基于球形网格划分的二值化点云特征描述子

针对现有大部分三维特征描述子应用于低成本传感器获取的低质量点云数据时,在抗噪性、时间效率和内存占用等方面存在的问题,提出了一种局部参考坐标系构建方法。本文利用该局部参考坐标系设计了一种基于球形网格划分的二值化特征描述子。所提的局部参考坐标系基于消除二义性的法线确定Z轴,将特征点球邻域重心与特征点构建的向量在法平面上的投影作为X轴。Z轴的可重复性和球邻域重心的唯一性,使得所提局部参考坐标系对高斯噪声和点密度变化具有极强的鲁棒性,所提局部参考坐标系具有极佳的泛化性和时间效率。二值化特征描述子无论是对高质量模拟数据,还是对低质量实测点云都具有较好的描述性,对各数据集均能获得次优的性能。二值化特征描述子具有极高的时间效率,且仅占用616 bit的存储空间,极小的时间和内存开销使其更适用于需要实时响应的应用场景。     

基于改进SSD神经网络和点云配准算法的变电站三维模型快速建立方法

为提高变电站三维建模的效率,提出了一种改进SSD(single shot detection)目标检测算法和ICP(iterative closest point)点云配准算法结合的变电站三维模型快速建立方法。该方法针对变电设备点云训练样本数量不足造成的设备识别准确率低这一问题,将三维模型快速建模转换为设备类型、型号识别和点云导入。首先利用改进SSD目标检测算法对变电设备类型进行初步识别,然后运用ICP配准算法对变电设备进行型号识别,2种方法的结合实现了变电设备点云的准确识别,最后根据配准得到的设备在变电站点云场景中的实际位姿,将模型库中配准的标准模型导入变电站三维点云场景,极大地提高了变电站三维模型的建模效率。该方法已在某变电站三维建模中得到应用,结果表明,不同变电设备型号识别准确率较高,设备建模平均时间为32 s,效率远远高于人工建模。     

一种快速车牌识别系统

本文提出了一种基于模板匹配的快速车牌识别方法。该方法运用了数学形态学知识进行车牌的定位,然后采用基于模板匹配的相关函数做相似度测试,完成字符识别。经大量实验证明该方法能有效地完成不同解析度和不同模糊程度的车牌识别工作,而且识别精度高、速度快,能满足实际系统的要求。     

基于三维点云数据的人体躯干特征点的识别方法

人体特征点的识别是三维人体建模的基础,在简介人体特征点和特征部位相关基本知识的基础上,介绍采用极值法、曲率辨别法和建模法进行特征部位识别的思路和过程,根据每种方法的特点,确定人体不同特征部位识别更适宜的方法.     

一种基于匹配强度的特征点匹配消除歧义算法

双视图的特征点匹配过程中,用相关法进行初始匹配以后匹配集合中会出现很多有歧义的匹配点,其中含有大量的误匹配点,这样的匹配点对集合不利于对基本矩阵进行有效估计.提出一种消除匹配歧义的算法,求一个称为匹配支持强度的函数值,这个函数描述的是一个匹配点对被附近其他匹配点对支持的程度,然后用某种策略,将匹配支持强度最高的匹配点对提取出来放入一个集合,以达到消除匹配歧义的目的.实验结果证明该算法能较好的达到消除匹配歧义的目的,消除歧义以后得到的匹配点正确率很高.     

基于真实三维人体点云的特征参数提取

针对真实三维人体点云数据,提出一种快速提取人体特征参数的方法。首先对点云数据进行预处理,并将人体中心点转化为坐标原点,然后利用人体几何形状以及特征参数的定义,通过分层探索法来定位人体特征点,最后利用人体特征点得到相应的特征截面信息,使用边缘识别法提取特征轮廓边界点,对于不同人体体型,基于人体几何形状分析法自动识别正常和肥胖人体体型,有效地计算不同体型的真实特征参数信息。数值实验说明了该方法的有效性。     

基于无人机影像匹配点云的土石方量计算

针对传统土石方量测量中存在受地形限制、耗时费力、成本高等问题,提出一种基于无人机影像匹配点云的土石方量计算方法。使用单镜头多旋翼无人机获取玉林市某矿山区域范围内正射影像与倾斜影像,借助Pix4Dmapper软件对无人机影像进行处理与分析,提取矿山地表三维点云数据;利用布料模拟点云滤波算法对所获取的点云数据进行滤波处理,进而分离非地面点与地面点;同时利用局部多项式插值算法对地面点云缺失区域进行插值拟合,生成更加准确的地形特征;利用EPS软件对点云成果进行分析,计算矿山现状开采范围内的土石方量值。结果表明：基于无人机影像匹配点云的土方量计算所得结果与GNSS-RTK实测结果差值比为1.9%,计算方法具有可行性与可靠性,可作为土石方量计算新方法。     

抗模糊的图像局部特征描述子

针对提取图像局部特征时,尺度不变特征变换描述子对光照条件变化仅有部分不变性,特别对非线性光照变化不具备不变性,对模糊的目标图像也无法准确提取或仅能提取到很少特征点的问题,利用局部二值模式描述子对光照的健壮性提出了一种符合人类视觉系统的自底向上再到自顶向下的视觉认知过程的新的抗模糊的图像局部特征描述子。实验表明,所提出的描述子对光照变化有更好的健壮性,对模糊的目标图像能准确地提取出更多的特征点,保留了尺度不变特征变换对缩放、旋转和压缩等变换的不变性,并显著地提高了针对模糊图像的匹配率。     

散乱点云边界特征快速提取算法

摘要：提出一种散乱点云边界特征的快速提取算法,该算法采用R*-tree建立散乱点云空间索引结构,基于该结构快速准确获取局部型面参考点集,建立该点集的基准平面,计算点集内各点到基准平面的距离并将该距离与目标点到基准平面的距离进行比较,识别点云边界特征.实例证明该算法可快速、准确地提取散乱点云的边界特征.     

一种基于模板匹配的人民币纸币面额识别方法

从图像处理的角度论述了人民币纸币的识别方法.针对人民币纸币面额种类少的特点，提出了采用模板匹配的方法.传统的二维模板匹配虽然实现简单，但计算量十分庞大，花费时间太长，针对此情况采用了当今发展比较成熟的一维灰度投影的模板匹配算法.该算法通过图像灰度投影变换，形成一维图像，并用一维图像进行快速匹配.试验结果表明，后者在保证了匹配准确率略高的前提下，识别速度明显高于前者，从而提高了设备的识别速度，使之更具有了实用性.     

三维散乱点云分割技术综述

综述了三维散乱点云分割技术的有关概念、分类方法及研究现状,总结了这些分割方法的基本思想并加以分析比较,评述了点云分割技术的发展动态,并对未来的研究方向作了展望。     

基于目标工件点云的位姿估计方法研究

阐述了点云特征描述方法以及点云配准的粗配准和精配准方法,提出了一种结合SAC-IA与Trimmed ICP的点云配准方法。分别采用6个不同摆放位姿下的长方体目标工件点云和11个不同摆放位姿下的内六角螺丝目标工件点云进行位姿估计实验。实验结果表明,该点云配准方法与SAC-IA粗配准和优化后的传统ICP精配准相比,在配准精度和配准时间上均有所改善。该点云配准方案可以更快、更有效地计算目标工件的位姿信息,在定性和定量分析的基础上,通过实验验证了该方案的可行性。     

一种改进的LiDAR点云滤波方法

针对移动机器人激光雷达点云数据滤波过程中存在对噪声敏感和准确性差等问题,提出一种加权的高斯滤波方法.该方法使用高斯滤波与角度余弦作为加权值对雷达点云数据进行滤波处理,减小了激光雷达扫描到的物体轮廓波动.最后将该方法应用到实际的机器人操作系统的移动机器人底盘中,实验结果表明,相比传统的高斯滤波方法,该方法能更好地解决雷达...     

基于KFCM的三维点云精简算法

毫米波雷达、TOF相机等扫描设备捕获的点云包含大量的冗余信息与噪声点,降低了点云配准的精度与处理效率．针对上述问题,提出基于KFCM的三维点云精简方法,将原始扫描点云以核函数映射至特征空间,同时更新聚类中心及隶属度矩阵,利用加权误差平方和建立目标函数且以其收敛为算法终止标准,最终将聚类中心作为精简结果输出．实验结果表明,可在良好保持点云基本特征的前提下降低源点云分辨率以达到精简效果,且可通过调节参数控制输出点云的疏密程度,在与配准任务的适应性实验中可满足ICP等配准算法的需求．     

基于位置自适应的三维点云处理模型

在点云处理领域中深度学习是一种主流的方法,但是现有方法对三维点云的局部结构信息利用不够充分,对局部形状感知较差。为此,提出了一种基于改进PoinetNet的三维点云处理模型,本模型将位置自适应卷积引入到PointNet中。位置自适应卷积采用动态的方式组合权重库中的权重矩阵来构造核函数,其中权重矩阵的系数是通过位置相对系数网络从点与点相对位置自适应学习得到的。通过此方式构建的核函数,可以更好地解决点云数据的不规则性和无序性问题。位置自适应网络在三维物体分类实验上分类准确率相较于PointNet提升3.60%,在三维物体零件分割实验上平均交并比相较于PointNet提升2.20%,在三维场景语义分割实验上平均交并比相较于PointNet提升9.14%。     

一种基于分布式并行模型的海量机载LiDAR点云数据快速滤波方法

机载LiDAR点云数据是遥感大数据的重要组成部分,基于单机的处理算法已经无法满足海量点云数据处理的要求.首先,针对现有单机多级移动曲面拟合滤波算法存在粗差和拟合曲面精度不高的问题,提出适合海量机载LiDAR点云数据滤波的多级多窗口移动曲面拟合滤波算法(WHMCFA);其次,设计并实现基于MapReduce的PWHMCF...     

基于点云数据的三维人体头部分割技术研究

三维人体分割技术是数字化服装、数字化人体测量、计算机动画等应用中最关键的技术,但当前存在着分割不是很精确的缺点。针对头部分割不精确的缺点,对基于点云数据的三维人体头部分割技术进行了研究,提出以最大距离法和近似凸包边法定位分割特征点和分割切面,并引入分割切面倾斜角实施头部分割。实验结果表明：提出的分割方法提高了头部分割的实时性和精确性。     

一种新的点云数据特征骨架提取方法

为解决点云数据的线骨架提取问题,为点云数据的后续几何处理的奠定基础,提出了一种新的点云数据骨架提取方法.通过对点云数据的空间层次剖分后建立其简化模型,可有效地避免噪声点对骨架的干扰;根据离散Morse理论,从简化模型中提取主要的特征点,用测地线连接这些主要特征点可得到模型的初步骨架.采用可见反力场方法将初步骨架内推至模型内部,对内推后的骨架光顺及聚类后形成最终骨架.该方法能够直接处理带噪声数据的大规模点云数据,所形成的骨架连续.     

改进的迭代最近点快速点云拼接算法

针对迭代最近点算法未涉及点云彩色信息且匹配速率较低的问题,提出一种改进的迭代最近点云快速拼接算法。基于NCAM光学追踪彩色与深度信息,将色彩特征点与随机采样相结合,构建彩色点云模型,进行特征点采样;采用伞曲率体积积分不变量算法对特征点进行描述,构建带色彩约束的目标函数,并通过四元数法和特征值分解法求解最优值,实现点云数据的有效拼接。实验结果表明,改进的点云数据拼接算法可以有效地提高拼接效率及拼接精度,从而提高拼接质量。