法,从点云边界提取特征点,运用奇异值矩阵分解法(SVD)求出点云的变换矩阵,得到初始配准结果.然后,提出了改进的ICP精确配准方法.对点云对应点赋予权重,剔除权重大于阈值的点,通过对目标函数引入M-估计(M-estimation),剔除异常点.最后,在初始配准的基础上,运用改进的ICP方法精确配准.对经典ICP方法和改进ICF方法做对比实验,结果显示,改进方法的配准效率提高了70％以上,误差减小到0.02％.实验表明,本文方法大幅提高了点云配准的效率和精度.     

基于点云几何信息改进的自动配准方法CSCD

针对工业流水线上激光扫描工件获得的点云数据的配准问题,提出了一种基于点云数据几何特征改进的点云自动配准新算法。新算法首先根据点云数据中法向量的变化规律选取特征点,作为初始的匹配点集;然后运用一种根据点对间距离约束优化的随机抽样一致(RANSAC)算法对数据初始匹配;并运用k-d tree加速改进的最近点迭代(ICP)算法进行精确匹配;并运用四元数法求得配准参数。分别对提出的新算法、PCA改进算法和经典ICP算法进行了实验,并对实验结果进行了对比。对比结果表明新算法能够实现配准,并显著提高了配准的速度和精度,表明了新算法的有效性,对实际应用具有一定的现实意义。     

基于点云几何信息改进的自动配准方法

针对工业流水线上激光扫描工件获得的点云数据的配准问题,提出了一种基于点云数据几何特征改进的点云自动配准新算法。新算法首先根据点云数据中法向量的变化规律选取特征点,作为初始的匹配点集;然后运用一种根据点对间距离约束优化的随机抽样一致(RANSAC)算法对数据初始匹配;并运用k-d tree加速改进的最近点迭代(ICP)算法进行精确匹配;并运用四元数法求得配准参数。分别对提出的新算法、PCA改进算法和经典ICP算法进行了实验,并对实验结果进行了对比。对比结果表明新算法能够实现配准,并显著提高了配准的速度和精度,表明了新算法的有效性,对实际应用具有一定的现实意义。     

工件四特征点的粗配准方法研究

工件自动配准在柔性生产装配中至关重要,其中装配工件CAD模型数据和实测点云数据的配准是关键技术之一。针对装配工件和CAD模型的配准问题,提出了一种基于工件四特征点的粗配准算法。获得配准物体CAD模型数据和实测点云数据后,该方法包含四步:点云数据取样,特征四点集提取,特征一致四点集寻找,计算变换一致性矩阵。以正方体为模型的仿真实验结果显示该配准方法正确可行,以维纳斯石膏像作为实验对象进行配准实验,当点云数据为80000点时,点到点的误差均值为0.0622mm。该算法稳定,配准结果可以作为精确配准算法ICP(Iterative Closest Point)等的叠代初值。     

基于表面间三棱锥体积测度的点云配准

提出一种基于离散对应特征和表面间平均三棱锥体积测度的改进ICP算法,进行了多视激光点云配准。通过寻找两片点云重叠区域内的有效点与对应三角形对,并将有效点与对应三角形对所夹的空间三棱锥体积作为误差测度来指导激光点云的配准;将点与对应三角形的质心作为对应点对,估计出新的空间位置转换关系。实验结果表明:该改进算法具有较高的配准精度且收敛速度较快。     

颅骨点云模型的优化配准

由于颅骨的三维点云数据模型复杂且不同人的颅骨差异较小,对其配准精度要求较高。为了提高颅骨点云模型的配准精度和收敛速度,提出了一种先粗配准再细配准的配准方法。首先,对颅骨点云数据模型进行去噪、简化和归一化等预处理;然后,通过区域划分、区域配准和求解组合系数以及求解刚体变换等步骤实现区域层次上的颅骨粗配准;最后,通过引入动态迭代系数来改进基于旋转角约束的迭代最近点算法,并采用该改进的ICP算法实现颅骨的细配准,从而达到精确配准的目的。实验结果表明:与ICP算法相比,改进的ICP算法的配准精度和收敛速度分别提高了约30%和50%。证明该种先粗配准再细配准的颅骨点云模型配准方法是一种精度高、速度快的有效颅骨配准算法。     

基于分层块状全局搜索的三维点云自动配准

提出了一种分层块状全局搜索到临近点局部搜索的改进迭代最近点(ICP)算法,用于进一步提高ICP算法的配准速度并消除点云缺失对点云配准的影响。该配准方法在粗略配准之后,以点云块为分层单元对模型点集进行选取,并对选取的少量模型点进行全局搜索获取其对应最近点;然后,以这些模型点对应的最近点作为搜索中心,在场景点集中进行局部搜索,获取这些模型点的大量临近点的对应最近点;最后,剔除错误对应最近点对,并求取坐标变换。与基于KD-Tree的ICP算法和基于LS+HS(Logarithmic Search Combined with Hierarchical Model Point Selection )的ICP算法相比,该配准算法对Happy bunny扫描数据的配准速度分别提高了78%和24%;对Dragon扫描数据的配准速度分别提高了73%和30%。这些结果表明该算法可以快速、精确地实现三维点云间的配准。     

基于点云稀疏语义特征的智能网联汽车协同感知配准算法

针对道路场景下多智能网联汽车协同感知问题,本文提出一种基于点云稀疏语义特征的智能网联汽车协同感知配准算法。所提算法旨在通过点云集成配准扩展智能网联汽车感知范围,进而实现智能网联汽车协同感知。首先,在道路语义特征基础上进行几何特征提取进而得到点云稀疏语义特征。其次,计算道路语义特征点云间的角度偏差以提供配准初值,并将点云语义信息作为配准约束条件实现全局语义集成配准。实验表明所提算法有效扩大了多智能网联汽车协同感知范围,提高了多点云集成配准的精度与鲁棒性。与当前主流算法JRMPC相比,本文所提算法配准精度提高了2.45%。     

面向复杂毛坯小余量加工的层次化快速约束配准算法

针对复杂结构毛坯的小余量数控加工中很容易出现局部加工余量不足的问题,基于毛坯表面的点云测量数据,提出了一种层次化快速约束配准算法,从而实现加工余量的优化分配。首先通过建立一个知识向导模型并应用局部微分信息,自动分离出毛坯上需要分配余量的各待加工表面,并分别施加最小余量约束,在确定各待加工表面上参与约束配准优化的初始点集的基础上,采用广义乘子法将初始配准点集与设计数模进行约束匹配;然后采用迭代方法将不满足余量约束的测点追加到当前配准点集中,直到所有待加工表面的测点满足余量约束。实验结果表明,该配准算法在最大程度满足余量约束的前提下,显著提高了点云数据的配准效率。     

ALGORITHM OF PRETREATMENT ON AUTOMOBILE BODY POINT CLOUD

As point cloud of one whole vehicle body has the traits of large geometric dimension,huge data and rigorous reverse precision,one pretreatment algorithm on automobile body point cloud is put forward.The basic idea of the registration algorithm based on the skeleton points is to construct the skeleton points of the whole vehicle model and the mark points of the separate point cloud,to search the mapped relationship between skeleton points and mark points using congruence triangle method and to match the whole vehicle point cloud using the improved iterative closed point(ICP)algorithm. The data reduction algorithm,based on average square root of distance,condenses data by three steps, computing datasets' average square root of distance in sampling cube grid,sorting order according to the value computed from the first step,choosing sampling percentage.The accuracy of the two algo- rithms above is proved by a registration and reduction example of whole vehicle point cloud of a certain light truck.     

一种基于最小二乘固定球法的多视点云拼合技术

为了得到复杂实物的完整测量数据,需要将不同视角下测得的点云统一到同一个坐标系下并进行数据融合。提出了一种基于最小二乘固定球法的多视点云拼合算法;采用拟合最小二乘球法获取球心坐标,然后用三点对齐法实现多视数据的坐标变换,最后用加权平均法去除两组点云中的冗余点实现两组数据的融合。利用UG/OPEN工具集将该拼合技术集成到UG中,应用实例证明了该技术的有效性和实用性。     

叶片机器人砂带磨抛点云匹配算法优化

为解决机器人磨抛路径中工件坐标系难以计算的问题及校正工件装夹误差,将三维点云配准技术应用到叶片机器人砂带磨抛系统中。由三维激光扫描仪扫描工件型面获得工件点云,采用基于主成分分析(PCA)的全局配准算法和改进的迭代最近点(ICP)算法完成了扫描点云和工件模型离散点云间以及不同工件扫描点云间的匹配,以获取工件坐标系和校正工件装夹误差。相关仿真和试验结果表明,优化后的算法在匹配速度与精度上有了长足改进,且加工后产品精度和质量都能满足实际加工要求。     

A stitching method of radial section line of scanned point cloud data for ring forgings

The dimensions of ring forgings can be analyzed by the point cloud data of ring forgings scanned by laser. The dimensions are the key to evaluating the parameters of ring forgings. Due to the limitation of the scanning angle of the laser scanner, the complete data of the radial section line for the ring forging cannot be obtained through one scan. So the point cloud data of multiple scans are stitched to get the complete data of radial section line. In response to the stitching question, a point cloud data stitching method for ring forgings is proposed in this study. Firstly, the coarse stitching is carried out by using the relationship between the center coordinates of the two data sets. Then, the repeated region is found by the improved Beetle Antennae Search Algorithm (BASA). The repeated region is divided into three parts to find corresponding points in the process of precise stitching. The complete radial section line data can be obtained. Finally, the stitched radial section line is transformed into a complete 3D ring forging model. The comparison experiment results show that the algorithm proposed in this study is simple and fast. The accuracy of this algorithm is verified by extracting the dimensions of the complete model for ring forging.     

基于继承与优化算法的无序点云拼接技术的研究

摘要：点云拼接技术的核心是建立两个待拼接点云之间的对应关系。提出继承与优化算法进行点云精确拼接,阐述了算法原理,通过建模获取拼接过程中的旋转和平移参数,提出并分析了拼接的实现过程。采用光栅投射式三维扫描仪获取某型号汽车防雨板的6组点云数据,使用提出的算法进行点云拼接,采用多分辨率层次精度分析法对拼接结果进行误差分析,与最临近点迭代法在拼接精度、收敛速度和耗时上进行了比较。实验结果表明：继承与优化算法可实现海量无序点云的精确拼接,拼接的标准偏差小于0.10mm,两点云对拼接时间小于2秒,相比最临近点迭代法,所需迭代次数减少5次以上。