新型三维激光扫描系统曲面重构技术

为了克服现有逆向工程装备价格昂贵且不能满足实时测量的缺点,提出了一种新型成本低、扫描速度快的三维激光自由曲面扫描系统.针对该系统的曲面重构问题,提出神经网络曲面重构方案,网络的输入选取所获得的点云数据的X、Y坐标,网络的输出则选取点云数据的Z坐标.比较了径向基神经网络(RBFNN)和多层前馈神经网络(MLPNN)两种典...     

室内移动机器人目标定位性准确匹配研究

在室内移动机器人目标定位系统中的扫描匹配技术中,传统的迭代最近点算法存在待配准点云初始位置要求苛刻、难以找到正确对应点对的问题,因此提出一种基于Kinect传感器获取三维环境点云,根据旋转投影统计特征描述子的相似性来查找对应点对并进行扫描匹配的移动机器人目标定位方法。首先通过Kinect传感器获取物体点云图,根据特征提取算法提取点云特征;然后获取两个待匹配点云的旋转投影统计特征描述子,通过比较两个描述子之间特征的相似程度,估算它们之间的对应关系,采用距离差分矩阵算法剔除误匹配点,计算初始匹配参数;最后利用最小二乘法迭代进行ICP配准,获得点云间的最终变换矩阵,实现目标定位。实验结果表明,改进后的算法有效地提高了点云匹配效率和配准精度,得到了较精确的目标定位信息。     

NURBS曲面重构与点云-曲面误差分析

通过对某汽车零件进行光栅扫描、解相和去包裹处理,获取物体三维点云数据,对点云数据进行降噪、精简和网格化处理。然后根据点云曲率分布云图将点云数据分割成11块区域,首先对A区域点云数据进行曲面拟合,生成4×4阶均匀曲面,然后对其余分块点云数据分别进行曲面拟合,最后通过曲面延伸、拼接、倒角、修剪等处理,获取物体NURBS自由曲面,总体点云-曲面误差为0.2645 mm,并且曲面间符合G1相切连续和法向曲率连续,解决了在曲率较大的地方拟合误差较大的问题,提高了曲面的重构精度。     

基于Kinect的骨骼配准的人体三维重建

在常用的基于特征点提取、贴标签等的点云配准方法中,都是为了便于确定对应点集,进而进行点云数据的配准操作。针对点云配准中确定对应点集的问题,文章基于Kinect能够采集人体骨骼点数据且有序的特性,提出以骨骼点数据作为对应点集,进行点云数据的配准操作,达到减少点云数据的计算量,降低点云数据的配准时间,提高配准效率的目的。实验表明,系统设备成本低、数据采集操作简单,且能够快速并较高精度的完成人体点云数据的配准操作,得到人体三维模型。     

基于激光雷达的空间物体三维建模与体积计算

求取体积参数是空间体对象形态分析的基本内容。采用激光雷达对空间物体进行扫描获得激光点云并求得其体积。首先使用三维激光雷达扫描物体获得原始点云;点云经过三维空间变换后,对点云进行缺失数据修补;再通过滤波和下采样处理进行点云去噪和点云数据的精简;最后采用一种隐式曲面重建算法构建三维点云的mesh网格模型,进而由网格模型求取体积。通过实验验证,使用激光雷达分别扫描了两个实验对象,将实验体积结果与实际的体积数据相比,误差分别仅为0.456%和0.394%,表明该体积计算方法有良好的曲面重建效果和体积计算精度。     

三维激光扫描测量在既有建筑物图纸测绘中的应用研究

本文首先介绍了三维激光扫描测量系统的测量原理,然后采用三维激光扫描仪对实际建筑进行扫描,获取点云数据,然后对点云数据进行处理,最终得到建筑的测绘图纸,最后总结了三维激光扫描测量在既有建筑物图纸测绘中方法和技巧,这些方法大大提高图纸测绘的效率和精度.     

基于双线投影与线面约束的3D扫描测量系统研究

将双目传感器和线结构光有机地结合到一起,设计了一套能够对大尺寸被测物进行无导轨三维扫描的测量系统。通过标定实现双目传感器与结构光传感器坐标系的统一。提出了一种双线投影模型,实现了双目标记点的立体匹配和标记点传感器坐标的测量。设计了基于线面约束的结构光测量模型,实现了物体表面光条三维信息的获取。采用空间几何相对不变性原则实现标记点传感器坐标和世界坐标的全局匹配,进而确定在测量位置处传感器坐标系与世界坐标系的转换关系。最终将传感器实时扫描测量的物体表面的三维点云数据转换到世界坐标系下,实现对被测物三维的扫描测量,工作距离下扫描测量精度优于0.08 mm。     

基于像素级别的Kinect深度测量误差补偿方法

本文提出了一种基于像素级别的Kinect2.0 深度误差补偿方法。首先,利用Kinect2.0传感器在不同的位置处采集一个 标准平面。第二 ,利用最小二乘 法将采集的三维数据进行平面拟合,作为理论平面数据。第三,逐像素点地计算Kinect2.0 传感器的深度误 差,并建立一个三维查找表。第四,通过建立一个三维查找表,在测量过程中通过插值方法 计算每个像素 点的深度,实现Kinect2.0测量数据深度方向的误差补偿。实验结果表明, 所研究的误差补 偿方法在Kinect2.0 内部参数未知的情况下,能稳定可靠地将Kinect2.0的平均测量误差减小到 0.8mm以内。对于Kinect2.0在较高精度场合的应用,本文算法能够使 测量精度达到更高。     

基于条纹式激光传感器与机器人的扫描成像系统

提出了一种以条纹式激光传感器和工业机器人为平台对工件进行扫描检测并对其轮廓进行成像的系统方案。条纹式激光传感器移动式扫描工件获取工件轮廓的三维点云数据,然后结合特定的算法对点云数据进行去噪、插值、插补处理,使得点云数据能更加真实地反映工件的客观形貌,最终根据点云数据的信息生成工件轮廓的二值化图像。在实验中成像精度能达到0.1 mm 级,从而在某些特殊的工业场合替代传统的CCD 相机实现对工件的成像及检测定位,解决了传统CCD 的抗干扰能力不足的问题。     

基于体素化网格下采样的点云简化算法研究

针对三维点云数据冗余量大、重建时间长、效率低等问题,提出一种基于体素化网格下采样的点云简化算法。该算法首先求出点云数据集的最小三维长方体包围盒,把点云数据划分进三维体素栅格中去;其次计算点云的k邻域,进行曲面法向量估计;然后,在三维体素栅格中选择满足要求的数据点,实现点云下采样;最后,调用Power Crust对下采样点云数据进行曲面重建,在三维可视化类库Visualization Toolkit(VTK)进行显示。实验结果表明,该算法能够加快三维点云数据的重建速度,较好地保持了点云特征,提高曲面重建的效率和鲁棒性,适合实时处理。