基于曲面分割的三维点云物体识别

提出了一种基于局部描述符的三维点云物体识别算法.算法首先得到点云的邻域、法线矢量等相关信息,通过邻域进一步得到形状索引值.特征点的提取以形状索引值为依据,以每个特征点为基点对曲面根据欧式距离和矢量夹角分割.分割的曲面片进行等间距划分为多个欧氏距离同心圆,以特征点切平面为基平面投影,并进行等角度抽样,通过抽样点相对特征点的法线矢量及测地距离变化曲线,建立曲面片的二维描述,从而把三维识别转化为二维.根据算法建立模型数据库,给定一个物体,通过和模型数据库中的曲面描述进行比对,得到潜在的识别结果,再通过迭代最近点算法,得到最终的识别结果.最后,通过大量具体实验验证了算法的有效性,并给出了算法的计算复杂度及耗时对比分析,说明了算法的高效性.     

基于矢量夹角的三维物体识别

提出了一种基于局部描述符的物体识别算法.算法根据点云位置信息得到其矢量和曲率信息,根据形状索引提取特征点,在每个特征点根据矢量夹角把点云物体分割成不同的曲面片,每个矢量夹角曲面片通过一个二维直方图描述.该图显示了特征点与邻域之间法线矢量夹角对特征点法线矢量与特征点到邻域矢量之间夹角的出现频率.对于给定的一个物体,通过比对预测物体和模型物体的曲面片集描述,可得到潜在的对应模型物体,再通过迭代最近点算法,得到最终的识别结果.     

基于改进的局部表面凸性算法三维点云分割

点云分割是点云分类、识别以及三维重建等处理的基础,分割结果对后续应用影响巨大。本文提出利用连通点集改进局部表面凸性算法中邻近点关系的方法,解决目前激光三维成像系统点云分割算法在处理复杂环境散乱点云时存在分割过度及分割不充分的问题,通过主顶点与周围点构成连通集,作为分割判断局部子点集,形成有效分割区域。该方法解决了常用点云分割方法无法对形状不规则物体进行有效分割的问题,提高了分割精度。算法实验结果表明,相比于最小切割算法和区域生长算法,基于连通点集的改进局部表面凸性算法对实际路面环境信息的分割效果更好,并能在一定程度上避免分割过度和分割不充分的情况,证明该方法适用于复杂环境散乱点云数据分割。     

激光点云的混合流形谱聚类自适应分割方法

将激光点云视为分布于三维欧氏空间的线性与非线性混合流形,提出一种基于混合流形谱聚类的自适应点云分割方法。由混合概率主成分分析法构造的M个主成分分析器组成混合概率模型,得到描述点云的邻接矩阵;将点云分割的几何特征在谱空间进行降维嵌入,利用N-cut方法得到描述点云分割特征的多维向量;结合类间类内划分算法自适应分割点云。实验结果表明,对于三种受测点云,所提出的算法能在较宽预设参数范围内以80%以上概率得到收敛于几何特征的分割结果,参数稳定性较好。在对点云添加均值为0,标准差为0.01的高斯噪声与0.25倍数量的离群点复合噪声的情况下,算法表现出良好的抗噪性;将该算法应用于切片式激光三维成像的卫星模型点云中也取得了理想分割结果。     

航空发动机外形点云的特征分割方法

目前我国存在较多外购发动机的情况，外购发动机存在只有实物及安装尺寸等信息，而没有三维数字化模型的问题，这给飞机与发动机的装配协调设计带来较大困难，因此飞机设计部门对快速重构航空发动机的外形几何模型提出了迫切需求。为了使重建出的发动机外形几何模型尽可能地保留准确的结构特征，提出了一种基于深度学习的航空发动机外形点云特征分割方法，该方法将整体点云分割成特征数据与非特征数据，这有利于后续采用不同的方法重建出各种复杂的结构特征。设计了一种迭代密度均衡算法用于构建特征分割数据集，该算法为特征分割网络的训练、测试和性能评估提供基础；设计了一种特征分割网络，从多尺度局部表面片中收集形状结构和局部邻域信息，用于判断其中心是否是特征点。将训练好的特征分割网络模型应用于发动机外形点云，验证结果表明，特征分割精度达到95.16%,所提算法实现了高精度语义分割。     

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.     

一种板型物体混叠场景的快速分割算法

针对多个板型物体混叠摆放的场景,提出了一种快速有效的分割算法。该算法充分利用有序点云的特点,将自顶向下以及自底向上的分割策略结合,根据三维点的空间位置和法向量,利用随机采样一致性(RANSAC)算法从三维点云数据中快速提取平面点集;然后将提取的平面点集所对应的图像坐标映射为二值图像,通过连通区域分析将其分割为多个连通的平面区域;接着利用"胶水"算法对这些区域进行快速合并,并对较大的弱连接连通区域进行断裂修正,得到最终的分割结果。实验结果表明:与区域生长算法相比,所提算法的分割结果更优,且算法效率大幅提升。     

基于SIFT特征点的三维点云模型盲水印算法

为提高三维模型版权信息的安全性和鲁棒性,提出了一种基于尺度不变特征转换的三维点云模型水印算法。首先对三维点云模型进行主成分分析,然后将模型中的点到模型中心的距离r进行一定的排序,形成一个m×n的矩阵。对该矩阵进行尺度不变特征提取,找到其稳健的特征点。在选取合适的特征点后对其邻域进行Contourlet变换,将水印嵌入其低频部分,然后进行Contourlet逆变换,即可生成带水印的三维点云模型。实验表明,该算法对几何攻击以及噪声、裁切、简化等攻击具有较强的鲁棒性。该算法可用于实际三维模型的版权认证。     

基于三维点云匹配的手掌静脉识别

针对现有手掌静脉认证系统误拒率较高以及不支持大数据集匹配的问题,设计了基于透射式光源的双目视觉静脉三维点云重建装置,提出了基于三维点云匹配的手掌静脉认证算法。系统使用850 nm透射式发光二极管(LED)光源作为照明装置,由双目摄像机拍摄静脉视差图像进行三维重建。选择手掌静脉作为特征点描述其空间三维结构,提出了一种改进的内核相关性分析方法匹配三维点云。针对200组点云数据的实验结果验证了该方法的可行性和有效性,识别率达到了98%,误拒率2%,误识率0%,总特征维数约8000至12000维,高于尺度不变特征变换(SIFT),支持对大数据集的认证识别。     

基于从运动中恢复结构的三维点云孔洞修补算法研究

通过光栅投影法可以获取物体的三维点云数据,但是对于形貌复杂的被测物体,由于测量方式本身含有的一定缺陷,会导致所获取的点云数据出现孔洞区域,从而对后续处理造成影响。结合已有的从运动中恢复结构(SFM)算法,提出一种新的点云孔洞修补方法。首先,利用光栅投影法中得到的二维相位信息来提取三维点云孔洞区域的边界点;接着,将SFM获取的点云数据集与光栅投影法所采集的点云数据集进行配准,并提取出信息补充点;最后,在添加了补充点的点云数据集上,利用径向基函数计算曲面方程,修补孔洞。实验结果证明了该算法的稳健性,能较为有效地恢复复杂物体的表面信息。     

地物光谱不确定性及光谱角制图算法适用性研究

地物光谱不确定往往使同种地物光谱之间存在一定程度的差异,影响了地物的识别精度,对光谱角制图算法的地物识别效果也会产生一定的影响。光谱角制图算法(spectral angle mapper,SAM) 是基于光谱曲线整体相似性的一种算法,在高光谱遥感信息分类中应用广泛,但在计算两条地物光谱曲线的相似性时并没有考虑地物光谱不确定性的影响,因此往往会不能正确识别出目标地物。针对地物光谱的不确定性,研究了光谱角制图算法的适用性,并对光谱角制图算法进行了改进。改进的基本思路为：设置测试光谱与参考光谱各波段的光谱差异量为一相同值,并根据同种地物光谱向量之间夹角最小的原则,利用求导的方法求出光谱差异量,以克服地物光谱不确定性的影响。为了验证改进效果,利用USGS的五种高岭石标准光谱,在考虑地物光谱不确定性的情况下,分别选择局部波段和全局波段计算高岭石标准光谱之间的光谱角,并对光谱角计算结果和光谱角制图算法的适用性进行了分析。通过USGS标准矿物光谱数据的实验证明：改进的光谱角度制图算法利用光谱差异量可以有效表征同种地物光谱的差异,能够克服地物光谱不确定性的影响并提高地物识别的精度,对地物光谱不确定性具有更好的适用性,并对基本符合光谱差异向量各维值相等的局部波段组合具有更好的效果。     

基于光谱结构特性的马铃薯干腐和疮痂病识别方法研究

马铃薯干腐病和疮痂病的检测通过人工目测,结果存在主观性,该工作研究正常、干腐和疮痂病马铃薯的光谱分类识别方法。试验获取116个样本,光谱采集范围860~1 745 nm。经过一阶导数(first derivative, FD)处理后的光谱数据,主成分（PCA）分类识别效果较好,FD作为光谱预处理方法。光谱曲线上的极值点、极值点间的中点和极值点间连线的斜率决定光谱曲线的形状和变化,是曲线上的关键点,光谱曲线形状变化代表着内部物质的变化,具有指纹特性,利用极值点和中点对应的光谱或极值点间连线的斜率组成模式特征向量。分别用3种样本关键点的平均光谱形成标准模式特征向量,通过计算待测样本关键点组成的特征向量和标准模式特征向量之间的马氏距离,以最小马氏距离判定样本的归属,通过错误识别率检验模型识别性能。正常、干腐、疮痂样本分别有13,12,15个关键点,由各自关键点对应的反射率组成的模式特征向量,3类样本的错误识别率为0。去掉冗余关键点整合成一个标准模式特征向量,正常和疮痂样本的错误识别率为0,干腐样本的错误识别率为14.3%,全部错误识别为疮痂样本,特征向量数据点的增多,增加了病害样本之间的贴合度,降低了两类病害样本之间的区分度。利用波长911, 1 269和1 455 nm处两点间的斜率形成模式特征向量,正常和疮痂样本的错误识别率为0,干腐样本的错误识别率为2.4%。利用前2个主成分得分作为参数,采用线性判别分析(LDA)和贝叶斯分类器（BC）建模,提供不同角度的分类模型,对比检验基于模式特征向量建立的分类模型的有效性,2种识别方法的错误识别率均为0。实验结果表明,可以利用表征光谱曲线结构特征的模式特征向量作为分类参数,结合距离法建模,与常见识别方法具有同等识别精度。     

一种抗姿态与表情变化的三维人脸识别方法

为了提高人脸在姿态和表情变化下的识别率,结合局部平面距离(DLP)对曲面局部凹凸性优良的判断能力,提出了一种采用人脸的等距不变表示形式来匹配的人脸识别方法。首先,对深度摄像头采集到的深度图像进行距离约束、位置约束、转换等操作,得到干净完整的三维人脸,利用三维人脸上每一点DLP值确定鼻尖点,利用聚类的思想确定鼻根点;其次,采用改进的快速推进算法计算人脸的测地距矩阵,设置阈值并切割出有效的人脸区域;最后,计算有效的人脸区域的高阶矩特征,作为人脸的特征向量进行匹配。实验结果表明,对于不同的数据库,本文算法的识别率接近97%;将本文算法与基于轮廓线特征的人脸识别算法以及基于Gabor特征的人脸识别算法进行比较,其识别率分别提高了14.1%和8.3%,同时有着较高的运算效率。     

基于物体特征有效提取和离散点三维重建的3D扫描系统原型研究

针对3D扫描技术的近期发展情况,以及市场关于被摄物体特征有效提取的迫切需求,通过系统的对照相机和投影仪测量的方法与计算,利用离散点三维重建算法、标准化算法详细分析了,作为3D扫描原型系统的关键技术,并深入的对三维坐标重复演算的过程,进行了实践研究与计算,论证了基于投影光编码技术的3D扫描仪原型系统,在物体特征有效提取和离散点三维重建中完全可以高效应用;同时,使用焦距标准化运算、逆向倾角变形运算、逆向扭曲变形运算三种方法,综合论述了物体特征有效提取和离散点三维重建过程的相关内容,测试了原型系统对真实文物的扫描情况,展开了该原型系统可应用于不同材料,不同种类物体的扫描,并能有效的进行数字化物体特征识别的研究结论。     

基于Shape Context和尺度不变特征变换的多模图像自动配准方法

提出了基于修正的尺度不变特征变换（SIFT）特征提取和Shape Context特征描述算子相结合的多模图像自动配准算法,该算法利用修正的SIFT算法提取多模图像中的特征点,然后采用Shape Context算子描述特征点,利用特征点周围区域边缘点的梯度方向形成特征向量。采用欧氏距离作为匹配标准对多模图像中特征点进行初始匹配,然后通过RANSAC算法消除误匹配的特征点对,并采用最小二乘法计算仿射变换参数,最后通过仿射变换和双线性插值实现图像配准。对红外图像和可见光图像的配准实验结果表明了本算法的有效性和稳定性。     

Some Information Geometric Aspects of Cyber Security by Face Recognition

Secure user access to devices and datasets is widely enabled by fingerprint or face recognition. Organization of the necessarily large secure digital object datasets, with objects having content that may consist of images, text, video or audio, involves efficient classification and feature retrieval processing. This usually will require multidimensional methods applicable to data that is represented through a family of probability distributions. Then information geometry is an appropriate context in which to provide for such analytic work, whether with maximum likelihood fitted distributions or empirical frequency distributions. The important provision is of a natural geometric measure structure on families of probability distributions by representing them as Riemannian manifolds. Then the distributions are points lying in this geometrical manifold, different features can be identified and dissimilarities computed, so that neighbourhoods of objects nearby a given example object can be constructed. This can reveal clustering and projections onto smaller eigen-subspaces which can make comparisons easier to interpret. Geodesic distances can be used as a natural dissimilarity metric applied over data described by probability distributions. Exploring this property, we propose a new face recognition method which scores dissimilarities between face images by multiplying geodesic distance approximations between 3-variate RGB Gaussians representative of colour face images, and also obtaining joint probabilities. The experimental results show that this new method is more successful in recognition rates than published comparative state-of-the-art methods.     

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。     

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。