一种基于RANSAC的点云特征线提取算法

点云中提取的特征线在点云处理中具有重要的应用价值,已被应用于对称性检测、表面重建及点云与图像之间的注册等。然而,已有的点云特征线提取算法无法有效地处理点云中不可避免的噪声、外点和数据缺失,而随机采样一致性RANSAC由于具有较高的鲁棒性,在图像和三维模型处理中具有广泛的应用。为此,针对由建筑物或机械部件等具有平面特征的物体扫描得到的点云,提出了一种基于RANSAC的特征线提取算法。本算法首先基于RANSAC在点云中检测出多个平面,然后将每个平面参数化域的边界点作为候选,在这些候选点上再应用基于全局约束的RANSAC得到最终的特征线。实验结果表明,该算法对点云中的噪声、外点和数据缺失具有很强的鲁棒性。     

基于特征线分段技术的牙齿分割算法

牙齿分割是计算机口腔正畸的重要技术,针对三维牙颌模型直接进行牙齿分割而不对齿间融合区域进行处理会存在精确度较差、缺失侧面形状的问题,以及现有牙齿形状建模方法交互多、效率低的问题,提出一种基于特征线分段技术的牙齿分割算法。根据曲率信息筛选特征区域并采用形态学算法提取牙列特征线;结合特征线分段和分支点匹配算法以及形态学膨胀操作实现齿间融合区域的自动识别;利用匹配的分支点对齿间孔洞搭桥修补,实现牙齿形状的自动恢复;提取齿间龈缘线,然后以所有龈缘线作为牙齿分割线分离出单颗牙齿。实验结果表明,该算法不仅能准确分离出具有侧面形状的单颗牙齿,而且避免了牙齿形状建模时的交互操作,而且与手动识别并删除齿间粘连区域、采用曲面能量约束方式重建齿间缺失曲面的方法相比,提高了牙齿分割效率60%~90%。     

保留几何特征的散乱点云简化算法

针对散乱点云简化中易丢失几何特征及潜在曲面形状信息的问题,提出一种保留几何特征的散乱点云简化算法.首先以单位距离上的法向变化作为局部特征检测算子,采用基于泊松分布的区域生长法自适应地检测特征点,并计算潜在曲面的平均弯曲度;然后通过设定不同的聚类阈值,并利用共享近邻聚类算法对非特征点的邻域进行聚类分析,从而判定该点处潜在曲面的弯曲程度,同时检测噪声点;最后,删除噪声点,根据潜在曲面弯曲程度,采用不同的简化策略删除冗余点.该算法不但避免了在大量精简时造成孔洞,而且使得简化后模型尽可能保持原始潜在曲面的形状信息,降低简化误差.实验结果表明,文中算法简单、有效,能够同时保留原始点云的几何特征及潜在曲面的形状信息,具有较低的简化误差和良好的鲁棒性.     

掌纹ROI分割算法的研究与实现

掌纹感兴趣区(ROI)分割是掌纹识别的关键步骤,目前掌纹分割方法主要存在定位点不易确定和同类图像ROI提取偏移度较大等问题,为改善这些问题,提出一种新的ROI分割算法。首先确定手掌图像中的两个指谷点;然后利用手掌轮廓特定区域边界点拟合直线,以该直线为基准,以固定角度的方式建立直角坐标系,利用指谷点找到掌纹信息丰富的区域,确定掌纹的ROI,最后提取特征矢量进行匹配识别。实验结果表明,该算法分割掌纹ROI的准确度高、速度快,对同类图像分割的偏移度更小,掌纹ROI的提取率达98.2%,掌纹正确识别率提高了3%左右,为基于掌纹的身份认证系统的实现提供了理论和实验依据。     

曲面重构中点云数据的区域分割研究

在曲面重构中，由于实际的曲面模型往往含有多个曲面几何特征，即由多张曲面组成，如果对使用激光法测量的“点云”数据直接进行拟合，将会造成曲面模型的数学表示和拟合算法处理的难度加大，甚至无法用较简单的数学表达式描述曲面模型，因此针对该问题，提出了一种基于数据点曲率变化的区域分割方法，即先对每一条扫描线上的数据点求取曲率值，然后将其中曲率值变化较大的点提取出来作为边界点，当边界确定后，再将云点数据分割成多个区域，由于每个区域一般具有较简单的几何特征，因此可用简单的数学模型来描述，并可重构单张曲面。该算法不仅原理简单、易于理解和编程，而且能提高曲面模型重构效率。     

基于几何特征的在线手绘草图分割

针对现有基于几何特征的笔画分割方法的不足,提出一种将笔画分为可识别基本几何线元的组合的笔画分割方法.首先将笔画的采样点进行基于折线化逼近的数据压缩,得到反映笔画特征的折点序列.其次依据折点的方向将笔画分为凸笔画和凹笔画,对于凸笔画给出了其分割点提取原则——将笔画分割成跨度最大的几条子笔画的组合,并给出了相应的提取算法;而凹笔画的几何特征提取方法是先将其进行凸化处理,将凹笔画分割成几个凸笔画的组合,然后通过凸笔画的分割点提取算法得到凹笔画的分割点;在进行凹笔画的凸化处理时提出了单位长度内所跨折点数最大的分割原则及算法.最后采用单一线元合并方法对误分割点进行修正处理.通过自主开发的FSR_JS原型系统对上述算法进行验证,并给出了笔画分割点修正前,后的比较分析,结果表明,本文方法能有效地解决在线手绘笔画的分割问题,通过分割点的修正可有效地提高分割正确率,为后期手绘图的识别研究及三维重构奠定了基础.     

基于圆形模板的字符特征点提取算法

提出一种新的基于圆形模板的字符特征点提取算法,通过分析圆形模板被字符笔画分割后得到的背景区域个数及其相关特点,确定字符的特征点位置,并运用最大圆规则精确叉点位置.实验表明该算法能快速、准确、鲁棒地提取出特征点信息.     

一种基于特征线的曲面网格分割方法

各类网格分割法将曲面网格进行分割后,各子网格区域之间的交界线便可以作为曲面网格的封闭特征线。相反,如果根据网格模型的几何、拓扑特征,确定了网格模型的封闭特征线后,网格曲面便被这些特征线分割开来。为此,从曲面网格封闭特征线的角度出发,提出一种基于特征线的曲面网格分割方法。实验验证了该方法的可行性和有效性。     

反向工程中三角网格的加工特征识别

为实现反向工程中的特征重构,提出一种在三角网格上由Morse-Smale复形转换为分割面属性邻接图进行加工特征提取的算法.首先通过移动最小二乘曲面法计算网格顶点曲率,构建曲率特性指标函数,消除因网格连接引起的误差,达到降噪的作用;然后在三角网格上建立和简化Morse-Smale复形,精确提取特征线,将网格分割为边界清晰连续的区域,并获得各区域的邻接关系;最后判断关键点和特征线的性质,将Morse-Smale复形直接转换为分割面属性邻接图进行加工特征识别.实验结果表明,该算法准确、高效,而且不需要人工干预,对于反向工程中大规模、带噪声的网格具有较好的识别效果.     

基于区域特征的胶囊图像分割算法

针对胶囊缺陷检测中存在的图像分割效果不理想的问题, 提出了一种基于区域特征的胶囊图像分割算法. 首先将原图像分割成5个子图像, 然后分别在子图图像中分割提取胶囊. 子图图像首先对图像高亮区域作去高光处理、去除噪声, 然后将图像区域的每一行作为一个子区域, 根据胶囊在图像区域中所在的位置特点, 通过判断子区域中链板域与背景域是否存在边界点以及胶囊与链板上的链齿是否连接来识别不同类型的子区域, 寻找子区域中胶囊与非胶囊区域的边界, 然后去除非胶囊区域. 最终对图像区域逐行扫描处理完成后从图像中提取出胶囊. 实验表明该算法与传统方法相比, 不仅速度较快, 准确性和鲁棒性也得到了改善.