基于法向量距离的路面坑槽提取方法

以路面高程激光点云为研究对象,提出一种基于法向量距离的路面坑槽提取方法.首先对路面高程点云数据进行数据清洗;其次采用自适应最优邻域的PCA方法估算路面点云数据的法向量,通过计算路面点云中采样点到其局部二次曲面的切平面的法向距离作为法向量距离;以法向量距离描述采样点的三维空间特征,并通过阈值分割自动提取路面坑槽点云集合,...     

点云模型适应性上采样算法

针对点云模型采样密度的不足,提出一种新的适应性上采样算法。算法首先采用均匀栅格法建立点云模型的拓扑关系,提高数据点K-邻域的查找效率,利用协方差矩阵求取点云模型中数据点的法向量,并用法向传播算法进行法向重定向,然后检测点云模型中采样点密度不足的区域,在采样密度不足区域的点的切向矩形平面内适应性均匀采样,并把这些采样点几乎垂直投影到点云模型所在的原始曲面上,由此得到的模型即为上采样模型。该算法得到的上采样模型可以较好地补充点云模型的细节信息,能够满足点云模型的绘制和后续几何处理的需求。     

点模型的多边滤波器降噪算法

为了更好地去除噪声,并保持模型的突出特征,提出了一种鲁棒的点模型多边滤波器降噪算法,该算法充分考虑了模型表面的法向量、曲率等内蕴几何量和噪声之间的关系。首先通过自适应选取最优邻域控制函数来将滤波窗口限制在顶点法向量相近的区域,以防止滤波后模型的收缩和过光顺;然后运用协方差矩阵分析的方法,在最优邻域内计算出各采样点的法向量和曲率;最后以采样点滤波参考平面为基准,分别平滑采样点的法向量和位置,即先对采样点的法向量进行多边平滑,然后根据新的法向量来多边平滑输出各采样点的位置偏移量,最后在法向方向上移动该顶点,以达到降噪的目的。实验结果表明,多边滤波器在有效地去除噪声的同时,还能较好地保持点模型表面的几何特征。     

一种基于散乱点云的边界提取算法

点云边界是曲面的重要特征之一,边界线的快速准确提取对于提高曲面重构的效率和质量具有重要意义。首先,采用基于kd-tree搜索的方法建立点云空间拓补关系,进行K邻域快速搜索,以采样点及其K邻域作为局部型面参考依据拟合微切平面,将其向微切平面投影;其次,在微切平面上建立局部坐标系,并对投影点进行参数化,根据邻域点集在采样点处的场力大小之和可以表示点集的平均作用来识别点云的边界特征点;最后,从提高边界线连续性的角度,利用NURBS曲线插值方法连接边界线。实验结果表明,该算法可以快速、有效地提取出点云的边界特征点,并得到C2连续的边界线,满足曲面重构的要求。     

基于二次特征提取的煤矿巷道表面点云数据精简方法

采用三维激光扫描技术提取的煤矿巷道表面点云数据量大且存在较多的冗余数据,而现有点云数据精简方法存在大数量级点云处理过程中细节保留不足的问题。针对上述问题,提出了一种基于二次特征提取的煤矿巷道表面点云数据精简方法。首先对采集到的原始巷道点云数据进行去噪预处理;其次建立K-d树,并利用主成分分析法对去噪后点云数据估算来拟合邻域平面的法向量;然后通过较小的法向量夹角阈值对点云进行初步的特征区域与非特征区域划分,保留特征区域并随机下采样非特征区域,接着依据较大的法向量夹角阈值将特征区域点云划分为特征点和非特征点,并对非特征点进行体素随机采样;最后将2次点云精简结果与特征点合并得到最终的精简数据。仿真结果表明,该方法在百万数据量级点云和高精简率条件下,相较曲率精简方法、随机精简方法和栅格精简方法,在特征保留和重构精度方面都取得了更好的效果,三维重构后计算所得标准偏差平均可低于相同精简率下其他方法 30%左右。     

点云模型的双边滤波去噪算法

提出一种特征保持点云模型光顺去噪算法。该算法首先为每个采样点建立k-邻域并估算法矢,然后以该点处的微切平面为视平面,设计一个双边滤波器。算法充分考虑了模型表面法向的变化和邻域点间的距离同噪声之间的关系,通过调整采样点在法向的位置,来实现一个局部的光顺去噪过程。实验结果表明算法简单高效,同时较好地保持了模型的特征。     

基于法向量投票的点云配准方法

针对多平面结构的物体,传统的点特征点云配准方法存在鲁棒性差、易收敛到局部最优解等问题,提出了一种基于法向量投票的点云配准方法。用平面特征代替点特征作为配准基元,建立基于平面的坐标转换模型。首先构建kd-tree,计算各点的法向量,并将法向量转换到霍夫空间进行投票,提取平面特征;然后将单位四元数作为特征描述算子,以同名平面特征作为约束条件,根据最小二乘平差原则,求解点云之间的位姿变换关系。实验结果表明：相较于其他两种方法,提出方法对初始位置没有依赖性,在配准过程中可以有效避免局部最小陷阱,并且配准精度得到了提高。     

基于模糊极大似然估计聚类的点云数据分块

对散乱点云数据采用微切平面法进行法矢估计,对法矢方向进行全局协调性调整。采用稳定性较好的二次曲面拟合法估算点云数据的高斯曲率和平均曲率。将点的坐标、法矢和曲率合并为八维特征向量,通过模糊极大似然估计聚类技术,将具有类似几何特征的向量聚为一类,从而实现点云数据的分块。实验证明该方法有效。     

基于特征点和最小面积的曲线描述和匹配

为了对关键特征点相同而子曲线曲率不同的曲线进行识别,提出一种新的平面曲线的描述和匹配方法。基于关键特征点进行粗匹配,根据精度要求设定最小面积阈值在子曲线上重新采样点,定义了一种新的采样点的识别向量,并根据子曲线上采样点的识别向量构造了新的识别向量矩阵,最后根据识别向量矩阵的差异度度量子曲线的相似性。通过对所有子曲线的识别实现对整条曲线的识别。该识别方法逐层筛选、由粗到精,避免了冗余操作。实验表明该方法高效、可行。     

零件点云法向量估计的多尺度特征融合网络

为了解决机械零配件点云处理中非均匀采样干扰、尖锐特征损失等难点,提出一种基于深度神经网络多尺度融合的点云法向量估计方法.该网络在不同邻域尺度下集成了采样点细节与点云块整体两种特征.为了使该多维回归输出网络的训练更稳定且能缓解梯度爆炸问题,重新设计了一个光滑的损失函数.实验结果表明,该方法性能优于传统的方法以及HoughCNN、PCPNet等方法,能够更准确地估计尖锐边缘的法向量,对点云各种噪声和采样方法鲁棒性都更强.     

一种高效的支持向量回归三维点云修补算法*

给出了一种基于支持向量回归的三维点云空洞修补算法,该算法首先将残缺区域边界点集向邻近区域的切平面投影,投影点集作为训练数据集,通过支持向量回归,得到残缺区域所服从的隐式曲面方程,完成修补。为提高算法效率,将该修补问题转换为等价的最小包含球问题,降低了算法的复杂度。该修补算法能够较好地使修补点云与原始点云平滑融合,具有很好的恢复效果。     

基于法矢控制的B样条曲面逼近的PIA方法

提出了一种基于法矢控制的 B 样条曲面逼近的渐进迭代逼近(PIA)算法。一方面该方法将离散数据点的切失、曲率、法矢等几何特征充分应用到离散数据点的逼近问题上,利用数据点两个方向的切矢构造出数据点的法矢约束来控制逼近曲面形状,相比于无法矢控制的 B 样条曲面逼近的渐进迭代逼近(PIA)方法,逼近曲面更光顺,可获得更好的逼近效果。另一方面由于该算法选取主特征点作为控制顶点,所以允许在曲面拟合中控制顶点的数目小于数据点的数目。而且PIA算法的每次迭代过程中的各个步骤都是独立的,很容易被应用到并行计算上,可提高计算效率。本文还给出了一些实例来验证该算法的有效性。     

海量散乱点的曲面重建算法研究

基于海量散乱点的曲面重建在机械产品测量造型、计算机视觉、根据切片数据的医学图像重建等领域中有重要应用.给出了一种以物体表面上不附加任何几何和拓扑信息(包括测点法矢、曲面边界信息)的散乱点集为处理对象,自动生成物体表面的三角网格模型的算法.该算法首先根据测点的邻近测点估算曲面在该测点处的法矢,并采用优化的顺序对法矢方向进行调整以使各测点处的法矢都指向曲面外侧,最后用步进立方体算法输出三角网格模型.采用新的方法计算切平面,不但进一步提高了效率,而且改善了曲面边界及尖锐棱边区域的重建效果.还提出并解决了法矢方向传播中可能出现的局部“孤岛”问题.同时,提出了一种对海量数据进行空间划分的算法,从而大大提高了海量数据的处理效率.应用实例表明,算法效果良好     

基于力反馈技术的三维模型表面绘制技术研究

本文将力反馈技术引入虚拟绘制过程中,提出一种基于力反馈技术的三维模型表面绘制方法。首先分析毛笔在三维绘制过程中的受力和变形,采用弹簧-振子模型建立三维毛笔模型;然后由毛笔碰撞变形后的最小包围球找出碰撞相关点,计算碰撞相关点的平均法矢确定投影平面,通过计算毛笔的变形得出在投影平面上的笔触,将该笔触投影到三维模型表面,同时控制毛笔的受力和运笔路径叠加笔触获得具有特定书法效果的三维笔道;最后介绍了仿真系统,使用Phantom Desktop力反馈设备在该系统中实现了三维模型表面的绘制。仿真结果表明,该方法再现了三维模型表面绘制的力觉控制过程,增强了绘制过程中的真实感。     

On the normal vector estimation for point cloud data from smooth surfaces

Reliable estimation of the normal vector at a discrete data point in a scanned cloud data set is essential to the correct implementation of modern CAD/CAM technologies when the continuous CAD model representation is not available. A new method based on fitted directional tangent vectors at the data point has been developed to determine its normal vector. A local Voronoi mesh, based on the 3D Voronoi diagram and the proposed mesh growing heuristic rules, is first created to identify the neighboring points that characterize the local geometry. These local Voronoi mesh neighbors are used to fit a group of quadric curves through which the directional tangent vectors are obtained. The normal vector is then determined by minimizing the variance of the dot products between a normal vector candidate and the associated directional tangent vectors. Implementation results from extensive simulated and practical point cloud data sets have demonstrated that the present method is robust and estimates normal vectors with reliable consistency in comparison with the existing plane fitting, quadric surface fitting, triangle-based area weighted average, and triangle-based angle weighted average methods.     

一种基于投影的散乱数据表面增量重建算法

针对3维散乱数据场提出了一种表面重建算法.根据空间曲面的局平特性和平面三角化的基本原则,在参考点的切平面上对邻域点按角度排序,应用可见性准则删除不可见点后,相邻邻域点和参考点形成三角网格.将平面上的网格关系对应到空间,以增量方式重建反映散乱数据场拓扑关系的空间曲面.设定角度阈值优化网格,判断空间曲面的边界和孔洞.对多个数据场进行重建并对结果进行分析.对多个数据场进行重建并对结果进行分析表明,算法具有原理简单,重建速度快,重建效果好的特点.     

平面向量场与曲率分析在曲面求交中的应用

在曲面求交算法中，初始跟踪点的确定和交线分支的跟踪是最关键的两个问题．本文总结了用平面向量场确定初始跟踪点的算法，给出了使用曲率分析精确计算跟踪方向，并估计跟踪步长的方法．应用平面向量场和曲率分析，作者实现了高效可靠的ＮＵＲＢＳ曲面求交算法．     

基于三角网格构建的扫描测头半径三维补偿

采用扩展的自组织特征映射神经网络探讨了三坐标测量机接触式密集数据采集的测头半径三维补偿。构建了基于三角形网格构建的测头半径三维补偿模型。经过训练,神经网络将整个数字化点群数据分成许多子区域,每个子区域用一个微切平面逼近;对子区域的分类核心,即神经元位置权重,沿微切平面法矢方向进行修正,得到逼近测头球心面的三角形网格II;根据微切平面的法线,对测头半径进行三维补偿,得到逼近接触曲面的三角形网格III。测头半径三维补偿的法矢方向,也可通过估算三角网格II顶点的法矢得到。算例表明所创建的测头半径三维补偿模型有效可行。     

Free-form object reconstruction from silhouettes, occluding edges and texture edges: a unified and robust operator based on duality

In this paper, the duality in differential form is developed between a 3D primal surface and its dual manifold formed by the surface's tangent planes, i.e., each tangent plane of the primal surface is represented as a four-dimensional vector which constitutes a point on the dual manifold. The iterated dual theorem shows that each tangent plane of the dual manifold corresponds to a point on the original 3D surface, i.e., the dual of the dual goes back to the primal. This theorem can be directly used to reconstruct 3D surface from image edges by estimating the dual manifold from these edges. In this paper we further develop the work in our original conference papers resulting in the robust differential dual operator. We argue that the operator makes good use of the information available in the image data, by using both points of intensity discontinuity and their edge directions; we provide a simple physical interpretation of what the abstract algorithm is actually estimating and why it makes sense in terms of estimation accuracy; our algorithm operates on all edges in the images, including silhouette edges, self occlusion edges, and texture edges, without distinguishing their types (thus resulting in improved accuracy and handling locally concave surface estimation if texture edges are present); the algorithm automatically handles various degeneracies; and the algorithm incorporates new methodologies for implementing the required operations such as appropriately relating edges in pairs of images, evaluating and using the algorithm's sensitivity to noise to determine the accuracy of an estimated 3D point. Experiments with both synthetic and real images demonstrate that the operator is accurate, robust to degeneracies and noise, and general for reconstructing free-form objects from occluding edges and texture edges detected in calibrated images or video sequences.