散乱点云数据配准算法

提出一种以物体表面上不附加任何几何和拓扑信息的散乱点集为处理对象,自动进行点云数据配准的算法．该算法针对待配准的2组点云数据,根据测点及其邻域点估算每个点的曲面法矢,并对法矢方向进行调整,使其指向曲面的同一侧;然后计算各个测点的曲率．根据每个测点的曲率来识别出2组点云数据中可以匹配的点对集合。计算将每一个点对的法矢方向映射为一致的三维空间变换,采用几何哈希方法找出使得最多数量的点对法矢一致的变换,运用该变换将散乱点云作初次配准．以初次配准后的结果作为新的初始位置,将匹配点对集合中的所有点对采用最近点迭代法进行二次配准,从而实现了2组散乱数据的精确配准．应用实例表明,该算法效果良好．     

基于相移的三维扫描数据自动配准方法研究

在三维扫描过程中,常因受到设备自身因素与点云丢失的限制而难以一次性完成数据采集。为准确实现物体三维模型重构,提出基于相移的三维扫描数据自动配准方法。首先设置旋转台,利用非接触式结构光方法获得转动轴的有关信息,从而采集目标点云数据。在此基础上,结合任意一点与其周围点曲率信息建立曲率图,对全部顶点做曲率运算,将数据划分为连续子块,计算每个子块中平均值和方差,从而提取关键特征点。然后获取两幅具有部分重叠关系图像的相对位移,采用交叉功率谱的傅里叶变换完成位移估计,再通过构造与组合点对、粗略与精确配准去除噪声点,实现三维扫描数据自动配准。仿真实验表明,该方法能够在确保配准精度的同时提高配准方法的运行效率,可靠性和实用性较强。     

板金属冲压零件表面模型与实测点云配准研究

为研究板料零件成形后实测点与设计原型之间的制造偏差,需要将实测坐标点云数据和产品数字模型进行配准,实现设计坐标系和实测点云数据的测量坐标系的统一。以CAD模型离散点云数据为引导,将配准过程分为初步配准和精确配准两个步骤。采用基于PCA提取特征坐标系的方法进行初步配准,采用k-d tree加速的ICP算法进行精确配准,将实测点云数据和设计原型离散点云数据转换到同一个坐标系中。基于UG NX平台将经过坐标转换的实测点云数据读入到CAD模型中,得到同一环境坐标系下配准后的实测点云数据和CAD模型,为制造偏差分析提供了基础,并进行了实例验证。     

扫描点云的一种自动配准方法

针对无任何预知信息下的扫描点云数据配准问题,通过引入新的匹配点对度量准则和改进最近点迭代算法,提出一种扫描点云数据的自动配准方法.该方法分为初始配准和精细配准2个阶段.初始配准阶段中,在考虑孤立点的曲率相似度的基础上,通过引入一种新的点的邻域曲率相似度度量准则,构造出一个有效的一一对应的初始匹配点对数组;然后根据刚体变...     

基于机械臂的Kinect车辆轮廓点云配准

车辆轮廓的三维点云模型在汽车智能化制造及维保过程中具有重要作用。为提高点云配准的精度和效率,以汽车维保机器人为研究对象,提出一种基于点云数据处理技术的车辆轮廓扫描定位及点云数据配准方法。在机械臂末端安装Kinect深度传感器实现精准移动,在汽车四周采集点云数据并进行预处理,根据机械臂运动学方程计算传感器采样位姿,完成初步配准。在此基础上,使用迭代最近点算法完成车辆轮廓点云的精确配准。实验结果表明,该方法可完成各视角点云数据的准确、快速配准,得到完整的三维点云数字模型。     

基于特征点和改进ICP的三维点云数据配准算法

在光学非接触三维测量中,复杂对象的重构需要多组测量数据的配准。最近点迭代(ICP)算法是三维激光扫描数据处理中点云数据配准的一种经典的数学方法,为了获得更好的配准结果,在ICP算法的基础之上,提出了结合基于特征点的等曲率预配准方法和邻近搜索ICP改进算法的精细配准,自动进行点云数据配准的算法,经对牙齿点云模型实验发现,点云数据量越大,算法的配准速度优势越明显,采用ICP算法的运行时间(194.58 s)远大于本算法的运行时间(89.13 s)。应用实例表明:该算法具有速度快、精度高的特点,算法效果良好。     

基于全局配准累积误差极小的人体RGB-D数据三维重建

针对RGB-D扫描数据获取和人体三维重建过程中存在扫描数据分辨率不高、噪声干扰影响较大、配准误差较大等问题,提出一种基于累积误差极小的RGB-D扫描数据全局配准的人体模型三维重建方法.首先采集人体扫描数据并进行预处理,去除噪声和背景;然后利用基于三维点特征描述符匹配求解局部扫描数据的粗略配准,并通过最近点迭代的方法进行精细配准;再构建局部配准数据加权图,通过最小生成树方法合并局部相邻帧数据来减少全局误差传播的影响,利用环闭合的方法解决累积误差问题并得到全局刚体配准结果;通过对全局刚体配准后的数据依次进行非刚体变换并不断融合配准后数据,解决扫描过程中的移动问题,进一步减少全局累积误差;最后利用全局配准结果和扫描数据中的颜色信息生成融合颜色信息的人体三维重建模型.利用2台Kinect设备扫描获取的人体全方位扫描数据进行实验的结果表明,该方法能够方便、高效地重建具有高度真实感的三维人体,而且重建生成的三维人体测量尺寸与真实人体尺寸之间的误差较小.     

基于投影的点云配准算法

点云配准分为粗配准和精配准两个阶段。在精配准阶段,大部分采用迭代最近点(ICP)算法。由于ICP算法的性能很大程度上依赖于点云初始位置,因此点云粗配准是点云配准的关键环节,能为ICP提供良好的初始位置。基于三视图的概念,分析了点云配准的关系,提出了一种新的点云空间位置评价方法,进而利用遗传算法提出了一种降维处理空间点云的点云粗配准新算法。首先,将三维空间点云分别投影到三个坐标平面,利用信息熵概念求解每个投影面的熵值;然后,以三个坐标平面的熵值之和作为目标函数,利用遗传算法搜索出最优空间变换矩阵;最后,将变换矩阵作用于目标点云实现点云的粗配准。试验表明,新算法配准效果好,能为精配准提供优良初始位置,且效率高。该算法能为点云的曲面重构研究提供优良的原始点云数据。     

基于Xtion传感器的玉米果穗三维形态指标测量系统

为了快速无损测量玉米果穗三维形态指标,设计了一种基于Xtion传感器的玉米果穗三维形态指标测量系统。采用Xtion配合电动转台采集多视角玉米果穗点云数据,利用ICP配准方法对完整果穗点云数据进行配准拼接,采取泊松重建方法对配准后的点云数据进行三维重建,最后利用散度原理进行果穗体积的计算。结果表明：测得的体积值与其真实值之间的误差在9%之内。该方法为自动化玉米果穗三维形态指标测量提供了切实可行的新途径。     

基于曲率的点云数据配准算法

为了实现不同视角下测得的数据的多视定位,提出一种点云数据配准算法。该算法针对近邻内的点,采用二次曲面逼近的方法来求得每个点的曲率,并根据曲率的Hausdorff距离来寻找有效点集,建立名义上的对应关系,最后用四元组法来求得坐标变换,把数据统一到一个坐标系下。该算法利用曲率的性质准确判断对应点集,解决了任意多视点云的拼合问题,试验结果验证了其有效性和精度。     

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Kinect的点云配准方法

Kinect采集的点云存在点云数量大、点云位置有误差,直接使用迭代最近点(ICP)算法对点云进行配准时效率低.针对该问题,提出一种基于特征点法向量夹角的改进点云配准算法.首先使用体素栅格对Kinect采集的原始点云进行下采样,精简点云数量,并使用滤波器移除离群点.然后使用SIFT算法提取目标点云与待配准点云公共部分的特征点,通过计算特征点法向量之间的夹角调整点云位姿,完成点云的初始配准.最后使用ICP算法完成点云的精细配准.实验结果表明,该算法与传统ICP算法相比,在保证点云配准精度的同时,能够提高点云的配准效率,具有较高的适用性和鲁棒性.     

使用霍夫变换的3维点云拼合算法

目的 直接基于点云数据本身的拼合算法对点云模型的位置和重叠度有着较高的要求。为了克服这种缺陷,提出一种针对散乱点云的分步拼合算法。方法 不同于大多数已有的基于曲率信息的拼合算法,本文算法包含了一个序贯式的匹配点对筛选过程和一个基于霍夫变换的坐标变换参数估计过程。在筛选过程中,首先利用曲率相似度确定点云数据之间的初始匹配关系,然后利用刚体不变量特征邻域标识相似度以及持续特征直方图相似度对初始匹配点对进行连续两次筛选以便得到更为精确的匹配点对集。在参数估计阶段,通过对匹配点对的旋转矩阵和平移矢量的参数化处理,利用霍夫变换消除错误匹配点对对坐标变换参数估计的影响,从而得到更加准确的坐标变换参数,实现点云的3维拼合。结果 利用本文算法对两片部分重叠的点云数据进行了拼接实验。实验结果表明,本文算法能很好地实现对部分重叠点云的拼合。由于霍夫变换的引入,本文算法相较于经典的Ransac算法具有更高的正确率、稳定性以及抗噪性,在运行速度上也具有一定的优越性。结论 本文算法不仅能适用于任何具有任意初始相对位置的部分重叠点云的拼接,而且可以取得很高的拼合精度和很好的噪声鲁棒性。     

输电通道机载激光点云多级配准研究

机载LiDAR在输电通道变化检测应用中的关键是多时相点云的高效高精度配准,实验将PCA主轴变换与改进ICP算法相结合提出一种多级配准方法.首先基于输电通道杆塔不易形变的特点,采用PCA算法计算对应杆塔点云的3个主轴向量,通过校正主轴方向得到两组杆塔点云的粗略位姿变换关系,然后利用改进搜索和收敛策略的IC P方法实现精配...     

结合超体素和区域增长的植物器官点云分割

点云分割是点云识别与建模的基础。为提高点云分割准确率和效率，提出一种结合超体素和区域增长的自适应分割算法。根据三维点云的空间位置和法向量信息，利用八叉树对点云进行初始分割得到超体素。选取超体素的中心体素组成一个新的重采样后的密度均匀点云，降低原始点云数据处理量，从而减少运算时间。建立重采样后点云数据的K-D树索引，根据其局部特征得到点云簇。最后将聚类结果返回到原始点云空间。分别选取植物三个物候期的激光扫描点云，对该方法的有效性进行验证。实验结果表明，该方法分割后点云与手工分割平均拟合度达到93.38%，高于其他同类方法，且算法效率得到明显提升。     

一种高程相关的机载LiDAR点云配准方法

针对现有配准方法难以提取大范围机载LiDAR点云特征信息的问题,提出了一种基于2片待配准机载LiDAR点云高程数据相关的点云自动配准方法。首先,将待配准点一定范围内的点云拟合局部曲面;然后,在另一点云片中确定搜索区域,利用拟合结果求解搜索区域内的点云在拟合曲面上的高程;最后,通过计算拟合高程与实际高程的相关系数,选择搜索区域内相关系数最大位置作为配准的关键点参与点云配准,反复迭代直到完成配准。文章用实际采集的机载LiDAR数据进行了实验分析,并与传统的ICP算法进行了对比。实验结果表明,该方法在配准精度上能达到较高的水准,能够满足机载LiDAR点云配准的要求。     

基于线特征及迭代最近点算法的地基建筑物点云自动配准方法

为克服迭代最近点(ICP)算法易陷入局部最优的缺陷，提出一种基于线特征及ICP算法的地基建筑物点云自动配准方法。首先，基于法向一致性进行建筑物点云平面分割；接着，采用alpha-shape算法进行点簇轮廓线提取，并拆分和拟合处理得到特征线段；然后，以线对作为配准基元，以线对夹角和距离作为相似性测度进行同名特征匹配，实现建筑物点云的粗配准；最后，以粗配准结果为初值，进一步采用ICP算法完成点云精确配准。利用两组部分重叠的建筑物点云进行配准实验，实验结果表明，采用由粗到精的配准方法能有效改善ICP算法对初值依赖的问题，实现具有部分重叠的建筑物点云的有效配准。     

A CNN-based 3D patch registration approach for integrating sequential models in support of progress monitoring

Significant advancements in three-dimensional (3D) imaging technologies have enabled the ability to effectively monitor and manage the progress of works in construction. Traditionally, 3D point clouds have been used in conjunction with building information models to visualize the progress of works. The discrepancies between ‘as-planned’ and ‘actual’ models are unable to be automatically identified using the existing approaches due the absence of an effective registration algorithm. To ensure the registration accuracy of multi-scanned point clouds, an automated method based on a data-driven Convolutional Neural Network (CNN) deep learning algorithm is proposed. In this instance, 3D Point cloud patches are aligned with spatial datasets that are scanned from different locations using range cameras. The registration results are used to automatically detect spatial changes when compared with different point clouds. The quantified changes are utilized to determine the percentage of work that has been completed at fixed intervals. The developed registration approach is tested and validated using a series of experiments. It is demonstrated that discrepancies between ‘as-planned’ and ‘actual’ models can be identified with a higher level of accuracy, which can enable the baseline for monitoring construction to be undertaken in real-time.     

Point set augmentation through fitting for enhanced ICP registration of point clouds in multisensor coordinate metrology

In multisensor coordinate metrology scenarios involving the fusion of homogenous data, specifically 3D point clouds like those originated by CMMs and structured light scanners, the problem of registration, i.e. the proper localization of the clouds in the same coordinate system, is of central importance. For fine registration, known variants of the Iterative Closest Point (ICP) algorithm are commonly adopted; however, no attempt seems to be done to tweak such algorithms to better suit the distinctive multisensor nature of the data. This work investigates an original approach that targets issues which are specific to multisensor coordinate metrology scenarios, such as coexistence of point sets with different densities, different spatial arrangements (e.g. sparse CMM points vs. gridded sets from light scanners), and different noise levels associated to the point sets depending on the metrological performances of the sensors involved. The proposed approach is based on combining known ICP variants with novel point set augmentation techniques, where new points are added to existing sets with the purpose of improving registration performance and robustness to measurement error. In particular, augmentation techniques based on advanced fitting solutions promote a paradigm shift for registration, which is not seen as a geometric problem consisting in moving point sets as close as possible to each other, but as a problem where it is not the original points, but the underlying geometries that must be brought together. In this work, promising combinations of ICP and point augmentation techniques are investigated through the application to virtual scenarios involving synthetic geometries and simulated measurements. Guidelines for approaching registration problems in industrial scenarios involving multisensor data fusion are also provided.