一种面向复杂环境的自适应激光里程计设计

针对在复杂环境下使用传统三维点云配准算法构建的激光里程计精度低且建图易发生漂移的问题，本文设计了一种面向复杂环境的自适应激光里程计。首先通过三维激光雷达采集原始点云数据，经过点云预处理环节后，采用地面分割方法完成点云数据分割并获取路面点云丰富度信息；然后，使用NDT算法将前后两帧点云数据极大限度的进行拉近，实现点云数据的粗配准；最后，在环境判断结论指引下选择合适的ICP算法完成三维点云的高精度配准并根据输出的点云变换关系构建激光里程计。通过在数据集以及不同环境下的大量实车测试，得出该激光里程计在室内结构化环境中的平均位移误差为0026 m，在室外非结构化环境中的平均位移误差为01 m。结果表明，本文构建的激光里程计能够更好的适应复杂环境从而得到更加精确的三维点云地图与SLAM轨迹。     

基于椭球拟合的点云旋转不变网络

点云携带丰富的几何信息,在计算机视觉领域具有独特优势。 现有基于深度学习的三维模型分类与分割方法能有效识 别固定视角下的物体,但在实际应用中,物体方向未知,使得点云描述存在旋转变换问题,极大影响网络的识别精度。 针对点云 的旋转性问题,提出一种轻量级的基于椭球拟合的旋转不变网络( point cloud rotation invariant network based on ellipsoid fitting, EFRI-N)。 设计前置网络模块提取点云的旋转不变特征,包括椭球拟合和特征编码两个部分。 通过椭球拟合算法标识原始点 云的方向得到旋转不变坐标系,再将原始特征映射到该坐标系中,利用空间信息和角度信息进行编码得到点云的旋转不变特 征;为了获取更丰富的几何信息,在分类分割网络中加入多层级的特征连接增强特征传播及复用,提高模型表征能力。 采用国 际知名公共数据集 ModelNet40 和 ShapeNet Parts 进行分类、分割实验,结果表明,该方法在处理旋转点云的任务中优于主流算 法,网络识别精度提升了 1% ~ 62. 63%不等,并且网络的计算量和参数量都有着数量级的优势。 满足单目标场景下对点云旋转 不变性的使用要求,具有良好的应用价值。     

基于麻雀搜索优化的背景分割算法的板簧尺寸检测方法

针对复杂背景下汽车板簧轮廓特征点难以提取的问题，提出改进麻雀搜索优化的K means背景分割算法并辅以投射线激光提取待测特征点。首先，通过遍历全局像素，根据梯度阈值确定最优方向，减小向最优方向移动的步长数值，以此改进麻雀搜索优化算法，克服算法全局搜索能力弱、容易陷入局部最优的问题；其次，将麻雀搜索的感兴趣像素点作为K means算法的初始中心点，把具有相似特征的像素点聚为一类，使板簧从复杂的背景环境中分割出来，获取板簧的外形轮廓；最后，向板簧表面投射线激光辅助标记，相交于板簧轮廓，提取待测特征点。结果表明，提出的基于背景分割的汽车板簧尺寸检测方法可以提取待测特征点，且精度可达025 mm，形成在线测量数据，有利于改进生产工艺。     

基于点云强度和地面约束的大范围激光SLAM

在无人车领域,点云强度和地面约束对大范围环境下的建图和定位起着非常重要的作用。然而,现有的激光SLAM算法在构建地图时只考虑几何特征,而忽视点云强度信息和地面约束,导致建图细节模糊、在Z轴方向上易存在漂移,从而降低了SLAM系统的精度。为此,本文提出了一种基于点云强度和地面约束的激光SLAM优化算法。基于地面测量模型,提出构建局部条件性地面约束,不仅提高地面点提取的准确性,而且减少Z轴方向的漂移;引入点云强度信息来改善非地面点聚类的可靠性,进一步提高建图精度和定位稳定性。提出基于局部平滑度的特征提取方法,通过引入强度因子并对强度特征进行排序,优先选择具有一致强度信息的特征,增强特征提取的鲁棒性。引入球形强度图来构建强度残差,与几何残差共同优化估计位姿,有效解决里程计中地图细节处的模糊问题;基于特征投影的匹配距离以及强度差异被用来去除动态点云的干扰,进一步提高SLAM系统的鲁棒性。在公开数据集KITTI和真实场景下的实验表明,引入地面约束和点云强度信息后,本文提出的算法具有更高的建图和定位精度,相对优于传统LIO-SAM的LVI-SAM算法,本文算法的精度提升了54.5%,为无人车在大范围环境中的SLAM任务提供了可靠解决方案。     

基于固态激光雷达的道路边沿与障碍物检测

为了有效获取前方道路信息,应用于低成本的固态激光雷达,提出一种道路边沿与障碍物检测方法。首先对原始点云数据进行地面滤波处理,提取地面与非地面点云数据;根据地面点云数据中路沿高度突变的特征,提出了一种动态滑动窗口的方法提取路沿特征点,后使用随机抽样一致算法(random sample consensus, RANSAC)进行路沿直线拟合;将路沿内障碍物点云作为感兴趣区域(region of interest, ROI),在z轴方向上对障碍物点云数据进行安全高度为H直通滤波处理,最后使用欧氏聚类算法完成了对路沿内障碍物的检测。通过在校园内实际采集数据与处理实验,验证了该方法的可行性。     

基于几何仿射与注意力的三维激光点云分类

三维点云分类和分割对于三维重建和自动驾驶等技术的发展具有积极的推动作用。三维点云数据具有无序、不规则和稀疏等特点，因此三维点云分类和分割的研究面临诸多挑战。PCT分类网络采用标量注意力机制提取三维点云局部特征，具有良好的三维点云特征学习能力，在三维点云分类和分割任务中表现出先进的分类精度。然而PCT在对三维点云数据进行下采样时忽视了其稀疏性对几何结构所产生的影响，从而无法充分地提取局部特征致使三维点云分类和分割精度下降。针对该问题，本文提出一种基于注意力机制的三维点云分类分割网络GAM-PCT，具体地，GAM-PCT网络采用了向量注意力机制对单通道特征的权重进行调节，利用减法关系和邻域位置编码对三维点云邻域求取注意力特征，同时在对整体点云下采样时插入即插即用的几何形状仿射（GAM）模块来解决三维点云局部区域的稀疏性问题，进而提升网络的分类准确率。实验结果表明，与PCT三维点云分类和分割网络相比，所提出GAM-PCT网络在数据集ModelNet40上的分类精度提升了0.3%，而在ScanObjectNN数据集上的分类精度提升了1.9%，在ShapeNet数据集上的分割平均交并比值提升了0.2%。同时在网络参数量和FLOPs指标上分别降低了0.31 G和0.69 M。实验结果表明改进后网络的复杂度得到了简化，充分验证了改进方法的有效性。     

基于改进PointNet++的电力线场景语义分割

从机载激光雷达点云数据中自动准确地提取电力线和杆塔是常规电力线检测的关键步骤,针对目前基于无人机的电力线点云场景中输电线提取精度不高,难以满足无人机自主精细化巡检需求的问题,本文提出了一种新的基于深度学习的电力线点云语义分割方法。本文提出一种改进PointNet++网络架构,完成了对导线、地线、地面和杆塔塔身的分割。首先在输入电力线点云数据的基础上,对经典PointNet++模型参数进行调整,使该模型在特征提取数量、感受野方面更适用大场景输电线现场。然后,对set abstraction (SA)模块进行改进,增强模型对点云数据的特征提取能力。针对该模块主要做了两点改进,一是在每个SA模块中增加残差连接,二是在SA模块中增加了倒置瓶颈设计。基于自建的电力巡检数据集进行测试,结果表明,本文提出的方法在电力线点云语义分割任务上取得了比较好的性能。对比原网络,改进的网络在平均准确率上提升了5.1%,在平均交并比上提升了7.2%。     

线结构光点云粗拼接方法研究

针对点云拼接需借助点云信息几何特征的问题,基于结构光测量系统模型,提出一种通过提取图像站位信息的方法,解算两图像站位下点云信息的相对位置关系来完成点云的粗拼接。首先,介绍了结构光测量系统的模型,并采用平面靶标的方法对测量系统中的摄像机与激光器的光平面进行精确标定;然后,对光条信息的提取和无约束点云拼接算法进行了研究,通过对二维图像特征点的处理计算出测量系统不同站位下的坐标变换关系;实验结果表明,该方法可对物体表面信息进行有效测量,可将误差降至6.052 mm。为点云精拼接技术提供了支持,并为点云拼接技术在逆向工程检测、三维形貌恢复及目标识别等方面的应用提供了理论依据。     

基于凹点搜索的重叠粉体颗粒的自动分离算法

提出了一种利用凹点搜索和匹配并构造分离线分割重叠的不规则颗粒的方法,实现了不同重叠程度、多个重叠颗粒的自动分割。首先利用计算曲率及切线夹角的方法选取待匹配凹点;而后根据凹点和颗粒个数的对应关系确定了颗粒重叠的不同类型,提出了不同的凹点匹配规则;最后用Bresenham画线连接匹配凹点分离颗粒。该算法在MATLAB环境下实现,通过对多幅不同重叠类型的颗粒图像进行的分离实验表明,该算法实现简单,速度快,效果理想,且在分离颗粒的同时能保持其大小和形状不变。     

一种基于SIFT的图像特征匹配方法

为解决查询点落于分割超面以及匹配图像光照变化较大时,传统SIFT(尺度不变特征变换)算法的检测性能将会降低的问题,提出了一种改进的SIFT算法。该算法引入了灰度均匀化技术与冗余分割树。灰度均匀化技术将原图像的灰度直方图映射到更宽更均匀的直方图上,降低了光照变化的影响。冗余分割树在分割数据进行匹配时采用了2个分割超面进行数据分割,消除了查询点落于分割超面带来的影响。实验结果表明,在各种不同场景的测试下,改进的SIFT算法均提高了图像的匹配精度,性能优于传统SIFT算法。     

基于 2D 预处理的点云分割和测量研究

针对传统 3D 工业相机获取的点云数据进行工件检测时因工件粘连和噪声干扰导致边缘分割问题,考虑点云数据量大 影响检测实时性和 3D 特征点选取不准确导致测量误差大的因素,提出一种基于 2D 边缘检测的预处理方法,实现点云快速分 割和测量。 首先,采用改进的 Canny 算法对有序点云的纹理图像进行边缘检测,将检测后的图像进行数学形态学操作和轮廓检 测完成纹理图像分割,规避了在 3D 空间中进行分割处理,有效减少了点云数量;其次,结合工件的形状特征和放置方式,利用 掩膜操作提取出有序点云数据,使用基于 RANSAC 和条件滤波结合的方法对分割后的点云进行自适应阈值滤波处理,有效去 除了噪声点云;最后,对经过预处理后的目标点云基于 PCA 的包围盒去计算工件尺寸以及表面法向量。 实验结果表面,和传统 的 3D 分割算法相比,能够更准确的提取出目标点云,有效减少了待处理点云数量,整体分割效率提高了约 20%;工件尺寸的平 均相对误差约 1. 24%,可以满足测量的需求。     

基于RANSAC分割的点云数据K-近邻去噪算法研究

针对基于TOF深度相机的空间目标表面重建的点云源数据容易受到仪器本身、扫描环境、外界干扰等影响,而含有大量的无效点和噪声点,增加了计算负担且影响了重建质量等问题,提出了一种基于随机采样一致性背景分割的点云K 近邻去噪方法,以消除目标数据的异常值和无效点。首先,改进RANSAC算法,通过设置不同的阙值对原始点云进行背景分割,以确保准确提取待重建目标的主要特征。然后,通过K 近邻点云平均算法和双边滤波算法移除离群点,最后使用体素化网格方法实现点云大数据的下采样,简化了目标点云,保留了局部特征,加快了曲面重建速度。实验结果表明,该算法能够有效的剔除噪声点,准确率高,实时性好,满足应用的要求。     

三维点云分割的交联聚乙烯电缆接头参数测量

针对现有参数测量方法难以对交联聚乙烯电缆接头各参数进行有效测量的问题,提出了一种基于三维点云分割的电 缆接头参数测量方法。 该方法先用半径滤波及随机采样一致性(random sample consensus, RANSAC)算法对复合式三维扫描仪 获取的电缆接头点云进行噪声点去除及坐标摆正预处理。 其次,使用 RANSAC 算法对电缆接头点云进行圆拟合,并根据区域 交界处相邻拟合圆半径方差之比的突变特性实现粗分割,得到多个包含区域交界点的局部点云。 然后,使用主成分分析法对局 部点云进行法向量估计,并根据小片点云轴线夹角在区域交界点处的跳变特性及自适应阈值算法,得出各条状点云上的区域交 界值。 接着,对多个条状点云所得同一区域交界值进行统计分析实现电缆接头点云的精分割,完成参数测量。 对多根电缆接头 进行的测量实验结果表明,所提方法的绝对误差小于 1. 0 mm,相对误差小于 4%,说明了该方法用于交联聚乙烯电缆接头参数 测量的有效性与准确性。     

面向结构件几何特征保留的点云精简方法

汽车结构件表面几何特征测量时,传统的点云精简方法在高精简率时会对点云中的几何特征进行破坏,降低几何特征 的完整性和尺寸精度,针对此问题,提出一种面向几何特征保留的点云精简方法。 首先,基于空间区域分割思想进行点云的 Kmeans 聚类划分,并构建几何特征描述子,通过计算簇内信息熵提取特征区域点云。 其次,对特征区域点云进行基于 FCM( fuzzy C-means)& K-means 的迭代聚类精简,对于非特征区域点云进行八叉树精简。 最后,对不同区域精简后的点云进行拼接,实现 精简的目的。 结果表明,本文方法能较完整地保留模型表面的几何特征,避免孔洞的出现,且在 94. 30%精简率下,精简点云与 原始点云的最大误差为 0. 912 mm,均方根误差为 0. 041 mm,相较于传统的方法精度更高。     

泊车中小型障碍物检测技术研究

障碍物检测技术作为自动驾驶辅助系统的重要部分,障碍物种类繁多难以面面俱到。 因此提出一种基于全景环视系统 的在汽车泊车时检测小型障碍物的方法。 首先利用透视变换及图像拼接技术将 4 个方向的实时画面映射到全景环视图;并提 出了一种对地面特征点的检测模型,可准确地以车位线直角交点作为特征点提取并匹配出来;分别在两帧中得到地面特征点 后,通过 SVD 分解法计算自车运动估计并得到前一帧的模拟当前帧,消除了动态背景;最后提出了一种基于颜色分割的检测高 于地面区域的方法,由此判定是否属于障碍物部分。 为验证该算法可行性,在停车场中放置各种小型障碍物进行试验,3 段视 频序列中共计 864 个障碍物,平均召回率为 94. 7%,平均误识率为 7. 3%。 试验结果表明,该算法可有效检测停车场中的小型障 碍物,并具备一定的准确性与健壮性。     

基于 3D 视觉的风电塔筒焊缝检测系统设计

为满足风电机组塔筒行业对焊缝外观质量缺陷检测高效性、精确性的需求,采用3D机器视觉技术研制了基于风电塔筒焊缝外观质量缺陷检测系统。首先,通过点云滤波、点云分割、点云精简对采集的点云数据进行预处理,确保后期缺陷评判的准确性;其次,对三维数据进行轮廓切片化处理以及断点拟合处理,得到轮廓特性;再次,采用递归粗提取改进算法提取特征点,进行缺陷评判,获得焊缝外观缺陷检测结果;最后,根据系统焊缝缺陷评判流程及标准,选取典型的焊缝样板进行焊缝宽度、焊缝错边以及焊缝直线度测试,焊缝检测精度可达0.001 mm,速度为当前人工检测速度的3倍,检测结果表明,系统具备高准确性、高速度和高精度特性,能代替人工检测,具有良好的应用前景。