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。     

基于散乱数据点的三角网格生成算法研究

根据光学三维传感测得的数据特点，提出了一种基于动态圆的散乱数据点的三角网格生成算法。该算法效率高，得到的曲面的效果好，并且还可以根据实际情况调整动态圆的半径来改善图形的效果。本文还给出了用这种算法处理三维面形自动测量仪测量数据的实验结果。     

三维散乱点云模型的特征点检测

随着三维点云模型越来越受到人们的关注,如何对数据量大,无序的三维点云模型进行特征点检测也是近几年的研究热点。本文提出了基于曲率和密度的特征点检测算法,为每个数据点定义一个特征参数,这个参数由三部分组成:点到邻居点的平均距离;点的法向与邻居点法向夹角的和;数据点曲率。然后通过八叉树方法计算模型的数据点密度,将这个密度作为阈值,特征参数大于阈值的点就是检测到的特征点。本文计算时,检测模型的特征点只需用到三维点云模型的几何特征,如数据点法向,曲率和邻居点。实例验证本算法可准确地检测出散乱数据点云的特征点。      

面聚类网格简化新算法

三维物体表面重建广泛采用三角网格方法,密集的数据采样可以重建出精确的三维表面,但是庞大的数据量不利于多分辨率三维实时显示和三维物体网络传输,因此三维表面网格简化是迫切需要解决的问题之一.近年来表面简化问题得到了广泛地研究.本文提出基于面聚类的网格简化新算法,通过最小化最大类内距离算法进行面聚类实现区域划分,然后提取区域特征,进而根据特征点和边对区域进行受限三角剖分.实验说明本文提出的面聚类网格简化算法在保持三维表面几何拓扑特征的基础上取得了很好的简化效果.     

一种改进的点云数据组合精简算法

在逆向工程中,点云数据的精简是一个重要的步骤,精简的质量直接关系到后续曲面重构的效率。文章针对广州灰塑曲率较大,凹凸面较多的特点,提出了一种基于曲率和均匀精简的点云数据精简方法:利用包围盒法对散乱的点云数据进行拓扑规则排序,建立点的K-邻域集,计算点云在某点处的曲率,在曲率较大处保留更多的特征点,但是曲率较小处会删除较多的点云数据。文章在此基础上再利用均匀网格的方法对初始精简后的点云进行重采样处理,使得曲率较小处的特征点也能保留下来。     

三维激光点云的网状RANSAC分割与计数

随着工业现代化进程的加快,三维激光点云技术开始出现在工业目标检测中,对激光点云的目标分割提取也成了工业检测中的关键。常用的三维点云分割方法,如区域生长分割、RANSAC(随机抽样一致)分割、K-means(K均值聚类)等无法做到高水平的目标分割与提取。利用MEMS(micro electromechanical system)3D相机对4组目标进行点云数据采集,利用网状RANSAC分割算法,将目标三维点云进行封装,栅格化分割成网状模块,对每个网状模块中的点云进行平面粗分割,整合模块,用欧式聚类对分割后的目标进行细分割,得到最终的目标提取结果并成功完成计数统计。试验结果表明,所提出的网状RANSAC分割算法的分割完整度为91.0%,平均耗时8.25 s,均优于其余三种传统算法,并且成功完成计数。     

层次化点云边界快速精确提取方法研究

为了提高依据邻近点最大夹角提取边界点方法的提取效率,提出了一种层次化快速精确提取边界点的方法.先对任意采样点检索其R邻域内点集,依据R邻域内点集重心点坐标与采样点的距离粗提取边界点,然后将粗提取的边界点及其邻域点投影至微切平面,通过各邻近点与采样点的方向向量求取相邻向量间的最大夹角,再依据最大夹角精提取边界点.通过理论...     

基于无人机机载LiDAR的电力线点云提取与重建

为了提高基于无人机机载激光雷达点云电力线提取与重建的精度和效率,采用了一种综合电力线点云分步提取、分段k均值聚类采样及结合直线和抛物线拟合的电力线点云提取与重建方法.在对电力线走廊点云进行预处理和改进滤波的基础上,先对其进行分段并根据电力线点云在高程方向的分布特征进行粗提取,再将粗提取得的电力线点投影到水平面上用Hou...     

基于RANSAC三维点云的平面提取算法

针对三维激光扫描点云的表面特征获取时间长,提取效果与减少运行时间不能兼得的问题,本文基于随机抽样一致算法(RANSAC)提出一种自动快速识别点云平面特征的算法。通过对RANSAC算法进行改进,提出基于迭代采样子集判断优化的方法,能够快速准确地识别并提取物体的平面特征。实验结果表明,本算法能有效准确地找到扫描物的平面。     

基于三维激光点云数据的建筑景观可视化建模

现有的建模方法已无法满足实际应用需求,为此,以三维激光点云数据为技术支持,设计出一种建筑景观可视化建模策略.分析三维激光扫描技术与坐标解算后,联立建筑景观影像坐标与点云间映射关系,经配准采集到的点云数据,采用引入拉普拉斯算子的噪声滤除算法、kd-tree以及引入凸包概念的边界线提取算法,完成建筑景观点云数据去噪、分割以...     

改进天牛须算法的三维点云提取

根据双目立体视觉的三维重构原理,如果能获得致密的三维点云数据,就可以确定三维物体表面形状的特征.因此,提出一种改进天牛须的图像配准方法,首先采用SURF算法对双目拍摄的图像进行特征点的提取,利用返回的二进制或从强度图像中提取其特征向量及特征向量对应位置.再由正态分布统计两幅图像特征点对应程度,剔除不满足设定百分界值的数...     

激光三角网格点云孔洞曲面修补方法

三维激光扫描点云在采集和处理后生成的三角化网格,由于测量设备限制或模型自身形状特点常包含孔洞,这类孔洞会给后续三维重建带来障碍.针对孔洞修补问题,提出了一种激光三角网格曲面点云孔洞修补算法.首先对封闭孔洞通过遍历三角网格确定三角面片边界,检测孔洞.其次基于最小角度法在孔洞多边形处快速生成新三角面片,形成初始网格.然后融合最小二乘网络与径向函数隐式曲面,利用最小二阶导数对曲面曲率进行最小化,并与原始网格曲率变化趋势保持相同,最终实现激光点云孔洞修补.实验结果表明,与其他点云修补方法相比,该方法降低了修补误差,适用于多种三角网格模型孔洞修补.     

提取桥梁点云的组合滤波算法

在土木桥梁施工场景中,点云数据包含大量植被、地面和桥梁建筑点云。现有滤波算法对桥梁建筑的提取完整度仍存在一些问题,因此提出一种基于组合滤波的桥梁点云提取算法。首先,该算法根据植被点云分布发散这一特征运用分散度法对植被进行粗滤除;其次,基于半径滤波与充分利用颜色与高程特征思想进行半径滤波算法的改进,对剩余植被点云进行精细滤除;最后,利用法向滤波模型对地面点云进行滤除。实验结果表明,所提算法提取桥梁点云的完整率为99.3%,误差为0.73%,对比现有滤波算法,可更完整地提取桥梁点云,准确率更高。     

多尺度点云特征随机森林滤波算法

针对从大量点云数据中高效、便捷地提取地面点云的问题,提出一种耦合多尺度点云特征和随机森林模型的滤波算法(MFRF)。首先选取一部分试验区数据作为训练样本,采用人机交互方式将训练样本中地面点和植被点进行分类并标记。然后将点云RGB信息转换为HSV颜色信息,采用主成分分析法计算出多尺度下点云特征值。最后将带有标签、颜色信息和特征值的训练样本放入随机森林分类器中进行训练,将构建的随机森林分类器应用到待分类点云上,进行点云滤波。该算法能有效地分离出地面点与植被点,较为完整地保留了地面点云。将MFRF与CSF滤波算法、坡度滤波算法、形态学滤波算法进行对比分析,结果表明该算法优于对比算法,试验区A、B滤波精度分别提高5.12%和6.89%,验证了该算法的有效性、适用性。     

点云多法向量邻域特征配准算法

针对三维激光扫描点云数据的配准问题,提出了 一种多法向量邻域特征点云配准算法。首先,根据目标点选取不同邻 域半径估算的法向量存在方向偏差,设定约束条件选择关键点,使得初始点云数据量得到精 简;其次,设计了一种依据邻域多 法向量计算的特征描述子,并计算所有关键点的特征向量;然后,依据所求的特征描 述子,使用最小距离与次小距离比值阈 值方法初步获取对应关系,并使用随机采样一致性算法和聚类分选方法进行两次优化,得到 精确的点与点对应关系;最后,使 用奇异值分解法解算刚体变换矩阵,得到配准参数。实验结果表明,由本文设计的关键点选 取、特征描述子提取和对应关系筛选 方法原理简单、稳定可靠、计算速度较快且计算复杂度小,无需进行第二次配准,对实现点 云配准具有实用价值。     

基于局部和全局采样点云数据简化算法研究

3D激光扫描方法获取的点云数据存在大量冗余数据,为便于重建模型,对点云数据简化技术的关键是在简化数据的同时,最大限度地保留点云数据的原有特征,对点云数据简化技术进行了研究,提出了一种基于局部和全局点云特征相融合的简化算法,通过基于点云的网格分割的非均匀网格法来提取局部点云特征,并且通过基于空间体素化方法对点云进行全局采样,然后将二者特征融合,获取最佳的简化特征效果。实验表明,该算法能够适应各种类型曲面数据的简化要求,其点云简化最大误差为0.02812,点云简化平均误差为0.000472,并与非均匀网格算法和空间体素法做比较,其简化效率高,简化误差小。由此可见,该方法简化点云不但具有较高的简化效率,同时又很好地保留了原始数据的细节特征。