基于点云数据的复杂型面数字化检测技术研究

针对设计制造流程中复杂型面检测难的问题,建立了由数据获取、点云与计算机辅助设计模型匹配及偏差分析组成的数字化测量系统。采用格雷码加相移技术的三维非接触式光学测量技术,获取了待测零件的表面数据。为满足光学三角法要求,在测量机构中采用了定制光栅,提出了具有小扰动的改进最邻近点迭代算法进行点云与计算机辅助设计模型的准确匹配。在偏差分析中采用多分辨率层次分析法对测量点云与计算机辅助设计模型进行比较,为设计人员及时提供了精度分析数据,使设计制造检测成为一个反馈系统。以某型号轿车车灯配光镜为例,验证了该系统的可行性。     

基于点云数据的砼地面平整度可视化方法研究

砼地面平整度是地面施工的主要指标之一,精准测量砼地面平整度可提高施工效率。结合三维激光扫描技术与WebGL技术,提出基于点云数据的砼地面平整度可视化方法。利用三维激光扫描仪获取砼地面平整度的点云数据,预处理后经迭代最近点法（ICP）对点云数据精确配准;用随机抽样一致算法（RanSac）拟合出标准面模型,通过局部凸连接（LCCP）方法判别点云数据的凹凸性;最后,结合WebGL技术实现平整度信息的Web端可视化。实验表明：该方法在Web端展现地面的平整度信息,为调整砼地面平整度提供依据。     

基于点云数据的工件坐标系拟合算法

三维激光扫描技术已广泛应用于工件形位检测领域,为获取和分析相应几何参数,工件坐标系的拟合与转换算法较为关键。依附有限制条件的间接平差模型,提出了一种基于三正交平面的坐标系拟合算法。考虑到线性变换的保角性,通过对点云数据的标准化处理,确保了该算法处理大数据量点云的稳定性。以某零部件检测为算例,验证分析了该算法的可靠性和准确性。     

基于空间点云数据的异质材料零件数字化模型

针对含有多种材料,且材料相呈非均质分布或异常分布的异质材料零件,提出一种基于空间点云数据的异质材料零件数字化模型.异质材料零件的数字化定义是实现异质材料零件设计、分析和制造数据集成的基础,它包括几何建模和材料结构建模.采用细化STL模型获得空间点云数据集来表示异质材料零件的几何模型;通过映射函数把几何空间的关系映射到材料空间中,对三维零件中的特征节点(包括材料特征节点和结构特征节点)的不同材料组分进行定义,用插值的方法获得其他非特征节点的材料属性,从而实现对异质材料零件内任意点的结构与材料信息表达.通过实例测试了本建模方法的有效性和实用性.     

基于深度学习的零件点云分割算法研究

针对目前基于PointNet++的深度学习点云分割框架,对零件点云进行几何面级的分割精度不高的问题,对现有分割框架的采样算法、特征提取、特征传递进行了研究。运用了基于曲率的最远点采样算法,在零件面与面交界处获得了更多的采样点;结合了PointSIFT和PointCNN分割框架,采用了X变换矩阵,让点云特征具有空间转换不变性,SIFT组合选择了不同方向的近邻点进行组合;设计了SIFT-X卷积算子,能让网络编码不同方向的点云特征,提升了网络的表征能力从而提高分割精度。研究结果表明:上述方法能提高零件点云面要素分割的精度和mIoU值。     

基于高空激光雷达扫描系统的稀疏点云分割

针对高空激光雷达扫描系统的性能和复杂大尺度路面稀疏点云数据的分布特征,提出一种基于高空激光雷达扫描系统的稀疏点云分割方法。采用基于点云分块的区域生长算法,在坡路等复杂地面情况下点云数据出现曲面时可以快速准确地分割地面;采用基于密度的DBSCAN聚类算法,使得路面点云稀疏情况下也可以准确地将非路面点云聚类并标记。在港口轮胎式集装箱起重机大车上搭建实验平台,测试港口晴天、雨天两种数据皆可以很好地对路面点云实时分割处理,在应用场景中证明了该分割方法的有效性与实用性。     

基于三维点云的堆叠箱式物体位姿检测算法研究

堆叠物体检测算法是机械臂在物流场景下实现货物自主分拣的关键感知技术，主要难点是如何在环境复杂、高度非结构化的工况中准确而高效的识别出待分拣物体，并得到其三维位姿。常用方法中，传统区域生长算法在高曲率部分表现欠佳，考虑特征较少，造成分割准确率较低，LCCP算法容易导致欠分割且时间效率较低。为了解决以上问题，提出了一种基于三维点云的堆叠箱式物体位姿检测算法。首先对数据采取降采样、离群点移除等预处理手段；然后建立点云K-D树并计算点云特征，基于改进区域生长的方法，结合邻域投票策略，进行平面提取；之后并行化实现平面再处理的过程；最后分析平面间的相邻性和凹凸性，进行物体提取并拟合三维包围盒，得到其三维位姿。实验结果表明该算法准确度较高、速度较快，具有一定的实际应用价值。     

散乱噪声点云的数据分割

提出基于边界曲线微分几何特征的新方法分割散乱噪声点云.改进TAUBIN方法以精确恢复散乱噪声数据的主曲率和主方向.通过分析散乱点在主方向的曲率变化,达到识别G1、G2连续边界点的目的.获得的边界点形成边界带,将点云分割为多块子区域.最后采用区域增长的方法提取各子区域.试验结果表明所提出的方法能够克服噪声影响,有效提取散乱噪声点云的G1、G2边界.对复杂曲面模型,该方法也能够直接获得较好的G2连续边界.     

基于深度学习的三维点云分析方法研究进展

点云是目前自动驾驶、机器人、遥感、增强现实(AR)、虚拟现实(VR)、电力、建筑等领域最常用的三维数据处理形式,深 度学习方法能够处理大型数据,且可自主提取特征,因此点云深度学习方法已逐渐成为研究热点。 本文综述了近十年来基于深 度学习的三维点云分析方法的研究进展。 首先给出了三维点云深度学习的相关概念;然后针对点云目标检测与跟踪、分类分 割、配准和匹配以及拼接这 4 种任务,分别阐述了相应的深度学习方法的原理,分析并比较了各自的优缺点;随后整理了 18 种 点云数据集和 4 种点云分析任务的性能评价指标,并给出了性能对比结果;最后总结了点云分析方法目前存在的问题,对进一 步的研究工作进行了展望。     

基于Imageware的点云分割

Imageware是当前应用最为广泛的逆向造型系统之一,它是一个非参数化的交互式建模工具.在由数据点云构建物体表面模型中,对数据点云恰当的分割是逆向建模的一个很重要步骤.提出了针对于Imageware逆向建模系统的逆向特征分类思想,总结并提出了基于边、基于面和基于特征的方法,并通过实例证明了其可行性.     

一种基于三维点云的棒材弯曲变形检测方法

针对棒材弯曲变形缺陷检测问题,提出了一种基于三维点云的棒材弯曲变形检测方法。利用三维传感器多视角扫描,经过降噪、简化、配准操作获取棒材点云数据,RANSAC算法求取棒材轴线方程,依据轴线方程将棒材点云数据坐标变换,基于点坐标信息分割点云,获得多条外形曲线数据,得到棒材弯曲变形数据。棒材检测实验表明：文中方法测量与人工测量最大误差为1.16 mm,对棒材合格判定结果与人工一致,证明了文中方法的有效性。     

一种点云数据的区域分割方法

在曲面重构中,由于激光法测量的数据密度比较大．而实际的曲面模型往往含有多个曲面几何特征,也即是由多张曲面组成的,如果利用“点云”数据直接进行拟合,则造成曲面模型的数学表示和拟合算法处理的难度加大,甚至无法用较简单的数学表达式描述曲面模型。提出了一种基于数据点曲率变化区域分割方法,该算法原理简单、易于理解和编程。详细地描述了该算法的基本原理和处理过程。     

基于协方差矩阵的点云孔洞边界检测

逆向工程中点云模型孔洞边界的检测是孔洞修补的前提,完美的孔洞轮廓线有利于提高孔洞修补的质量.参照二维图像中边界的定义,给出了三维模型中点云孔洞边界的定义,并且提出了一种简单的孔洞轮廓线生成算法.首先,通过分析邻域点协方差矩阵特征值之间的关系,提出了一种边界点检测算子,用于初步提取孔洞特征点;然后,综合考虑邻域点最大特征...     

基于图像和激光点云融合的智能采面煤岩识别

为了提高采煤工作面的智能化水平,提出了基于图像和激光点云融合的煤岩识别方法。首先,利用三维重建构建了蕴含煤岩颜色信息及截割纹理特征的图像点云;其次,提出了基于改进迭代最近点（iterative closest point,简称ICP）算法的煤岩点云配准方法,提高了点对间的搜索速度和配准精度;然后,设计了基于改进区域生长算法的煤岩识别方法,通过仿真分析验证了改进措施的有效性;最后,搭建了采煤机煤岩截割实验系统,并对相关改进算法进行了实验对比分析。结果表明,所提方法的点云数据分割效果最好,煤岩识别准确率达92.95%。在煤矿井下采煤工作面进行了现场测试,进一步证明了所提煤岩识别方法的可行性和实用性。     

基于支持向量机的点云切片分割技术的研究

支持向量机这种学习方法,最初用于处理模式识别问题,随后推广到解决回归估计问题,成功解决了高维问题和局部极值问题,是一个具有最优泛化能力的学习机器提出了一种基于支持向量机最优超平面的点云切片分割技术,该技术采用较新的人工智能技术支持向量机（SVM）的最优超平面原理,应用其统计特性,把切片中的点分割成模型本身的独立部分实验诬明,该方法具有速度快、分割准确的优点,分割效果较好.     

基于光线测试的点云数据与CAD模型归属处理研究

针对非接触测量方法进行复杂型面零件数字化检测中,点云数据量大及点云与计算机辅助设计模型配准和偏差计算中存在着如何有效处理点云与测量面的归属问题,提出了采用光线测试模型确定计算机辅助设计模型的可见面.以待测计算机辅助设计模型面的采样型值点作为光源,其外法矢作为光源方向与计算机辅助设计模型进行相交测试,确定出测量可见面,然后进行点云与可见面的归属处理.试验结果证明了该方法的有效性.     

基于空间点云数据的异质材料零件动态建模方法

针对含有多种材料,且材料相呈非均质分布或异常分布的异质材料零件,提出一种基于空间点云数据集的异质材料零件动态建模方法。该方法采用了细化STL模型和空间微四面体重构的几何建模方法;通过引入描述各材料物理特征的材料分布特征值、各材料的体分量和材料分布向量,对材料切片内的特征节点进行材料赋值,并对节点间的材料进行插值运算,层层遍历赋值,从而实现了对异质材料零件中任意点结构与材料信息的表述。在开发的异质材料零件成形系统上,通过实例测试了该建模方法的有效性和实用性。     

基于约束搜索球的点云数据与CAD模型精确比对检测

针对传统数字化比对检测中点偏差计算的准确性及效率不高的问题,提出了一种基于约束搜索球的点云数据与计算机辅助设计模型比对检测技术。首先,为了提高计算的准确性,在分析现有点—面计算模型的基础上,提出了点—边计算模型及点—点计算模型,用于计算曲率变化较大区域的点偏差。其次,为了提高计算效率,在最邻近顶点搜索过程中采用K-D树进行加速,在点数据归属过程中,构建一系列约束搜索球,将点云数据与计算机辅助设计模型比对的范围限制在约束搜索球内,降低算法的时间复杂度,提高点数据归属的效率。以某大型叶片为例,验证了该方法的有效性。     

逆向工程中的数据点云的分割

逆向工程中由数据点云构建物体表面模型中，对数据点云恰当的分割是表面建模的一个很重要步骤。文中以激光-机器视觉测量方式得到的曲面数据云为基础，探讨了曲面密集三维散乱点群数据的分割技术。根据激光测量方式和三维点群分布的特点，建立了在计算机中表示散乱点群数据结构。建立树形空间结构完成对密集散乱点群进行空间分割，由此实现对散乱点群数据的几何分割。     

基于代数曲面的残缺点云数据迭代修复算法

针对逆向工程领域,激光扫描仪获取的散乱点云数据难免存在着残缺的问题,设计一种迭代修复残缺点云孔洞的算法,对其进行下采样,基于加权局部最优投影算子得到分布均匀的稀疏点集;将点沿稀疏点集的代数点集曲面排斥推向残缺区域;对稀疏点集进行上采样完成孔洞区域的一次修复.将上述步骤迭代应用,逐渐缩小残缺区域,直到完成修复.研究表明:...