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。     

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.     

基于散乱三维点云的缺陷检测和三维重构方法

设备表面的缺陷检测对于保证安全生产避免经济损失具有重要意义。针对基于设备表面散乱三维点云缺陷检测和三维重构算法复杂的问题,提出了一种基于散乱三维点云的缺陷检测和三维重构方法。对散乱三维点云沿某一轴向进行分层处理,将同一层内的三维点进行移位规则化处理,并对规则化的三维点云进行缺陷检测和三维重构。分别对无缺陷设备表面和凹凸缺陷设备表面进行缺陷检测和三维重构,规则化前后三维数据缺陷计算结果相对误差为1.01%。实验结果表明,将散乱三维点云分层和规则化处理有效降低了缺陷检测和三维重构的复杂度,易于实现。     

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.     

基于点云数据的三维目标检测技术研究进展

近年来,随着深度传感器和三维激光扫描设备的普及,点云数据引起了广泛关注。相对于二维图像,点云数据不仅包含场景的深度信息,还不受光照等环境因素的影响,能够更精确地实现目标识别和三维定位。因此,基于点云的三维目标检测技术已经成为智能空间感知和场景理解的关键技术。本文首先介绍了点云数据的特点,并探讨了不同类型的点云特征提取方法;其次,详细阐述了基于体素、点、图以及体素与点混合的点云目标检测方法的原理和发展历程;然后,介绍了常见的室内外点云目标检测数据集和评价指标,并对各类点云目标检测方法在KITTI和Waymo数据集上的性能进行了详细的比较和分析;最后,对点云目标检测技术的研究进展进行了总结和展望。     

基于三维激光扫描的铁路罐车点云优化处理方法

通过对三维激光扫描技术在铁路罐车中的应用研究,对扫描过程中发现的点云残缺及噪点问题进行研究分析,提出一种快速有效点云优化处理方法,新方法包括sp-H点云预处理和EtiG建模优化。验证试验表明,采用新的点云优化处理方法可以在较短时间内将扫描点云进行去噪及残缺修补,并能够快速高效进行模型重建,提升了不同工况环境下扫描点云的适用性,提高了扫描工作效率和准确度,铁路罐车容积测量结果的相对扩展不确定度达到2.4×10-3,为铁路罐车容积扫描最高准确度等级,为三维激光扫描相关技术的发展提供一定借鉴。     

三维点云数据超分辨率技术

随着机器视觉技术的发展,如何准确、高效地对真实世界进行精确记录与建模已成为热点问题。由于硬件条件的限制,通常采集到的点云数据分辨率较低,无法满足实际应用需求,因此有必要对点云数据超分辨率技术进行研究。本文介绍三维点云数据超分辨率技术的意义、进展及评价方法,并对经典超分辨率算法和基于机器学习的超分辨率算法分别进行梳理,总结了目前方法的特点,指出了目前点云数据超分辨率技术中存在的主要问题及面临的挑战,最后展望了点云数据超分辨率技术的发展方向。     

三维点云物体频谱获取方法

为了简化三维物体计算全息数据和加快计算时间,提出了一种三维点云物体频谱获取方法.在分析频谱获取方法模型的基础上,由不同视角的投影图像(视图)与对应的平面波因子相乘积分的方法得到了三维点云物体频谱;介绍了视图获取算法,使用Matlab并行计算得到了一个三维‘鸟’的视图序列;根据实际物体频谱分布情况,采用高阶高斯概率分布减少视图获取数量;通过视图序列得到三维物体的频谱,采用傅里叶逆变换得到物空间内一个平面的复振幅分布,将其衍射一段距离,编码为菲涅尔全息,并进行了模拟再现和实验验证.模拟再现和实验结果表明:只需要原总视图的17.75%可以获得高质量的再现效果,验证了频谱获取方法的可行性及视图获取简化模型的正确性.所获取的三维物体频谱可以通过一定方式编码成多种全息进行三维显示,拓宽了该频谱获取方法的应用范围.     

基于八叉树自适应体归并的光线跟踪加速结构

针对光线跟踪算法计算量大和运行效率低的问题,提出了一种采用八叉树自适应体归并(OAVM)的光线跟踪加速结构。该结构将八叉树模型的空节点自适应地聚集为包围体,尽可能地减小了光线与空白节点的求交次数。基于OAVM的一种多级八叉树结构的特点,提出了采用Morton码对各层级的所有节点分别进行编码的算法,该结构所采用的存储方式和邻域查询算法有效减小了指针数量,避免了递归搜索。同时,该算法可以有效处理大规模动态场景的局部更新问题。基于Liang-Barsky算法,光线相交测试的计算速度得到提升。实验结果表明,和传统结构算法相比,所提出算法的指针总数平均减少了54.45%,光线相交测试时间平均缩短了52.37%,大幅加快了相交测试速度,提升了场景的渲染效率。     

基于自适应阈值的三维点云分段式去噪方法

激光雷达探测点云数据中存在大量噪声点,导致三维图重建精度下降,无法完全复现物体结构,本文针对此问题提出了一种基于自适应阈值的三维点云分段式去噪方法.根据噪声点与非噪声点之间的欧式距离,将其划分为远信号噪声点和近信号噪声点两类,先后对两类噪声点分别采用基于非线性函数的阈值自适应去噪算法和基于曲率的去噪算法.基于非线性函数...     

于散乱三维点云的缺陷检测和三维重构方法

设备表面的缺陷检测对于保证安全生产避免经济损失具有重要意义。针对基于设备表面散乱三维点云缺陷检测和三维重构算法复杂的问题,提出了一种基于散乱三维点云的缺陷检测和三维重构方法。对散乱三维点云沿某一轴向进行分层处理,将同一层内的三维点进行移位规则化处理,并对规则化的三维点云进行缺陷检测和三维重构。分别对无缺陷设备表面和凹凸缺陷设备表面进行缺陷检测和三维重构,规则化前后三维数据缺陷计算结果相对误差为1.01%。实验结果表明,将散乱三维点云分层和规则化处理有效降低了缺陷检测和三维重构的复杂度,易于实现。     

手持数码相机获取场景三维点云的实现

利用计算机视觉进行三维点云获取是一种实用方便的三维信息提取方法,在工业检测和三维建模等领域应用广泛.鉴于传统固定相机方法中存在着灵活性差,适用范围小的问题,提出了一种手持单相机的三维点云获取方法.实验结果表明,该方法在室外场景点云获取应用中较传统方法在灵活性方面具有非常明显的优势.     

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。     

基于八叉树颜色量化和链表统计的背景主色提取方法

背景主色的确定是迷彩伪装的关键问题,针对现有提取方法的不足,提出一种基于八叉树颜色量化和链表统计的背景主色提取算法.首先对图像进行八叉树颜色量化,然后统计量化后图像的颜色,并用链表存储,最后依据人眼视觉特性和相应准则确定背景主色.该算法可以对多 幅图像进行处理且运算时间较短.实验表明这种方法能够满足迷彩伪装颜色确定的要...     

基于多尺度虚拟格网的LiDAR点云数据滤波改进方法

机载激光雷达(LiDAR)点云数据滤波是目前点云数据处理领域研究的重点。针对目前点云数据滤波的难点,提出了一种基于多尺度虚拟格网和并行计算的改进滤波方法。该方法通过点云数据构建多级虚拟格网,对格网进行多尺度分解,剔除LiDAR数据中的粗差点,获取初始地面点及地物点;根据双向阈值滤波原理,以网格尺度由大到小的顺序逐层进行滤波处理,得到较为精细的地面点,并结合点云数据的并行编程处理,减少了滤波算法的误差积累。实验结果表明:改进算法与其他经典滤波算法相比,滤波精度有了较大的提高,在不同的地形条件下能有效地控制第II类误差,同时减少了总误差,提高了滤波处理的效率和数字高程模型(DEM)的可靠性。     

基于多源信息融合的果树冠层三维点云拼接方法研究

构建了基于彩色相机和光学混合探测(PMD)相机的多源视觉系统,旨在建立具有真彩色信息的果树冠层三维点云模型,为果树的剪枝、疏花疏果和采摘等果园管理提供技术支持。针对PMD相机获取的目标场景三维点云,结合PMD相机的幅度图像和密度聚类算法提取有效点,利用前期研究的图像配准方法得到多源图像之间的坐标转换关系,完成了果树冠层多源信息融合。通过主成分分析法得到较好的初始位置,再采用最近点迭代算法,实现两组三维点云之间的拼接。对自然场景下的开花期和坐果期的果树冠层三维点云拼接方法进行了实验验证,结果表明多视角三维点云拼接误差为2.62cm,可以较好地弥补单个角度下拍摄造成的数据缺失,实现了果树冠层完整的三维显示。     

八叉树网格到非结构混合网格的转换

在数值模拟中, 非结构网格的优势是可以采用相同的数值格式统一处理任意复杂的计算区域, 但在网格生成过程中难度大, 并且不容易控制网格质量。树结构网格可以认为是介于结构网格和非结构网格之间的一种网格, 目前已经有相对成熟的方法快速在复杂区域内生成二维四叉树网格和三维八叉树网格。在实际应用中, 数值方法往往需要在连接协调的非结构网格上做离散, 树结构网格中不同尺寸的网格之间连接不是协调的, 在应用上会受到很多限制。文章实现了树结构网格到非结构混合网格的转换, 这种转换在二维情况下就是将四叉树网格转换为非结构三角形和四边形的混合网格, 三维情况下则将八叉树网格转换为非结构混合网格。这一转换过程的难点在于需要考虑数千种不同的八叉树单元, 并给出能实现连接协调的非结构混合网格划分。可以出现的网格单元包括六面体、三棱柱、金字塔和四面体这4种不同情况。通过特别的分类, 实现了程序的自动生成, 这种程序自动生成技术一方面可以避免人工编写大量程序时的失误, 另一方面也使得对数以千计的不同情况的处理成为可能。通过对几个简单网格的测试, 对网格数据转换方法做了初步的验证。      

流场自适应叉树网格数值模拟三维复杂超声速流场

建立了基于分区结构网格的三维贴体叉树形网格的数据结构,并阐述了在此基础上进行自适应分裂/合并判别方法.为节省网格量和保证流场结构捕捉质量,提出对自适应程度进行区域性控制,以及对流场结构进行"保护"性预加密的优化方式.通过应用该网格对三维复杂超声速流场算例的计算,证明该方法对网格加密控制方便,对流场结构分辨率高.