基于三维重建数据的双向点云去噪方法研究

逆向工程中,三维点云数据的重构是最终获取物体形貌的关键一环,如何从复杂的点云中去除噪声干扰是人们一直研究的重点。根据测量环境中产生的不同类型噪声数据进行分析,对于物体轮廓外的噪声点,采用人机交互的方式直接去除噪声点,对于物体轮廓内单个明显的噪声点采用相邻点加权平均的方法去除,而对轮廓内连续错误的噪声点,采用了双向去噪的方法,即在点云的垂直方向通过相邻点夹角的大小去除起伏明显的噪声点,在点云的水平方向通过相邻点云水平距离的加权平均来调整水平方向其余点的距离,最后应用最小二乘法拟合得到去除噪声点处的三维坐标。结果表明该种方法不仅有效去除了点云数据中夹杂的噪声,还对物体表面失真的数据进行了有效地调整和修改,获得了连续光滑的测量表面,具有良好的效果。     

基于三维激光扫描点云配准的目标位姿测量

地外天体着陆探测是我国深空探测的重要形式和方法,针对地面探测模拟训练系统中探测车位姿提取的需求,提出了一种利用激光扫描仪和标靶球结合的方法进行特征识别,拟合出探测车的位姿数据,并建立地面模拟训练系统。首先对激光扫描数据进行滤波预处理去除点云中离群点,然后选择适当的参数对数据进行重采样。通过基于分类改进的区域增长法对点云进行分割,筛选出指定数量范围的点集并拟合多个标靶球位置信息以建立局部坐标系。通过实验数据分析,标靶球拟合精度满足3mm最大允许误差,点云处理速度得到有效提升,验证了特征识别方法的准确性和高效性。最后通过坐标系转换估计出探测车的位姿矩阵信息。     

噪声背景下基于激光雷达点云数据的分裂导线自动提取与三维重建

提出了基于改进DPC算法的具有强抗噪性的分裂导线自动提取与三维重建方法。以噪声背景下的输电线路点云数据为分析对象，首先根据特征分析法滤除输电线路点云中的地物点和杆塔点，并采用K-MEANS聚类方法提取每根电力线点云；然后提出改进DPC算法实现分裂子导线点云的聚类和提取；最后采用最小二乘法实现各分裂子导线三维模型重建。并与K-MEANS算法的聚类结果进行了对比，证明了改进DPC算法的强抗噪性和鲁棒性。     

基于ELMD-SVD和Prony的谐波间谐波检测方法

为了解决噪声干扰Prony算法提取谐波参数问题,提出了一种集成局部均值分解（ELMD）-奇异值分解（SVD）-Prony的谐波分析方法（ELMD-SVD-Prony）。首先采用ELMD分解含噪信号,对获得的一系列乘积函数（PF）采用K-L散度来确定含噪分量与有效分量之间的分界点,去除噪声分量并保留有效分量,对有效分量通过相空间重构Hankel矩阵,运用奇异值分解进行二次降噪并重构。最后将重构的信号与ELMD余项叠加得到去噪后的谐波信号,结合Prony算法检测谐波的频率、幅值与相位。仿真实验结果表明,该方法能有效降噪并提取谐波特征参数。     

基于点云处理的小型工业零件高度精密测量

针对很多小型工业零件存在微米级测量的需求,提出了一种点云多次滤波与平面拟合相结合的测量方法。以上下平面平行的规则直三棱柱体工件作为测量对象,使用3D线激光传感器获取工件的点云模型并传输到计算机中进行处理,将点云数据首先通过统计滤波剔除噪声和离群值;其次利用体素滤波降采样精简点云数量;然后采用直通滤波分离出工件点云的上下表面;再分别对上下表面的点云通过随机抽样一致性（RANSAC）算法拟合出平面方程;最后计算上下平面之间的间距即为被测工件的高度信息。将该方法测得的高度与激光三角法原理测得的高度数据进行对比,结果表明,该方法测量精度提高了72.33%;同时对于不同的点云密度,利用所提出的方法进行测量,测得当降采样中体素立方体的边长为15cm时（点云数量精简了98.3%时）测量的误差最小,最小能达到5.1。该方法大大提高了工件的测量精度,可以广泛应用于工业测量中。     

基于3D点云的电缆自适应多尺度去噪算法研究

针对所采集的原始3D点云电缆数据存在大尺度离群点和小尺度起伏噪点的问题,设计出一种基于3D点云的电缆自适应多尺度去噪算法。首先,对于原始3D点云电缆数据应用统计离群消除滤波算法滤波,去除大尺度空间孤立离群点;其次,对于传统双边滤波的两个参数σc以及σs应用了基于半径和标准差的自适应改进;最后,采用提出的基于半径和标准差的自适应双边滤波算法去除3D点云电缆数据中的小尺度起伏噪点。实验结果表明,提出算法对3D点云电缆数据能多尺度去除噪点,且无需人工调整参数,明确了电缆边界,实现了理想的点云去噪效果,为后续电缆分割、识别等可视化巡检奠定了良好基础。     

基于M估计算法的三维点云平面拟合方法研究

通过激光传感器获取的三维点云难免混入噪声和异常点,导致点云平面的拟合精度降低。为解决该问题,本文提出了一种结合M估计样本一致性(MSAC)算法和主成分分析(PCA)法拟合点云平面的方法。该方法首先通过MSAC算法去除点云数据中的异常点,获得较为理想的点云平面,然后使用PCA方法对保留的点云数据进行平面拟合,以获取更加精确的点云平面参数。使用电池托盘作为被测物,应用3D线激光轮廓传感器扫描被测物并将点云数据传输到计算机进行处理。通过设定的仿真数据和电池托盘点云数据进行实验,发现本文方法与随机采样一致性(RANSAC)结合PCA、最小平方中值(LMedS)结合PCA的方法相比,在耗时接近的情况下,能够显著降低异常点对点云平面拟合的影响,获得更精确的平面拟合参数。对两个部分的电池托盘点云滤波处理后进行平面拟合时,能够发现本文方法与其他两种方法相比,标准差分别降低了28.6%和22.5%%、24.0%和29.0%,该方法具有较高的平面拟合精度和实用性。     

基于自适应阀值的小波全频降噪方法研究及实现

在含噪信号中提取有效的局部放电信号时,传统的小波阈值降噪方法只对小波分解的高频部分进行降噪处理,而忽略了低频部分噪声对局部放电信号的影响。针对该方法的缺陷,本文提出一种基于自适应阈值的小波全频降噪方法。该方法根据噪声的小波分解系数随尺度增大而减小的特点,采用随尺度变化的自适应阈值对高频部分噪声进行处理,采用传统的固定阈值对低频部分噪声进行处理,从而实现对局部放电信号的小波全频降噪处理。实验数据表明:与传统的小波阈值降噪方法相比,小波全频降噪方法的均方根误差降低了19.3%,噪声抑制比和噪声降低水平分别提高56.4%、10.8%。由此验证了自适应阈值的小波全频降噪方法的降噪效果优于传统小波阈值降噪方法。     

基于EWT的高压电缆局部放电信号降噪研究

在测量高压电缆的局放信号时会混入以周期性窄带干扰和随机白噪声为主的噪声成分。为抑制噪声成分对局放信号测量精确度的影响,提出一种基于经验小波变换(Empirical Wavelet Transform, EWT )的高压电缆局放信号降噪方法。利用自适应经验小波变换对含噪信号进行分解,通过计算模态分量的峭度值,实现对脉冲信号的定位,将筛选出的有效特征分量进行重构。最后利用改进阈值函数去除重构信号中的冗余噪声,实现对多噪声的有效抑制。经仿真对比及现场试验测试,该方法能有效抑制窄带干扰和白噪声,较大程度地保留高压电缆局放中的有效信息,且在不同噪声环境下的降噪表现较为稳定。     

基于激光点云数据的地形地貌测量研究

针对在实际测量地形地貌时激光数据过滤误差较大的问题,设计了基于激光电云数据的地形地貌测量及处理方法。采集激光点云数据,结合公共标靶法与最小二乘法补全点云数据且自动过滤非地面数据,对激光点云数据的平面坐标与高程实施转换,生成待测区域的地形地貌等高线,实现该区域的地形地貌测量。通过实验验证设计方法性能,结果表明,该方法可实现分散站点激光点云数据的拼接与过滤处理,过滤性能稳定且过滤误差较低,平均为2.1%,可精准测量实验地区的地形地貌,坐标值误差平均为0.187,满足实际应用中的地形地貌高精度测量需求。     

基于边缘融合与监督-密集块特征提取去噪网络设计

去噪卷积神经网络(denoising convolutional neural network, DnCNN)在去噪方面展现出了优异的性能,但仍存在着过度平滑和细节丢失的问题。针对此问题,提出一种图像边缘融合与监督-密集块充分特征提取的方法,该方法在主干网络中使用叠加的密集块对图像特征进行充分地提取;在辅助网络中通过提取含噪图像的边缘信息将其融合在主干去噪网络中并分阶段监督主干网络促使主干网络在去噪的同时更好的保留图像细节,提高去噪图像的成像质量。实验证明在噪声水平为25的条件下,模型在Set12数据集上的平均峰值信噪比(PSNR)和结构相似性(SSIM)比传统的DnCNN模型分别高出0.14 dB和0.011。同时该模型还可以用来训练去除高斯盲噪声和脉冲盲噪声,使用高斯盲噪声去噪网络去除噪声水平为25的高斯噪声,在Set12数据集上PSNR和SSIM值较DnCNN-B网络分别提升0.16 dB和0.005;使用脉冲盲噪声去噪网络去除10%的脉冲噪声在Set12数据集上PSNR值和SSIM值分别可以达到37.16 dB和0.960。模型在去除噪声的同时还能尽可能多的保留图像的细节。     

融合VMD优化和小波包分析的陶瓷检测信号降噪方法研究

针对陶瓷敲击检测信号含有噪声的问题,提出一种融合VMD优化与小波包分析（WPD）相结合的联合降噪方法。首先,应用能量的起始点检测准则提取实际信号的有效信息;其次,遗传算法（GA）选取VMD参数并自适应分解含噪信号;然后,计算各模态分量和原始信号的相关系数,将模态分量分为信号主分量和噪声分量;最后对信号主分量进行小波包分析,重构信息获取去噪后的信号。仿真实验证明：在分别加入10dB、20dB噪声时,该方法信噪比最高（23.81dB、24.75dB）,均方误差最小（0.07、0.01）, 与常用的去噪方法相比,去噪效果均有明显提升。陶瓷试件敲击检测信号测试实验表明,该方法能有效去除不同类型陶瓷试件敲击检测声音信号的噪声,具有良好的去噪性能。     

小波变换阈值降噪方法及在武器自动机数据处理中的应用

研究基于小波变换的信号降噪的原理和方法,从中选择阈值法降噪.详细论述了该方法的原理,特点和利用MATLAB中小波分析工具箱进行设计的步骤.对默认阈值消噪处理,强制消噪处理,给定阈值消噪处理3种阈值处理方法和rigrsure,heursure,sqtwolog,minimax 4种阈值选择方法进行了定性和定量比较,并实现了自动机数据信号降噪的计算机仿真.通过比较,得出在处理实际自动机数据信号时,给定阈值消噪处理方法中的heursure阈值和rigrsure阈值选取规则能够更有效去除噪声.     

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。     

改进EWT算法的心电信号去噪研究

心电图对诊断心律失常具有重要意义,但心电信号易受各种噪声的干扰,噪声会改变心电信号的形态,影响心律失常的准确诊断。本文提出了一种改进经验小波变换的心电信号去噪算法,根据心电信号的频域特点,改进了经验小波变换中频谱的划分方法,并通过计算过零率和相关系数去除噪声相关的经验模态函数,使用小波阈值法去除剩余分量的残留噪声。实验结果显示,基线漂移和肌电干扰得到有效滤除,降噪后信号的信噪比为17.7382dB,均方根误差为0.0203,优于其他常用方法。改进的经验小波变换算法降噪效果明显,能够有效还原原始心电信号特征。     

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。     

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。     

电能质量扰动信号的自适应去噪方法

有效地降低电能质量信号中的噪声,是做好电能质量信号检测、识别等工作的基础。为了克服一维电能质量信号降噪的难点问题,即有效地去除噪声并完整地保留奇异点的特征,对目前图像处理领域中针对高斯等噪声降噪性能最好的基于块匹配的三维变换域联合滤波(BM3D)算法进行了改进,提出一种电能质量扰动信号的自适应去噪新方法。该方法参数较少,无需估计噪声方差,也无需人为设定滤波阈值,而是通过自适应估算较为准确的阈值实现离散余弦变换(DCT)域的滤波。通过对电压中断、电压暂降、电压暂升、脉冲暂态、振荡暂态和谐波这6种常见的电能质量信号进行降噪仿真实验,并与应用较为广泛的小波阈值去噪法进行对比分析,最后应用于实际电能质量扰动数据的降噪,验证了所述算法的有效性。     

基于RTS噪声测量与参量的提取

RTS噪声是探测小尺寸器件缺陷的有效手段,是表征纳米MOSFET器件可靠性的重要敏感参数,为了能够准确测量RTS噪声并提取特征参量,设计了具有二级抑噪的低噪声偏置电路,采用双通道互谱测量法对RTS噪声进行测量.利用EMD处理非平稳噪声信号后对参量进行提取。实验结果表明,相同采样点时,参量提取的误差比传统方法减小30%。相同精度时,采样点仅为传统方法采样数目的1/10。     

基于波形匹配端点延拓法优化的经验模态分解算法在铁路继电器参数降噪上的应用

针对铁路继电器参数的噪声问题,为提取其有效信息,该文建立一种基于改进波形匹配延拓法优化的经验模态分解（EMD）算法,利用自相关函数分离含噪信号,小波阈值去除噪声的混合降噪模型。首先根据继电器参数特点对波形匹配方法进行改进,重新定义匹配误差度公式,并引入匹配精度误差系数,采用改进波形匹配延拓法优化EMD分解过程产生的端点效应,得到有效的固有模态分量（IMF）和余项;然后求解其自相关函数,并根据自相关函数图像结合噪声信号特征分离出含噪分量;最后对含噪分量进行小波阈值去噪,去噪后与剩余分量和余项结合,得到重构后的参数序列。同时,提出利用结构相似性（SSIM）评价指标,结合信噪比（SNR）、方均误差（MSE）指数对模型可靠度评判。通过结果分析,并与EMD分解后重构和小波阈值去噪方法作对比,证明该模型可优化铁路继电器参数的降噪效果。