基于密度聚类和圆外切线斜率拟合的埋地排水管道声呐点云去噪技术

针对环扫声呐扫描结果受到排水管道内混合水声的影响问题,提出一种声呐扫描点云数据去噪的方法:在环扫声呐扫描得到的三维点云数据基础上,通过密度聚类优化算法,去除点云数据中的噪声,然后采用类圆外切线斜率拟合的方式,识别出管道内壁界限和淤泥淤积线,最终得出包含排水管道内壁界限和淤积线特征的模型。为验证有效性,以武汉市某排水管道为例进行分析,基于现场采集的98万个点云坐标进行数据去噪和特征提取,结果表明:采用密度聚类优化算法进行点云数据初筛后,通过圆外切线斜率拟合算法能有效识别出排水管道内壁界限和淤积线,拟合半径均方误差0.0071m,相较于单一密度聚类算法拟合精度更高,去噪效果更好。     

基于图像信息约束的三维激光点云聚类方法

针对移动机器人在未知环境感知过程中对三维点云快速聚类分割的需求，提出一种基于图像信息约束的三维激光点云聚类方法。首先通过点云预处理获取有效的三维环境信息，采用RANSAC方法进行地面点云的分割剔除。其次传感器数据在完成时空配准后引入YOLOv5目标检测算法，对三维点云K-means聚类算法进行改进，利用二维图像目标物的检测框范围约束三维点云，减少非目标物的干扰；基于图像检测信息实现点云聚类算法的参数初始化；采用类内异点剔除法优化聚类结果。最后搭建移动机器人硬件平台，对箱体进行测试，实验结果表明，本文方法的聚类准确率和聚类时间分别为86.96%和23 ms，可用于移动机器人导航避障、自主搬运等领域。     

基于FSDPC_Otsu算法的滚动轴承故障研究

针对振动源数未知且观测信号小于振动源数量的欠定盲源问题,提出一种改进快速寻找密度峰值聚类(FSDPC)的方法。首先将混合信号投影到多维空间上并计算每点的密度值,在此基础上利用最大类间方差法(Otsu)对点密度进行阈值分割,去除干扰点对聚类准确率的影响;然后根据数据的密度峰值确定聚类中心,估计混合矩阵;最后通过L1范数最小化对混合信号进行分离并进行包络谱分析,实现轴承故障诊断。FSDPC_Otsu方法可在源数和聚类中心初值未知的条件下估计混合矩阵,且保证混合矩阵精度。实验结果表明,应用FSDPC_Otsu方法的稀疏成分分析能够对轴承多故障信号进行欠定盲分离,进而实现故障识别与诊断。     

基于毫米波雷达的运动目标点云聚类和扩展算法

用毫米波雷达对运动目标进行姿态识别时,雷达点云数据具有噪点多、分布离散的特征,传统基于密度空间的聚类算法对点云聚类成像的过程中,会出现邻近目标之间的点云分类错误及同一目标点簇聚类为多个点簇等问题。针对上述情况,提出一种运动多目标邻近点云优化聚类算法,利用自适应距离加权的模糊c均值算法对聚类结果进行修正,提高近邻目标点云聚类准确度。同时提出一种目标点簇扩展聚合算法,利用卡尔曼滤波对运动目标位置预测,将多帧迭代三维点云尺寸作为波门对目标点云进行点簇扩展,提高目标点云完整性。试验结果表明,所提方法能有效提高聚类准确度。     

不连续平面的平面度误差评定方法研究

提出了一种基于包容直线评定不连续平面的方法.首先,基于主成分分析对点云数据进行全局噪声剔除;然后,采用最小二乘平面拟合算法、多阈值点云提取算法及平行直线拟合算法获取符合条件的包容直线,并以空间中2条平行的包容直线代替包容平面建立最小区域;最后实现不连续平面的平面度误差评定及指导平面调整.实验结果表明:该方法与传统的特征...     

平面参数空间的实时三维点云配准方法

针对具有多平面结构的室内环境的三维定位和环境建模,提出了一种在平面参数空间进行配准的实时三维点云配准方法。该方法首先使用一种改进的三维霍夫变换算法快速提取点云中的平面特征,然后使用迭代算法在平面的参数空间中寻找最近平面,最后使用这些平面的对应关系来估计两帧点云之间的位姿变换关系。在一个实验室场景中进行的对比实验表明,该算法能够达到与传统迭代最近点(ICP)算法相似的精度,而且速度大大提升。在仅使用普通笔记本CPU的情况下即可实现实时的点云拼接。     

一种空间匹配的高速飞行目标轨迹估计方法

针对低空高速飞行目标轨迹估计问题,提出了一种利用多阵列进行空间匹配的轨迹估计方法。该方法首先对探测范围内的空间点进行划分,计算其相对于阵列参考坐标的真实方位角与俯仰角并建立字典进行存储。将传感器阵列接收到的信号进行分帧处理,对每一帧数据计算波达方位。理论上,在探测范围内,高速运动目标为直线运动。在理想情况下,对于单个阵列,每一帧数据得到的方向矢量与参考坐标所构成的直线均处于同一平面。对每一帧数据估计得到的波达方位在字典上进行匹配,找到误差最小的N个空间点,进行直线拟合。再对由两帧以上数据得到的直线进行空间平面拟合,得到估计平面。两个阵列所得的估计平面的相交直线即为高速飞行目标的估计轨迹。仿真结果验证了高速飞行目标的轨迹估计算法的有效性。     

海量测量数据融合技术研究

针对非接触式三维光学测量设备获取的点云数据量大的问题,在分析现有多视海量测量点云数据融合方法的基础上,提出了改进的聚类法点云融合技术.首先提出面结构光扫描技术中点云权值计算的新方法;其次采用新的空间邻域搜索策略,提高点云融合速度;最后依据点云空间包围盒的尺寸,等间距地划分为小块进行处理,解决了点云融合过程中内存占用大的...     

未知数量稀疏源盲分离的一种新方法

提出了一种新的用于未知数量稀疏源盲分离的统一方法。为了改善聚类分离的精度，该方法选取混合空间中半径给定的、中心位于原点的超球面以外的所有数据点，然后将这些数据点映射到中心位于原点的单位超球面上以得到集合Cy。由此，原来的聚类变为致密聚类，各聚类互相重叠的现象几乎消失。随后，先通过关于Cy的聚类分离来估计混合矩阵，再根据混合矩阵估计源，其中最佳不相似阚值和相应的聚类数量是自动生成的。计算机仿真结果验证了该方法对具有不同程度稀疏性源的有效性。当源充分稀疏时，重构信噪比大约是300dB。因此，该方法精确、便利。     

基于三维点云螺纹中轴线的拟合方法研究

螺纹中轴线的精确测定是决定螺纹三维测量结果是否准确的重要因素之一。中轴线的倾斜、偏移会对工件坐标系的建立、螺纹的三维重构、参数检验等测量操作引入误差。基于三维点云的最小二乘拟合算法,开展了螺纹中轴线的拟合方法研究。根据螺纹表面点云数据,利用螺纹表面与中轴线的特征关系建立最小二乘数学模型,通过计算点云数据的三维凸包滤除螺纹自身三维结构带来的拟合误差,使螺纹中轴线的测定更精准。通过仿真实验,基于三维点云的最小二乘拟合算法拟合的直线与三维点云的距离方差为0.34,在旋合长度范围内与投影法确定的直线两端最大距离为0.15μm,符合三维测量高精度标准,基于三维点云的最小二乘拟合算法可以快速、准确地拟合螺纹中轴线。     

三维点云的两步校准法及其应用研究

针对具有平面特征的工件的位姿识别,提出了一种三维点云两步校准法。首先,对三维点云进行多次随机抽样,每次抽取3个点并计算其所构成平面的单位法向量;经多次抽样后,得到一个平面单位法向量集合,采用密度聚类算法提取主平面的单位法向量,并根据主平面单位法向量与目标向量的轴角变换关系实现点云的倾斜度校正。然后,先将点云投影至主平面,再将各点的高度映射为主平面内的灰度,得到点云灰度图;再利用图像模板匹配算法获取点云在主平面内投影的平移量和旋转角,经平移和旋转后实现点云位姿的最终校准。将所提出的三维点云两步校准法应用于高压输电线塔塔座自动焊接系统,以识别塔座的位姿信息,并与基于采样一致性法识别的塔座位姿信息进行对比。结果表明,相比于采样一致性法,所提出的两步校准法既提高了工件位姿的识别精度,又缩短了约76%的耗时。研究结果可为具有平面特征的工件的位姿快速校准及识别提供参考。三维点云两步校准法在先进制造业中具有广阔的应用前景。     

基于稀疏激光点云数据和单帧图像融合的三维重构算法

由于激光雷达获取的深度数据非常稀疏,为了能够将深度数据与图像数据重构出稠密三维深度图,本文提出了基于稀疏激光点云数据和单帧图像融合的三维重构算法。该方法首先使用点直方图特征有效地选择对应于目标的点数据并消除体素中的非相似点;然后,使用高斯过程回归对局部深度数据建模,并通过插值获得三维深度数据,本文算法获得的三维深度点更接近基准值,并保持了目标的局部形状特征;最后,利用马尔科夫随机场对图像灰度数据和三维插值点进行融合来构建三维深度图。仿真实验结果表明:相比现有基于激光雷达数据和单目图像数据的三维重建算法,本文提出的算法将大大提升算法的鲁棒性与重构的准确度,可辅助用于复杂的城市场景中车辆的无人驾驶。     

基于激光点云数据的叶片型面三维重构

在四坐标叶片型面检测基础上,提出基于激光点云数据的叶片型面三维重构方法。激光位移传感器对叶片型面进行多视角扫描采样,快速采集叶片型面海量点云数据。运用由点到线到面的数学建模原理,先基于端点一阶导矢连续法拟合出光顺NURBS曲线,再依据分片能量法构建辅助曲面拟合出光顺NURBS曲面,最后对分片NURBS曲面进行统一描述,构造出精确光滑的叶片型面,实现叶片型面的三维重构。实验结果表明：采用该方法实现对各类叶片复杂型面的三维重构,重构误差均<0.015 mm,能够满足精密零件的测量需求。     

逆向工程中圆锥体组件加工信息快速高精度检测与生成方法研究

提出一种圆锥体组件加工信息快速高精度检测与生成的方法。首先,使用Delaunay网格划分法对圆锥体组件点云数据进行处理,得到其三角网格模型;其次,利用最小二乘拟合方法计算圆锥体组件点云数据各空间点最近邻域平面及其法向量,并构建空间点与法向量之间的映射关系,再根据该映射关系提取锥角;最后,通过对圆锥体组件点云数据的整体形貌分析提取锥高,利用锥角与锥高之间的关系计算出底面圆半径,通过计算的方式快速得到圆锥体组件的高精度加工信息。实验结果表明:该方法与几何测量方法相比,圆锥体组件的锥角θ、锥高h和底面圆半径r的误差分别降低了77.64%、70.53%和73.48%,时间减少了81.74%,能够实现圆锥体组件快速高精度加工信息检测与生成。     

Pose estimation for autonomous grasping with a robotic arm system

A robust and accurate method for estimating the 3-D pose of a planar rigid object is presented. This article demonstrates that 3-D pose estimation becomes feasible by using the 2-D tracking points on an object of scale-invariant feature transform (SIFT) and 3-D point cloud detected by stereo vision on an object, assuming that a 3-D geometric model of an object is known a priori. The roll and pitch angles of an object are estimated by the normal vector of approximate plane of 3-D point cloud on an object and the yaw angle is estimated by 2-D tracking point on an object of SIFT. Accurate object detection and localization in the camera coordinate system is crucial for grasping. In the motion planning, the bidirectional rapidly exploring random tree algorithm is used to search for a valid path for efficient grasping. Our robot arm can robustly and autonomously grasp a randomly rotative rigid object detected by SIFT in 3-D space. We have realized a grasping scenario with a dexterous arm (ADAM) such that an object in front of ADAM can be grasped. This demonstration shows how the proposed components build a dexterous and robust system integrating object detection, pose estimation, and motion planning.     

Wave-front slope estimation

The conventional way of measuring the average slope of the phase of a wave front is from the centroid of the image formed at the focal plane. We show the limitations of using the centroid and present an optimal estimator along with the derivation of its lower error bound for a diffraction-limited image. The method is extended to slope estimation in the case of a random aberration introduced by atmospheric turbulence. It was found that the variance of the error of the slope estimator can be improved significantly at low turbulence levels by using the minimum mean-square-error estimator instead of the centroid.     

阶梯垛型点云边界快速提取方法研究

目的 针对阶梯垛型点云边界检测中,现有边界提取算法效率不高的问题,提出一种适用于阶梯垛型点云的快速边界提取算法。方法 首先使用Kd–Tree对点云数据进行拓扑关系构建,其次搜索采样点及其近邻点,构建单位平面向量,并进行向量叠加,根据叠加后的向量模长来判断是否为候选边界点,然后使用近邻点最大夹角法来进行边界点精提取,最后使用Kinect相机获取阶梯垛型点云数据,进行算法对比验证。结果 实验结果表明,文中算法在保证垛型边界提取精度的同时,比经典边界提取算法的运行时间缩短了75.14%,比优化前的边界提取算法运行时间缩短了11.06%。结论 提出的边界提取算法能够快速准确地提取阶梯垛型点云边界,可为自动码垛系统的设计提供参考。     

基于DNSS与点到平面的ICP结合的点云配准算法

针对现有点云配准算法众多、配准速度和配准精度不尽相同的问题,本文提出了一种将DNSS与点到平面的ICP相结合的配准算法,利用DNSS提取源点云数据的关键点,利用关键点约束查找对应匹配点对,结合点到平面的误差度量方法计算最优刚体变换矩阵,从而完成点云配准。对配准后的结果进行误差分析,实验结果证明,基于DNSS与点到平面ICP结合的点云配准算法配准精度高于点到点的ICP算法和点到平面的ICP算法,且该方法处理几何特征复杂、特征明显的点云数据优势显著。     

基于曲率弦高法的海量测量数据精简

针对视觉测量的点云数据过大而不利于计算和重构的问题,在分析视觉测量点云数据特征的基础上,将曲率原则和弦高法相结合,提出基于曲率弦高法的海量测量数据精简方法。该方法在考虑曲线曲率变化的基础上构建弦高函数,并通过迭代得到各测点变化的弦高值,再根据弦高法的数据精简原则确定需要保留的测量点。仿真实验表明,该方法在平均误差小于0.2 mm时,精简率为89.8%,能够有效地对海量点云数据进行精简,并实现精简后测点按曲面曲率的合理分布。