反求工程中基于边界扩展的三角网格构造

针对非接触式方式测量的大规模散乱点云数据建模，提出一种三角剖分算法，该算法适用于多张自由曲面片构成的曲面物体，尤其适用于含内孔的曲面对象。算法过程包括两个阶段：第一阶段，采用一种空间栅格装点法来进行初始点云数据精简，精简比率通过栅格小正方体单元尺寸控制；第二阶段，构造种子三角形，通过连接已剖分网格区域的边界边与最优扩展点采形成三角网格，从而向外延展，也可以时一个带有内孔的复杂自由曲面直接进行三角剖分，无需人工分区。实验结果表明该算法可以快速、有效地从三维数据点云建立几何模型。     

面向船体外板曲面重建的散乱点云精简算法

针对船体外板形变曲面实时检测与快速高效三维重建的要求。提出了以空间层次剖分和特征曲率相融合的精简算法,通过k-d树剖分准则将三维点云数据剖分成不同层次空间,层层递归形成树状数据模型,在每个节点空间内,同时分别利用K-邻域计算、曲率估算,获得点云特征曲率信息,设定可调的曲率阈值,依据阈值将同一数据源的点云数据区分为不同曲率大小的区域,运用不同的精简算法,实现保持曲面基本特征的曲面重建。实验结果分析,该算法保证曲面重建的基础上,大大减少了曲面的点云数量,提高了曲面重建效率。     

基于双目视觉的非凸复杂形貌物体干涉分析

传统基于点云分析的物体与场景干涉检测算法使用层次包围盒或空间分解的方法判断是否发生干涉,不能获取物体与场景各点的准确安全距离数值。提出一种基于双目视觉点云的非凸复杂形貌物体干涉分析方法,该方法首先使用双目立体视觉算法对已标定的双目相机拍摄的场景快速重建点云,然后用待分析的物体三维点云和重建的场景点云数据求解干涉问题,使用K-D树搜索的方法快速确定指定点的干涉距离,使用相机光轴方向的点云坐标关系确定是否干涉。方法在某探测器内场实验中的干涉检测正确率为100%。且相较于现有干涉检测算法,本方法可准确获取物体表面是否干涉及具体距离信息,并借助双目点云沿参考相机光轴方向有效简化相交测试计算复杂度,在降采样下单点检测的时间不超过0.15 s,能够满足非凸复杂形貌物体和各类地形的干涉快速分析的需求。所提方法圆满完成了嫦娥五号在轨月面采样封装中采样点选择的采样器-地形干涉分析任务。     

基于双重配准的机器人双目视觉三维拼接方法研究

针对机器人图像视觉视野不够开阔,不能获得全面障碍物信息的问题,提出了一种基于轮廓识别的三维重建与可变视觉三维拼接方法。对双目立体视觉系统拍摄的两幅图像中提取出的边缘点进行了边界跟踪,然后基于窗口灰度匹配法,对两幅图像上的像素点进行了匹配,来寻找双目立体视觉系统左右两幅图像中对应的像素点,重建出了障碍物的三维轮廓,并根据目标物体轮廓的连续性对三维轮廓进行了优化;在此基础上提出了基于双重配准算法的可变视角三维拼接方法,采用改进ICP算法对转换到同一坐标系下的两片三维点云进行了精确配准,并对拼接处进行了融合处理,从而得到了大视野的障碍物信息。研究结果表明:通过可变视角三维拼接方法重建的三维模型具有较高空间坐标精度,并且能够通过改变双目立体视角范围获取大视野图像,最大限度地满足机器人障碍物检测和路径规划的要求。     

基于三维视觉重建的散料体积高精度测量方法

文中分析了带式输送机物料体积测量方法的异同,针对传统表面剖分体积测量法存在精度的不足,主动式激光测量法又存在维护成本高且推广难的缺点,利用双目视觉技术获得物料的图像,结合Census变换进行立体匹配获得带式输送机空载与满载场景下的三维坐标信息,将三维坐标信息可视化后得到2者三维重建后的点云模型,基于点云模型提出了一种基于像素坐标的物料体积计算精度提高方法,优化和推导了物料体积的计算公式。试验结果表明,改进后的物料体积计算精度达到了95%以上,具有一定的实用价值。     

无人机航拍图像的三维重建方法研究

在无人机为载体的基础上进行对目标场景的三维重建,就是结合无人机和计算机视觉技术,利用无人机操作灵活性,视角可控制性等优点.为实现更加完整的三维模型的重建,提出一种基于多图像拼接三维重建算法.基本思路是在无人机为载体的基础上,从不同方向获取目标物体的图像,通过自标定方法获取相机内参数,采用图像拼接融合技术对多幅图像分析、合成,从而最大限度地对建筑物场景的各种特征信息的描述.进一步对拼接融合后的图像进行特征点提取和点云匹配,从而获取全景图空间特征点三维点云,获得一个较为真实的重构对象的三维模型.实验结果表明,改进后的重构方法的精度较高,适合在许多场景三维重建的应用.     

截面扫描型点云数据的三角剖分算法

截面扫描型点云数据三角剖分的难点在于在三角剖分中找到一个合适的数学模型来统一各条扫描线点个数。本文利用NURBS曲线的表达式作为数学模型,提出了基于曲线相容性的三角剖分方法。首先对截面轮廓数据进行排序,用NURBS曲线进行拟合,然后对截面曲线进行相容性操作,在离散的基础上实现了三角剖分算法。     

结合平面投影与区域生长的点云表面重建

为提高点云曲面重建的精度和效率,提出了一种将平面投影与区域生长相结合的散乱点云曲面重建方法。从散乱点云中选取局部点集,对其离散度进行判断,将较平滑的符合离散度要求的点集投影到二维平面并进行三角剖分,将三角剖分后点之间的拓扑连接关系映射回三维空间,实现该部分点云的表面重建,对剩余的散乱点用改进的区域生长法重建表面。实验结果表明,该算法能够重建出结构形态正确、保留物体细节信息的三维模型,降低曲面重建复杂度并提高其精确度。     

一种脊柱图像快速重建与配准方法

为提高传统脊柱图像三维重建与配准速度和精度，提出一种基于传统立方体(MC)算法和迭代最近点(ICP)算法的快速重建与配准方法。首先利用双边滤波对CT图像进行预处理，基于区域生长的思想改进MC算法，完成三维重建并获取脊柱三维模型和点云模型。然后采用ISS算法提取脊柱点云关键点，求取关键点的快速点特征直方图(FPFH)，基于采样一致性(SAC-IA)方法完成初始配准，从而改善2片点云的初始位姿。最后通过K-D树加速寻找最近邻点对，并引入基于欧式距离的权重系数改进ICP算法，实现精配准。试验结果表明：重建速度较传统方法提高20%，配准速度较传统统方法从177.8s提高到41.2s，且配准结果平均误差为2.81*10^-1。     

结合立体视觉与超像素技术的道路障碍物概率检测

针对道路障碍物检测问题,提出了一种基于立体视觉与超像素技术的双目障碍物概率检测算法。该算法首先利用双目相机采集的左右视图进行立体匹配获取视差图,通过三维重建到得3D点云,然后采用最小二乘法拟合地平面方程,并计算图像空间点到地平面的距离,接着使用SLIC算法得到超像素,并计算超像素到地平面的中值距离,最后使用逻辑回归方法和信任函数计算像素为障碍物的概率。实验结果表明,该方法能够可靠地检测道路障碍物,并为障碍物检测的多传感器融合方法提供有价值的概率数据。     

反求工程中点云数据的曲线拟合技术

针对反求工程中的激光随机扫描所产生的散乱点云数据,提出一种曲线拟合方法。该方法能有效地对点云数据进行三角剖分、精简、平滑去噪处理等操作,并能最终得到满足要求的拟合曲线。     

复杂曲面特征线自动提取技术研究

复杂曲面零件的几何模型重构是逆向工程的研究重点之一,由零件表面的数字化数据提取特征线是构造几何模型的重要步骤。针对由CMM获取的三维数据“点云”,提出了基于扫描线的三维分层式方法实现特征线的自动提取,提出了基于局部增量网格扩张的三维散乱数据三角剖分算法,实现任意曲面尖锐棱线的自动提取。实践说明,通过该算法得到的复杂曲面的边界线能够满足模型重建的工程需求。     

基于二维图像的三维重建技术研究

针对在拍摄过程中,三维图像转化为二维图像时容易丢失深度信息,使得通过该二维图像重建出所对应的三维图像比较困难的问题。依据双目视觉技术,采用两个摄相机来完成研究对象的三维重建,既减小了整个系统的成本,又简化了三维重建的操作过程。通过研究所搭建的双目平台相机拍摄图像以及进行相机标定,再根据改进的边缘提取算法结合Harris算法对图像的特征点进行检测,并利用SAD算法对图像的特征点进行立体匹配,最后利用三角测量原理提取到目标图像的深度信息,最终实现对矩形量块的图像的三维图像的重建。实验结果证明,该方法取得了满意的实验效果。     

采用八叉树体素生长的点云平面提取

提出了一种高效的基于八叉树体素自适应生成与体素分层次生长的平面提取方法,其主要思路为采用体素信息统计的方式进行相关阈值参数的自动选定,以及基于体素的生长替代基于点的生长进行平面提取。首先,对点云进行八叉树初始剖分并计算其几何属性信息(包括法矢、特征值以及维度特征描述符等);然后,通过统计得到细分终止条件,并对初始八叉树进行进一步自适应剖分,得到一系列非均匀八叉树体素;最后,在体素层面进行区域生长阈值的统计与体素的分层次生长,进行点云平面的精细提取。利用4种不同类型的点云数据对本文算法进行了测试。实验结果显示:精度和召回率可以达到95%以上,表明本文算法对数据质量不敏感,可以自动适应不同平台采集的、不同分布密度和不同数据质量的激光点云,并且高效地得到精细的点云平面提取结果。     

基于特征信息分类的三维点数据去噪

为了有效去除获取三维点云数据时的噪声,同时又不损失模型的特征信息,提出了一种基于三维点云特征信息分类的去噪算法。首先采用主成分分析法和二次曲面拟合法估算三维点云的微分几何信息;然后根据点云平均曲率的局部特征权值,将点云数据划分为特征信息较少的平坦区域和特征信息丰富的区域,针对不同特征区域分别采用邻域距离平均滤波算法和自适应双边滤波算法进行去噪滤波。实验结果表明:滤波后点云数据的最大误差为0.144 7mm,标准偏差为0.021 0mm。在不同噪声强度下,该去噪算法均能够达到较好的去噪效果,并保留点云的高频特征信息。     

基于双目立体视觉的齿轮端面高度测量方法

为了实现齿轮端面高度的高精度非接触式测量,提出基于双目立体视觉的齿轮端面高度测量方法。创新性地使用可滑动固定基线距离的单目CCD相机代替传统的双目相机获取齿轮双目图像。在获取双目图像后,通过双目相机标定实现齿轮图像立体矫正。基于改进的SGBM算法对矫正后的双目图像进行立体匹配,获取视差图和相机坐标系下平面三维坐标点,对上下平面的三维坐标点进行最小二乘拟合,从而获取上下平面的深度信息,上下平面深度相减即可实现齿轮端面高度的测量。使用直齿轮进行了视觉测量实验,实验结果表明,提出的测量系统及方法具有较高的精度和稳定性。     

基于断层序列图象的三角域拓扑模型快速剖分算法研究

介绍了一种对三角域拓扑模型进行任意截面快速剖分的算法:在断层序列图象的三维重建过程中,划分并规整三角面片,然后以空间立方体序列的形式进行组织,得到具有清晰毗邻关系和索引结构的表面模型。在以任意角度截面剖分模型时,根据空间立方体的索引关系快速检索被切割到的三角面片,依次进行剖切处理,最终得到三维模型的任意剖面轮廓线。该算法在实际中得到应用,效果良好。     

二维图像三维重构系统开发与实现

为了解决无接触快速的识别及采集被测物三维相关参数,需研发基于二维图像物体3D重构系统。该系统以VC++和openC V为基础,利用了图像传感器获取两幅或多幅二维图像,基于多目视觉技术,实现了基于双目视觉的摄像头定标、立体匹配、三维重构及其可视化等功能,通过用双目视觉传感器获取图像后,对图像用StereoV ision算法进行3D重构,进而对图像进一步挖掘,获取实物的相关数据。通过实验,重建了图书的三维点云数据,并基于3D模型,重构图书三维信息及可视化。该系统可为今后基于3D模型,无接触实现物体三维测量奠定基础。     

基于点云的堆叠玛钢管件识别定位方法

针对机器人抓取堆叠玛钢管件识别定位精度较低等问题,提出基于点云信息的堆叠玛钢管件识别定位方法。通过双目视觉获取管件的视差图,采用HSI权重分配及左右一致性校验法对玛钢管件的遮挡点进行校验,得到完整的管件视差图;基于玛钢管件点云的法向量特征,剔除管件接触部分边缘点,利用欧式聚类对相互独立的管件点云进行分割提取,采用ISS算法得到玛钢管件的关键点云数据信息,通过RANSAC算法与ICP算法进行点云匹配,确定玛钢管件的位姿。实验结果表明,该方法对不同工况下堆叠玛钢三通管件的平均识别率为89.5%,机器人抓取精度平均提升了37%。     

基于细分曲面的三维人脸建模研究

针对传统基于参数曲面的三维人脸建模方法获得的人脸表面过于光滑,丢失了人脸表面的细节特征这一问题,提出了一种基于细分曲面的三维人脸建模方法。首先,基于Delaunay三角剖分技术对采集到的人脸三维点云进行网格剖分,得到初始人脸表面;然后,采用Loop细分算法对初始人脸三角网格进行细分,得到一张光滑细腻的细分曲面;最后,基于该细分曲面重建出逼真的三维人脸模型。实验结果表明,与传统方法相比,该方法获得的三维人脸模型不仅光滑细腻,而且还保留了人脸表面的大量细节特征。