一种点云数据获取的编码结构光方法研究

介绍了采用De Bruiin序列对结构光进行编码,基于全局优化思想对条纹边界进行最优邻域匹配,利用增加约束的动态编程遍历最优匹配路径网格得到最优匹配路径;对畸变条纹图像进行颜色校正,提高了边界检测的准确率.该编码策略解码简单,匹配算法能取得较好效果,得到的点云数据精度能够达到三维表面重建的要求.     

基于边界信息的结构光编解码方法

针对传统结构光编解码算法在处理有遮挡、阴影的光栅条纹时会导致错误的解码,且得到的不同编码值条纹会出现重叠现象的问题,通过采用改进的Canny算子提取黑白条纹之间的边界,提出一种基于边界信息的结构光精确编解码算法.根据结构光条纹图像的特点对Canny算子进行改进,使其适用于条纹边界精确提取.在结构光编解码方法中,首先建立描述结构光图像序列条纹边界的编解码二叉树,然后设计边界定位和解码算法来求解未知边界的编码值,再构造边界匹配算法来消除不同编码值条纹部分重叠的问题,最后实现对由于遮挡、阴影引起的断开边界的解码.实验结果表明,该算法对条纹进行解码的精度更高、误判率更低,并且对形状复杂的物体的条纹图像具有较好的抗干扰性.     

基于条纹边界编码光系统的三维分层重构技术

给出了一种基于条纹编码光的三维分层重建技术;为了提高结构编码光的抗干扰性,采用一种基于时空多帧编码的投射条纹图像,通过整合分析多帧图像不同条纹间的跳变关系得到被测物象的光栅条纹编码从而有效提高结构光的抗干扰性;采用一种新的基于组合数学的编码算法以利于条纹编码自动化;在既有文献基础上,提出新的基于条纹边界编码光的三维分层重构数学模型。实验结果证明,在3D重建方面,该技术具有较强的鲁棒性。     

基于TMS320DM642的三维物体表面测量系统

提出一种基于DM642的嵌入式三维物体表面测量系统.该系统应用结构光原理,使用DSP/BIOS嵌入式系统生成相应的编码条纹,控制并实现编码条纹的投影、采集图像以及相位解调和点云数据的计算.实验证明,基于DM642的嵌入式三维物体表面测量系统能很好的实现三维信息的采集及测量任务.     

基于结构光和极线约束的三维重建

结构光可以简单、快速并且精确地对被测物体进行三维信息提取,从而得到三维数据点云.而在结构光三维信息获取系统中,条纹的准确检测是影响系统精度的关键因素之一.为了改善这一问题,先利用格雷码对图像条纹进行粗定位,再结合相位码准确地对图像务纹进行细定位并利用极线约束把图像匹配过程中的二维搜索降为一维搜索.结构光条纹和极线的交点就是图像的匹配点,对匹配点空间前方交会即可得到物体的三维点云.反复试验表明,该方法能取得较好的效果.     

二进制编码八叉树的海量点云邻域快速搜索算法

海量点云的邻域搜索是点云数据处理的关键技术,是对点云进行进一步处理的基础.针对海量点云数据邻域搜索效率较低的问题,提出了一种基于二进制编码八叉树的快速搜索算法.首先构建八叉树,利用一种二进制编码方式对八叉树的各个节点进行编码,即对空间3个维度分别进行编码;其次对邻域点进行查找过程,根据搜索半径直接确定需要搜索的高度;最后在确定的节点高度下,根据编码的特点直接计算所需要查询的邻域节点.实验结果表明,该算法准确性高、速度快,能够实现海量点云数据的快速邻域搜索.     

基于八叉树编码的点云数据精简方法

针对逆向工程中的点云数据预处理,分析了现有数据精简方法的不足,提出了基于八叉树编码的均匀精简方法。应用八叉树编码法划分点云邻域空间为多个指定边长的子立方体,保留每个子立方体中距中心点最近的点,实现从空间整体角度对点云的精简。对涡轮叶片测量数据进行了精简测试,证明了该算法的有效性和实用性。     

基于彩色结构光的自动编码算法

针对光栅投影三维轮廓测量中被测对象所含特性越来越复杂,提取到的细化光栅条纹存在大量断裂,导致细化条纹编码困难的问题,提出了一种基于彩色结构光的自动编码算法。设计了一种新的彩色结构光模型并且给出了其设计原理,实现了一种新的条纹自动编码算法。该算法从投影的彩色结构光栅中提取到带有颜色信息的细化光栅条纹,通过判断条纹最佳相邻的连通区域依次对其每种颜色的细化条纹进行编码,最后利用光栅模型的周期性进行组合编码得到完整图像的条纹编码。仿真实验结果表明：该彩色结构光模型设计简单,条纹自动编码算法的准确率较高,其误差能够降低将近10%,利用得到的条纹编码数据能够重建出较理想的三维点云数据模型。     

双目立体视觉和编码结构光相结合的三维重建方法

提出了一种双目立体视觉和编码结构光相结合的三维重建方法。为了降低单纯双目立体视觉方法中稠密对应点匹配问题的复杂度,同时回避单纯编码结构光法中的投影仪标定难题,该方法将编码结构光条纹带来的空间约束引入双目立体视觉方法中。实验实现了物体表面的重建,且算法复杂度和实现难度较低。     

基于三维激光雷达的道路边界提取和障碍物检测算法

为了快速有效地提取智能车辆在不同环境下的道路环境信息,提出基于三维激光雷达的道路边界提取和障碍物检测算法.首先,对三维激光雷达点云数据进行栅格化滤波处理,利用单束激光点云空间邻域联合分割的方法进行空间分析,得到点云平滑度特征图像.然后,采用自适应方向搜索算法获取道路边界候选点,并进行聚类分析和曲线拟合.最后,对道路边界约束下可通行区域内点云进行聚类分割,获得道路内障碍物方位和距离信息.实验表明,文中算法能够实时准确地提取道路边界和障碍物位置信息,满足智能车环境建模和路径规划的需求.