一种基于移动最小二乘法的点云数据孔洞修补算法研究

使用测量仪器获取点云数据的过程中,由于测量仪器自身缺陷、物体局部遮挡等因素,导致原始点云数据存在孔洞,严重影响曲面重建,需要实施孔洞修补,以便获取完整的模型。采用非封闭孔洞相连的散乱点云的边界确定孔洞修补范围,有效提取非封闭的孔洞边界点及附近模型的边界点,根据孔洞及其周围点的信息,基于移动最小二乘法重构一个隐式曲面,并且通过一定步长实施隐式曲面采样,完成孔洞修补。实验结果显示该算法可以修补不同类型的孔洞,并且修补数据与原始点云数据较好的融合在一起,恢复原始模型。     

附加增值条件的移动最小二乘法的点云孔洞修补

由于扫描设备局限或模型结构复杂等因素导致点云模型出现孔洞,这严重影响模型的后续处理。针对点云孔洞的修补问题,文中提出了一种附加增值条件移动最小二乘法的点云孔洞修补方法。首先提取封闭的孔洞边界,通过密度分析进行迭代切片,不仅削弱点云分布不均的影响,还提高模型细节特征的保留程度;再将离散群点投影至拟合曲面,投影点集二次拟合以获取拟合面节点,保证有足够的边界邻域节点为基础进行孔洞修补;最后利用附加增值条件移动最小二乘法对孔洞进行迭代修补,并对增值点云进行曲率约束,从而达到契合原始模型空间特征的重建。实验采用人为在四个点云模型上制造不同类型的孔洞,并与现有的四种方法进行对比,验证所提方法的有效性,结果表明,文中方法相较于现有的四种方法,完整率、准确率提高了1.83%以上,配准均方根误差与平均曲率均方根降低了68%以上,对比证明了文中方法对于点云模型孔洞具有较强的适用性,可为重建三维点云模型提供可靠信息。     

激光三角网格点云孔洞曲面修补方法

三维激光扫描点云在采集和处理后生成的三角化网格,由于测量设备限制或模型自身形状特点常包含孔洞,这类孔洞会给后续三维重建带来障碍.针对孔洞修补问题,提出了一种激光三角网格曲面点云孔洞修补算法.首先对封闭孔洞通过遍历三角网格确定三角面片边界,检测孔洞.其次基于最小角度法在孔洞多边形处快速生成新三角面片,形成初始网格.然后融合最小二乘网络与径向函数隐式曲面,利用最小二阶导数对曲面曲率进行最小化,并与原始网格曲率变化趋势保持相同,最终实现激光点云孔洞修补.实验结果表明,与其他点云修补方法相比,该方法降低了修补误差,适用于多种三角网格模型孔洞修补.     

改进贪婪投影三角化算法的激光点云快速三维重建

通过三维激光扫描仪获取的点云数据具有密度大、精度高等特点。本文针对贪婪投影三角化算法在对采集的大量点云数据进行三维重建时耗时长,重构的模型表面不够光滑,存在细小孔洞的问题,提出一种改进的点云三维重建算法。该方法首先用体像素网格滤波算法对点云进行下采样;然后使用移动最小二乘算法对输入的点云进行平滑及重采样,并且使用八叉树来代替KD树进行近邻域搜索;最后使用基于移动最小二乘算法的点云法线估计的贪婪投影三角化算法对点云进行重建。经过实验验证,该方法可以缩短重建时间,减少孔洞,并构建出平滑、点云拓扑结构更为准确的模型。     

自适应精简点云改进预处理优化三维重建算法

针对初始点云离群点噪声大、冗余性高导致三维重建效率低、重建曲面表面粗糙等问题，提出一种自适应精简点云改进预处理算法。首先使用统计滤波消除离群点噪声，并在基于体素重心邻近特征点下采样中引入双曲正切函数，在保持点云特征不变的情况下精简点云数据；然后建立移动最小二乘法拟合函数，确定其二次基函数和高斯权函数，完成点云数据平滑优化；最后使用投影三角化算法完成点云曲面重建。实验结果表明，所提算法在有效去除离群点的同时，还能精简点云数据、提升曲面重建效率，且重建后的模型表面光滑、孔洞减少。     

激光应用与全息术和光学信息处理

0632184激光扫描点云数据的NURBS曲面重构技术研究[刊,中]／郭迎福／／湖南科技大学学报(自然科学版)．- 2006．21(3)．-31-34(C)利用激光扫描系统采集的点云数据具有在某一维上不变的特点,提出了基于NUBRS重构曲面的方法。在原始点云数据预处理上,采用删除非曲面上的点云数据、拼接、排序和点云数据切片等方法,利用最小二乘非均匀B样条法对切片点云数据进行光滑和必要的数据插补,并经二次采样后得到重构曲面的数据。以鼠标表面的重构过程说明了该方法的有效性和实用性。参7     

自主移动机器人微型激光雷达点云数据滤波研究

由于自主移动机器人微型激光雷达点云数据采集过程存在多种外界因素的干扰，导致采集到的点云数据中含有大量噪声，为此设计提出自主移动机器人微型激光雷达点云数据滤波方法。采集自主移动机器人微型激光雷达采集点云数据，利用噪声分离算法和改进的三维中值修复对点云数据进行优化。根据精简移动最小二乘法构建微型激光雷达点云数据滤波模型，将经过优化的点云数据输入该模型中，实现微型激光雷达点云数据滤波。实验结果表明，所提方法的点云数据滤波误差低，实际应用效果更好。     

基于加权总体最小二乘法的点云平面拟合

为了提高点云数据平面拟合精度,提出强度加权总体最小二乘法。该方法是在传统加权总体最小二乘法基础上,利用点云数据中各点强度信息确定其平面拟合权重,通过均质性不同的3种平面样本数据对该方法的适用性进行了研究。结果表明,与最小二乘法和总体最小二乘方法相比,该方法对于均质性较好的点云数据有效,可以得到更高精度的参量解;而对于均质性较差的点云数据,该方法效果不理想,总体最小二乘法是最有效方法。     

融合强阈值三角网与总体最小二乘曲面拟合滤波

机载LiDAR点云数据滤波是LiDAR数据后处理过程中的关键步骤。在分析三角网滤波与曲面拟合滤波特点的基础上,提出了一种由粗到精的处理思想用于LiDAR点云数据滤波。该方法通过强阈值三角网算法进行II类误差优先的粗分类,获取可靠性较高的初始地面点,以粗分类结果作为先验信息进行种子点选取,引入总体最小二乘算法完成曲面拟合,设置自适应阈值实现不同区域灵活处理,最终得到较为精细的地面模型。使用ISPRS测区数据及Niagara数据进行实验,与经典滤波算法及传统曲面拟合方法进行对比,实验结果证明,该方法较传统算法能够得到更加可靠的滤波结果,对各种地形的适应性较强,具备较高的实用价值。     

NURBS曲面重构与点云-曲面误差分析

通过对某汽车零件进行光栅扫描、解相和去包裹处理,获取物体三维点云数据,对点云数据进行降噪、精简和网格化处理。然后根据点云曲率分布云图将点云数据分割成11块区域,首先对A区域点云数据进行曲面拟合,生成4×4阶均匀曲面,然后对其余分块点云数据分别进行曲面拟合,最后通过曲面延伸、拼接、倒角、修剪等处理,获取物体NURBS自由曲面,总体点云-曲面误差为0.2645 mm,并且曲面间符合G1相切连续和法向曲率连续,解决了在曲率较大的地方拟合误差较大的问题,提高了曲面的重构精度。