基于l~p空间力学模型的三维点云配准算法

为了提高三维激光扫描点云的配准效率和精度,提出一种基于l~p空间力学模型的点云配准算法。针对待配准的两组点云数据,首先计算两片点云的重心,通过重心化将两组点云移到以重心为原点的同一坐标系下,然后利用l~p空间力学模型将复杂的两组点云数据分别简化为三个特征向量表示的模型,再根据两点云特征向量的对应关系利用奇异值分解方法求解刚体变换旋转矩阵,得到初始配准参数,最后使用改进的最近点迭代(ICP)算法实现两组点云的精确配准。本文算法可以处理无序散乱点云样本。相比于经典ICP算法,本文算法对Bunny点云数据的配准效率提高了72%,对Dragon点云数据的配准速度提高了4倍。实验表明,本文算法收敛速度较快,效果优良。     

基于多维混合柯西分布的点云配准

为提高三维点云在数据随机缺失和噪声干扰等复杂情况下的配准精度,提出一种基于多维混合柯西分布(MMC)的点云配准方法。将点云数学模型扩展为MMC模型,求解模型各参数,并构造出特征四面体,以优化旋转矩阵与平移向量;通过最大期望算法分别求出目标点云和待配准点云在MMC模型下的数据中心、协方差矩阵和权重的值。仿真与实验数据表明:与几种常用的算法相比,MMC算法即使在点云数据存在遮挡、缺失,大小不一致,含随机噪声,且具有无序性的条件下,也能精确配准,且具有良好的稳健性。     

基于邻域特征点提取和匹配的点云配准

为解决噪声干扰、数据丢失情况下迭代最近点算法的鲁棒性差、配准精度低等问题,提出一种基于邻域特征点提取和匹配的点云配准方法.首先定义一个由点的k邻域曲率、点与邻近点的法向量内积均值以及邻近点与邻域拟合平面的欧氏距离方差等三部分组成的邻域特征参数,结合在移动最小二乘表面构造的曲率特征参数对点云进行两次特征点提取;其次依据直方图特征定义三个匹配条件,并用双重约束获得正确的匹配点对;最后在配准阶段,采用双向构建k维树的迭代最近点算法实现精确配准.实验结果表明,该算法的配准精度较迭代最近点算法提高了90%以上,并且能够在噪声环境下有效地完成缺失点云的配准,在鲁棒性和精确配准方面有明显优势.     

带方差补偿的多向仿射变换点云配准算法

结合点云统计学特性和形状特征,提出了带方差补偿的多向仿射变换点云配准算法,将求解放缩因子问题转化为求解带方差的超定非线性方程组,并通过二次曲面拟合对噪声方差进行最小二乘无偏估计。引入点云全局向量特征相似度,以相似度最大化求真解。将多向仿射变换点云配准转化为刚性配准,并利用主方向法配准点云。仿真结果表明,针对点云随机丢失和带噪声的点云配准情况,所提算法比现有配准算法的配准精度更高,并且配准耗时更短。     

基于分层优化策略的颅骨点云配准算法

颅骨配准是颅面复原过程中的重要步骤之一,颅骨配准的精度直接影响着颅面复原结果的好坏。为了提高颅骨点云模型的配准精度和收敛速度,提出一种基于分层优化策略的颅骨点云配准算法,将配准过程分为粗配准和细配准两个过程,分别采用不同的优化策略进行优化。首先基于点的邻域提取几何特征,从而得到由平均曲率、高斯曲率、法向量夹角和主曲率构成的特征向量;进一步通过距离函数计算特征相似性来建立匹配点对,并采用k-means算法剔除误匹配点对;然后使用四元数法计算颅骨点云间的刚体变换关系,实现颅骨粗配准;最后通过引入k-维(k-d)树和加入几何特征约束对迭代最近点(ICP)算法进行改进,使用改进的ICP算法实现颅骨的精确配准。实验结果表明:粗配准过程采用k-means算法剔除误匹配点对的优化策略和细配准过程加入k-d树与几何特征约束的优化策略都是有效的。与ICP算法相比,本文算法的匹配率和配准精度分别提高了约17%和51%,算法耗时减少了约31%。与其他经典配准算法和改进的ICP算法相比,本文算法的配准效率是最优的。为了验证本文算法的普适性,还采用兵马俑碎片数据进行验证,本文算法也取得了较好的效果和最优的性能。因此,本文算法是一种有效的颅骨点云配准方法。     

基于FPFH特征的三维场景重建

文章在阐述不同视角下在对一对三维点云数据集两两配准的基础之上,针对ICP精确匹配算法须使初始点云收敛否则无法获取准确匹配结果的问题,提出了基于FPFH特征描述子的特征点云粗匹配。调整两片点云的初始位置,为ICP算法提供了良好的初始位置进一步提高点云的匹配精度。并且在此基础上通过大量实验得到点云对应点对之间的最大距离与拟合系数的函数关系,得到粗匹配最优值,进而得到最佳配准效果。实验证明通过粗匹配最高能将匹配拟合系数提高60.3%。     

用于三维重建的点云单应性迭代最近点配准算法

点云配准是光学三维(3D)轮廓测量术的关键技术之一。无标志点的点云配准大多由迭代最近点(ICP)算法实现。为提高ICP算法的性能,提出了一种基于点云单应性的迭代最近点配准算法。描述了该算法中单应性点对的建立方法,并推导了点云之间的坐标变换。用一种手持式三维轮廓扫描仪对一个同时具备高频轮廓和低频轮廓的石膏像进行扫描,共得到92帧点云。利用改进ICP算法,82帧点云被成功配准。同时也利用三种具有代表性的ICP算法对这92帧点云进行配准实验以作比较。实验表明,该算法具有稳健性强、收敛速度快、收敛精度高的优点,有助于三维模型的快速重建。     

利用结构特征的点云快速配准算法

为提高三维激光扫描点云的配准精度以及效率,解决数据点缺失、点云散乱时的配准问题,结合点云的全局和局部结构特征的不变特性,提出基于全局结构特征的初始配准算法和利用局部结构特征的快速精确配准算法。首先,给出全局结构特征的定义,并阐明初始配准方法,证明在点云样本集缺失数据时初始配准算法的有效性;然后,给定一种空间区域的划分方式,并找出划分的空间区域中两个点云的对应点;最后,通过找出的有限个对应点实现点云的精确配准。在仿真和实验数据处理时,该精确配准算法能够有效地完成缺失、散乱点云的精确、快速配准,且在效率和精度上比其他几种算法具有明显优势。     

基于自适应阈值的阵列激光三维点云配准

阵列激光三维成像作为一种新型的非合作目标三维图像获取技术,高效的回波信号处理和三维重构方法是提高其探测能力和成像精度的前提,其中配准过程是阵列激光三维成像点云数据处理中必不可少的步骤.本文根据阵列激光三维成像系统的成像特点,对迭代最近点(ICP)配准算法中阈值设定依据进行分析,结合阵列激光三维成像系统中的重要参数测距精度和成像横向分辨率,对配准迭代过程中对应点距离阈值和迭代停止阈值进行有针对的设置,提出了基于自适应阈值的ICP点云配准方法.对阵列激光成像点云和扫描激光深度成像数据的实验表明该算法有效可行,能够提高配准精度和配准速度,同时由于该算法充分考虑了成像系统本身,在实际应用中对系统的合理设计具有一定的指导意义.     

基于T分布混合模型的多光谱人脸图像配准

为了降低多光谱人脸图像中出现的非刚性形变、噪声和离群点等因素对配准结果的准确性和稳健性的影响,提出一种综合考虑特征点的空间几何结构和局部形状特征两方面信息的多光谱人脸图像配准方法。所提方法首先通过基于内部距离的形状上下文描述子来表述点集的局部特征信息,建立可见光和红外图像相似性测度函数。然后利用Student′s-T分布混合模型来表示图像特征点集配准过程中变换模型估计问题,并采用期望最大化算法对模型进行求解。仿真数据表明在点集存在非刚性形变、噪声和离群点的情况下,所提方法仍可以实现点集间的精确配准。可见光和红外人脸真实图像数据表明所提方法的平均匹配误差和运算效率都优于对比算法,配准融合后的多光谱人脸图像可以提高后续的人脸检测和识别性能。     

基于改进迭代最近点算法的两视角激光雷达数据配准

两视角激光雷达数据配准是空地探测遮蔽目标研究领域中的一项重要内容,迭代最近点（ICP）算法为其提供了理论基础,但遮蔽条件下激光雷达数据的复杂性使ICP算法在对应点确定上面临很大困难。在分析ICP算法基本原理和遮蔽条件下激光雷达数据特点的基础上,从控制点选择、对应点匹配和伪点对剔除三个方面给出了ICP算法的具体应用策略和改进措施,并提出一种基于固定-自适应重叠率的伪点对剔除方法。详细阐述了基于改进ICP算法的两视角激光雷达数据配准的具体步骤,并进行了实验验证。实验结果表明：改进后的ICP算法能够有效实现了遮蔽条件下的激光雷达数据配准,且与其他算法相比,具有较强的稳建性和较高的配准精度。     

结合图论的异源影像点云配准方法

结合图论思想，提出一种高效的异源影像点云配准方法。该方法首先利用点云几何特征寻找点云中的地平面方向，将点云中建筑物的布局关系构建成图形式，使点云配准问题转化为图匹配问题；然后，提出一种图匹配方法，基于几何约束条件构建核三角形作为配准基元，利用高阶相似度信息寻找图的全局最优匹配，实现点云间的快速、稳健初配准；最后，结合迭代最近点（ICP）算法进行精配准，获得高精度异源点云配准结果。为了验证所提方法的有效性，选取河南省3个不同区域的高分七号卫星影像点云和无人机近景影像点云进行实验。实验结果表明，所提方法不受噪声点和异常值的影响，能够克服不同的点云密度差异、消除约939倍的坐标尺度差异，整体配准速度相较于对比方法提升了51～184倍，全自动地实现了异源影像点云鲁棒、高效配准。     

面向光学测量跨源点云的多尺度采样配准方法

为了实现具有不同测量尺度、分辨率与精度等特性的跨源点云的精确配准,提出了基于多尺度采样的测量点云数据配准方法。通过尺度滑移算法来滤除高频细节信息,保留轮廓数据,并结合体素网格邻域法来实现点云数据的降采样;对于宏观结构光视觉测量的低分辨率点云数据,通过基于深度学习的渐进式三维点云上采样算法可以精确还原结构光点云的轮廓细节,实现跨源点云在尺度与分辨率上的统一。最后,采用迭代最近点法对处理后尺度近似的数据进行配准,并将配准关系逆向用于原始跨源点云的配准。实验结果表明,多尺度采样方法对于跨源点云的配准精度有所提高,能有效用于发动机叶片等零部件的高性能检测。     

基于三维激光扫描和BIM的构件缺陷检测技术

为了自动检测建筑构件的在生产及运输过程中产生的缺陷,提出了基于三维激光扫描和BIM模型的建筑构件检测方法。首先利用三维激光扫描仪获取构件对象的实际点云,并通过弦高偏差法实现点云去噪,同时基于BIM搭建构件的三维模型,通过stl文件将模型对象转换为期望点云。然后分别利用PCA算法和基于K-D树的ICP算法实现点云的初始配准和精配准。最后利用局部均方根值评估构件的误差大小,并通过基于霍夫变换的线性回归分析方法实现了误差量化。通过实例验证了所提算法的可行性与准确性。     

一种基于三维形状上下文特征的点云配准算法

针对点云配准过程中点云数据量大、配准时间长、配准精度低的问题,提出了一种基于内部形态描述子（intrinsic shape signatures, ISS）和三维形状上下文描述子（3D shape context, 3DSC）的点云配准算法。该方法首先使用体素网格滤波器对点云进行下采样,接着利用ISS算法提取特征点,并通过3DSC进行描述,然后通过改进的随机采样一致性（randon sample consensus, RANSAC）算法进行粗匹配,最后用改进的迭代最近点算法（iterative closest point, ICP)对点云进行精匹配。试验结果表明,与基于ISS+3DSC的三维正态分布变换(normal distribution transformation, NDT)算法和基于采样一致性初始配准（sample consensus initial aligment, SAC-IA）的ICP算法相比,本文算法的配准精度及效率更高,且对于数据量大的点云也有较好的匹配效果。     

一种基于轮廓特征约束的飞机蒙皮配准方法

飞机蒙皮表面平缓、光滑、特征少,在使用迭代最近点进行数模配准时会产生错位、局部最小值等问题,因此提出了一种基于轮廓约束的蒙皮点云配准方法。首先定义一种新的三维轮廓Cκ特征点描述方法,并基于距离约束对初始Cκ特征点进行聚类和过滤,实现对蒙皮点云特征的精确描述。其次,基于距离的快速点特征直方图(FPFH-d)特征相似度约束,寻找点云和数模特征点的对应点对,实现蒙皮轮廓的初始配准。最终基于迭代最近点算法,融合Cκ特征描述的轮廓约束,实现蒙皮的精配准。利用斯坦福公共数据库点云对算法的速度和精度进行测试,与点快速直方图算法(FPFH-SAC-IA)相比,初始配准精度分别提高了48.47%和77.29%,速度分别提高了70.35%和97.08%,证明了Cκ特征点提取算法的普适性和有效性。基于以上算法,对飞机蒙皮测量数据进行实验验证,配准准确度达到了100%,在12 m~3范围内全局误差优于3.5 mm。该方法有效解决了蒙皮配准时的错位和局部最小值问题。     

基于线特征的城区激光点云与影像自动配准

鉴于激光点云和影像数据成像机理的差异以及现有配准基元的可获取性特点,通常采用基于特征的配准算法修正两者之间的转换关系,其中建筑物的边缘及角点为最常用的特征。针对城区建筑物分布密集、形状相似的问题,提出了一种基于道路线的机载激光雷达数据和高分辨率航空影像自动配准方法。该方法充分利用点云数据提供的高程与强度信息,提取出高精度的规则化道路矢量线;根据初始外方位元素建立点云数据和航空影像的近似变换关系,以道路矢量线在航空影像的投影位置为先验知识,采用改进的道路矩形整体匹配算法得到影像中的道路中心线,获取同名线特征;以同名道路线段的首末端点作为控制信息,利用基于欧拉角的空间后方交会算法解算新的影像外方位元素,实现航空影像和激光雷达数据的配准。实验结果表明,该方法利用道路特征实现航空影像与激光雷达点云的配准,提取特征少且配准精度较高,大大提高了工作效率。     

基于SIFT算法及阈值筛选的点云配准技术研究

随着三维测量技术应用领域的逐渐拓宽，点云数据处理技术的需求日益迫切，而多视点点云配准，是其中的基础技术环节。在此针对传统ICP算法鲁棒性差、对迭代初值敏感、计算效率低等缺点，提出一种SIFT算法与阈值筛选相结合的点云配准算法。在参考点云和待配准点云中，通过计算SIFT关键点及各点主曲率，获得初始匹配点集；然后根据相似三角形阈值和法向量夹角阈值，进一步优化点对间的旋转平移关系。实验结果证明，相对于传统算法，改进算法能够以更短的时间来获得准确的配准效果，并且其自动化程度高以及能有效提高点云配准的效率和精度。     

三维点云中关键点误匹配剔除方法

三维点云关键点配准与识别过程中存在寻找匹配对不理想、大量误匹配对及配准与识别准确率下降等问题,提出了一种新颖的关键点误匹配剔除方法。在关键点检测阶段,基于边缘点及其邻域点大多分布在同侧的特性,提出了一种边缘点检测算法,剔除处于边缘的关键点,以提高关键点的可重复性和可匹配性,并降低关键点特征匹配的误匹配率。在关键点特征匹配阶段,对经由最近邻算法得到的初始关键点匹配对,通过Kmeans算法和分裂法,剔除掉大量错误的关键点匹配对,从而提高三维点云之间关键点的匹配率。实验结果表明,该方法能够剔除完整三维点云匹配完整三维点云、完整三维点云匹配杂乱且有遮挡的三维点云、部分点云匹配部分点云所产生的大量关键点误匹配对,提升了关键点匹配效果;同时在时间上,本文算法较随机取样一致性算法更有效率,是最邻近算法的有益补充。     

基于保局PCA的三维点云配准算法

三维点云配准是三维重建过程中的重要环节,PCA算法应用于点云配准时无法保留点云局部特征,影响了配准效果,故提出一种基于保局PCA的三维点云配准算法。为了保留点云局部特征,采用保局投影LPP的思想,通过K近邻准则构造点云的邻接图及其补图;对邻近点和非邻近点采取不同的处理方式进行特征提取,通过特征矩阵求得转换参数,进行坐标归一化完成配准;为了减少光照噪声影响,对特征向量矩阵前三个主分量加权后求转换参数。实验结果表明,改进算法在对局部特征结构明显的点云进行配准时有较好的效果,改善了对光照噪声的鲁棒性。