保持特征的散乱点云数据去噪

为保证在去除点云数据噪声的同时不损失模型的细节特征,提出了一种基于特征信息的加权模糊C均值聚类去噪算法。首先,构建点云K-D树拓扑结构,根据点的r半径球邻域点统计特性去除大尺度离群噪声点。然后,利用主元分析法估算点云的曲率和法向量,根据曲率特征标识点云数据的特征区域,并采用特征加权模糊C均值聚类算法对特征区域去噪,采用加权模糊C均值聚类算法对非特征区域去噪。最后,使用双边滤波器对点云模型进行平滑。对提出的算法进行了验证实验,结果显示:去噪后点云模型的最大偏差保持在模型尺寸的0.15%以内;标准偏差保持在模型尺寸的0.03%以内。本文算法能够在有效去除不同尺度和强度的噪声的同时不损失点云模型的细节特征,去噪精度高,且对不同的噪声模型具有较强的鲁棒性。     

装配面点云特征增强的去噪算法研究

为了去除与法兰装配面数据点混合在一起的噪声并更好地保留装配面的特征,将装配面点云数据中的噪声分为 2 类。利用空间栅格划分将点云数据栅格化,使用 K 领域搜索的方法筛选出第 1 类噪声点,运用采样点邻域点数统计法删除第 1 类噪声点;采用改进的双边滤波法对第 2 类噪声点进行去噪。通过与各类算法进行比较,实验结果表明,该去噪算法在达到预期去噪效果的同时还可以增加装配面特征的保持度,并且能够避免传统双边滤波在去噪后产生光顺过度的现象。     

基于特征信息分类的三维点数据去噪

为了有效去除获取三维点云数据时的噪声,同时又不损失模型的特征信息,提出了一种基于三维点云特征信息分类的去噪算法。首先采用主成分分析法和二次曲面拟合法估算三维点云的微分几何信息;然后根据点云平均曲率的局部特征权值,将点云数据划分为特征信息较少的平坦区域和特征信息丰富的区域,针对不同特征区域分别采用邻域距离平均滤波算法和自适应双边滤波算法进行去噪滤波。实验结果表明:滤波后点云数据的最大误差为0.144 7mm,标准偏差为0.021 0mm。在不同噪声强度下,该去噪算法均能够达到较好的去噪效果,并保留点云的高频特征信息。     

利用噪声特点与曲面拟合的点云去噪及光顺算法研究

逆向工程中,随着三维扫描测量技术的迅速发展以及基于海量采样点云数据的高精度模型的产生,使得快速有效地处理点云这一技术显得更加重要.点云的去噪和光顺是法矢估计、曲率计算及曲面重建等后续处理工作的重要基础,依据散乱数据点云中的噪声点的特点,对其进行分类,并提出一种新的基于曲面拟合及噪声特点分步去噪的方法.     

一种基于模糊C均值和均值滤波的点云去噪算法

因点云数据中存在噪声,通常对不同特征的点云数据采用相同的处理方法,虽然能删除噪声但也会因删除尖锐特征造成过光顺。提出了一种基于模糊C均值(FCM)聚类算法且均值滤波的点云去噪算法。该算法使用模糊C均值聚类算法删除大尺度噪声后,再将均值滤波应用到点云光顺中,对数据点中的小尺度噪声进行光顺。实验结果表明,该算法去噪效果明显,在去噪光顺过程中较好地保持了边界特征,也避免了过光顺问题的产生。     

基于平移不变小波的声发射信号去噪研究

小波阈值去噪算法在信号的奇异点处会产生Pesudo-Gibbs现象。平移不变小波去噪方法是对闽值法的改进，该方法可以有效地抑制Pesudo-Gibbs现象，而且能够减少原始信号和估计信号的均方根误差，提高信噪比。将该方法用于声发射信号的去噪处理，并与闽值法进行了比较。仿真结果表明该研究方法可以有效地去除噪声，提取声发射信号的特征信息，具有较强的工程实用性。     

层次化点云去噪算法

三维激光扫描设备获取的初始点云模型中含有较多的噪声点,不利于后期的点云处理,需要将其进行剔除。为了有效地保持点云的尖锐几何特征,本文提出一种由粗到精的层次化点云去噪算法。首先构造点及其邻域点的张量投票矩阵,通过计算该矩阵的特征值和特征向量构造扩散张量,并基于该扩散张量利用各向异性扩散方程进行循环滤波,从而实现点云初始粗去噪;然后计算滤波后点云的曲率特征,并根据曲率值进一步删除点云中的噪声点,从而实现点云精确去噪;最后通过计算点云熵值对去噪算法进行定量评价。实验结果表明,本文提出的点云去噪算法具有较大的熵值、较小的去噪误差和较高的执行效率。因此说,该层次化点云去噪算法在保持尖锐几何特征的同时,可以快速精确剔除噪声点,是一种有效的点云去噪算法。     

基于小波变换的汽车节气门位置信号去噪

传统的汽车节气门位置信号(throttle position sensor,TPS)处理方法不易消除发动机舱内电磁信号及周边环境的干扰。根据TPS的特征,在MATLAB中选用Daubechies五阶正交小波(dB5)对TPS噪声信号进行4层小波分解,再对分解后得到的各层系数用软阈值法量化处理,最后利用小波重构,实现对信号去噪。最后将获得的去噪信号用于发动机控制,并将控制结果与采用未去噪信号的发动机进行实车对比试验。试验表明:发动机采用去噪的TPS信号运行更平稳,小波变换后的去噪TPS信号对发动机控制具有良好的效果。     

发动机振动信号的时—频域二次去噪方法

本文提出一种适用于发动机机体振动信号的时频域二次去噪方法,从时域和频域两个方向对机体振动信号进行两次去噪。其中时域去噪过程首先是利用包络导数算子和短时能量概念来对时域上的噪声信号和工作特征信号进行识别和分割,再通过非局部均值(Non-Local Mean, NLM)方法实现去噪。而频域去噪过程则是先基于时变滤波-经验模态分解(Time Varying Filtering-Empirical Mode Decomposition, TVF-EMD)对振动信号进行时频特征提取,再提出一种融合差分熵的NLM方法对提取的本征模函数进行自适应去噪。应用所提出的去噪方法对实测的发动机机体振动信号进行分析,结果表明：该方法在时频域的去噪效果十分显著,在发动机状态监测和故障特征提取方面具有较大的应用潜力。     

基于循环生成式对抗网络的一维时变信号自适应去噪研究

针对传统去噪方法自适应差、对低信噪比时变信号去噪能力不足的问题,提出了一种基于循环生成式对抗网络CycleGAN的信号去噪方法.将广泛用于二维图像数据风格迁移的CycleGAN改进为适用于时序信号的一维CycleGAN,通过含噪信号和无噪信号两个数据集的循环对抗训练,得到信号从含噪空间到无噪空间的端到端最佳映射,从而获得具备自适应降噪功能的去噪模型.经过6组添加了不同信噪比的高斯白噪声的含噪信号集的测试实验,结果表明,该方法对于低信噪比的含噪时变信号具有优越的去噪能力,在信噪比和均方误差这两项指标的评价上都显著优于传统方法.     

基于非下采样Contourlet变换和谱图理论的扩散去噪

提出了一种基于谱图理论的热扩散方程图像去噪方法.该方法用非下采样的Contourlet变换提取图像的边缘和轮廓等几何特征,并将提取的特征用来构造图的权重函数,将扩散方程建立在图上,用热核和拉普拉斯矩阵实现图像的去噪.仿真实验结果表明,该方法能够有效去除高斯噪声,较完整地保持图像中的边缘等细节信息,在去噪性能上优于其他的偏微分方程去噪方法.     

凸显尖锐特征的点-线-面递进式曲面重建

针对现有曲面重建算法不能很好地重建出点云模型尖锐特征的缺陷,提出了一种凸显点云尖锐特征的点-线-面递进式曲面重建算法。首先,根据近邻点的欧氏距离、法向偏差和曲面变分,采用主成分分析算法和k-近邻点迭代加权法获取点云准确法向;接着,依据特征点位于多个平面交线上的原则,利用法向聚类和平面拟合从候选特征点中筛选特征点;然后,依据特征点生长方向和主方向的相互关系重建特征线,并按照最小二乘原理采用矩阵法修复角点;最后,以特征线为约束重建尖锐特征点云曲面。实验结果表明：本文算法计算的点云准确法向与理论法向偏差接近于0,特征重建效果优于其他算法,算法耗时短且与点云数量呈线性关系。算法不仅能够准确计算尖锐特征区域的点云法向,还能准确提取出点云模型的特征点并凸显模型的尖锐特征。     

逆向工程中基于模糊聚类的点云数据分区

点云数据分区是逆向工程中重要而又难以解决的问题。首次将模糊聚类方法应用于逆向工程中的点云数据分区,用点的位置矢量、法矢量、高斯曲率和平均曲率8维向量作为特征向量,加权距离替代欧氏距离。在实现分区的同时,可以识别区域内部点和边界附近点,便于后续曲面特征参数精确提取。实验结果证明此算法具有较强的抗噪性,并具有较高的分区效率。     

Adaptive investigation of the optical properties of polymer fibers from mixing noisy phase shifting microinterferograms using deep learning algorithms

In this article, an adaptive denoising method is suggested to accurate investigate the optical and structural features of polymeric fibers from noisy phase shifting microinterferograms. The mixed class of noise that may produce in the phase-shifting interferometric techniques is established. To our knowledge, this is an early study considered the mixing noises that may occur in microinterferograms. The suggested method utilized the convolution neural networks to detect the noise class and then denoising, it according to its class. Four convolution neural networks (Googlenet, VGG-19, Alexnet, and Alexnet–SVM) are refined to perform the automatic classification process for the noise class in the established data set. The network with the highest validation and testing accuracy of these networks is considered to apply the suggested method on realistic noisy microinterferograms for polymeric fibers, polypropylene and antimicrobial polyethylene terephthalate)/titanium dioxide, recoded using interference microscope. Also, the suggested method is applied on noisy microinterferograms include crazing and nanocomposite material. The demodulated phase maps and the three-dimensional birefringence profiles are calculated for tested fibers according to the suggested method. The obtained results are compared with the published data for these fibers and found to be in good agreements.     

复杂曲面特征线自动提取技术研究

复杂曲面零件的几何模型重构是逆向工程的研究重点之一,由零件表面的数字化数据提取特征线是构造几何模型的重要步骤。针对由CMM获取的三维数据“点云”,提出了基于扫描线的三维分层式方法实现特征线的自动提取,提出了基于局部增量网格扩张的三维散乱数据三角剖分算法,实现任意曲面尖锐棱线的自动提取。实践说明,通过该算法得到的复杂曲面的边界线能够满足模型重建的工程需求。     

基于ASODVS的全景相机运动估计及管网3D重构技术

针对地下管网的空间三维测量、三维形貌重构难等问题,提出了一种基于主动式全方位视觉传感器(ASODVS)的相机运动估计及管网3D重构解决方案。通过携带有ASODVS的管道机器人进入管道内部,实时获取管道内壁纹理全景图像和全景激光扫描图像;首先对全景激光扫描图像处理解析出投射在管道内壁上的激光中心点,通过计算得到管道横截面的点云数据;另一方面,对全景纹理图像进行处理,首先利用快速鲁棒性特征(SURF)算法快速提取特征点并进行匹配,然后采用随机抽样一致性(RANSAC)算法去除误匹配点,接着利用全景相机的极几何原理估计相机运动位姿,并利用光束法平差(BA)进行优化,最后利用相机运动位姿将相机坐标系下的点云坐标实时转换到世界坐标系下,完成对地下管网的三维重构。实验结果表明,所提出的方案能够精确估计相机运动位姿,实时对管道内部进行三维重构,实现了管道检测机器人边行走、边采集数据、边检测分析处理、边三维建模的设计目标。     

A methodology for smoothing of point cloud data based on anisotropic heat conduction theory

It is necessary to smooth point cloud data in reverse engineering or the inspection of free-form surfaces because noisy points will have a negative influence on the post-processing of this data. The big problem in smoothing point cloud data is how to solve the dilemma between removing noisy points and keeping feature boundary information, whilst controlling the diffusiveness of noisy points. In this paper, the theory of anisotropic heat conduction is adopted to establish a mathematical model of point cloud data smoothing. The point cloud data can be considered as a temperature field with an adiabatic boundary. So the heat is only conducted inside the temperature filed and has no effect on the outer side. For point cloud data, it means that the smoothing is only on the local area, which makes a good balance between deleting noisy points and keeping feature boundary information. The method has been implemented by using two cases for practical application, and the result proves its efficiency.