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。     

基于光栅投影和点云体积计算的过度包装检测系统

为了实现商品过度包装的无接触检测,设计了一种基于光栅投影的商品过度包装检测系统。首先利用投影仪和两个高分辨率摄像头,实现物体三维点云的获取,再提出物体点云的包围盒获取算法,计算物体的包围盒体积及三维点云体积,最后根据容积率和空隙率,检测商品包装是否过度。实验结果表明,系统能有效基于点云形状生成包围盒,点云体积计算准确度能达到95％,耗时比广泛使用的Poisson方法明显减少。     

基于点云切片改进法的不规则物体体积测量

现有边界点排序算法在处理具有多个轮廓边界的点云切片数据时,存在无法区分各个边界、生成异常边界多边形和截面面积计算错误等问题,导致体积测量精度较低.为此,提出一种顾及截面中多轮廓边界分割的点云切片改进法,用于不规则体体积高精度测量.该方法首先通过欧氏聚类或多边形拆分再重组法将切片中多个边界一一分开;然后由PNPoly算法...     

采用空间投影的深度图像点云分割

点云分割是点云处理的一个关键环节,其分割质量决定了目标测量、位姿估计等任务的精确与否。提出了一种采用空间投影的深度图像(RGB-D)点云分割方法,在分析了相机模型、RGB-D数据特征以及图像阈值与目标点云关系的基础上,建立靶标坐标系与点云区域的模型,进一步地结合靶标坐标系和图像阈值,把点云变换至靶标坐标系以突出目标区域、弱化背景区域,并用图像形态学处理所投影的像素值以及分割图像以获得所对应的点云区域。建立3种测试场景以获得3组不同的点云数据,采用4种方法对点云进行分割对比,其中采用空间投影的方法能获得较高的点云分割质量;对空间投影中的膨胀元素、数值与分割质量的关系进行测试分析,结果表明了采用空间投影的方法对RGB-D点云分割的有效性和可行性。     

基于点云模型的人体尺寸提取算法

针对人体尺寸自动提取的问题,提出一种基于PCL点云库的交互式算法。通过单台Microsoft Kinect采集人体点云数据,使用邻域平均法进行去噪预处理;通过人机交互的方式选取特征点得到所对应的点云轮廓;采用改进的凸包算法估算人体胸围、腰围、脖围尺寸。实现了全面的非接触式人机交互,具有操作便捷、速度快的特点。实验结果表明交互式人体尺寸提取方法能够适用于不同人群,改进的凸包算法能够有效地提高尺寸精度;提取的人体尺寸满足GB/T 23698-2009的精度要求。     

基于OTSU多阈值分割算法的激光线扫点云数据表达及精简方法研究

激光线扫方式获取的点云数据量庞大,不利于点云数据的存储、处理与分析。为了对激光线扫点云数据进行有效精简,提出了一种基于OTSU多阈值分割算法的激光线扫点云数据表达及精简方法。基于点云数据坐标与图像灰度值的映射,采用OTSU多阈值分割算法进行区域分割,并将分割后的各区域进行边缘提取及细化处理。根据原映射关系将细化的二值图像重新以点云方式表示,即得到精简的点云数据。在保持原有点云数据关键信息完整度的基础上,可有效地精简点云数据。实验结果表明:基于OTSU多阈值分割算法可有效地精简点云数据,同时能够有效地去除扫描过程中的背景干扰数据,具有较大的适用性和实际应用参考价值。     

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。     

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.     

一种改进型视角投影图像彩色计算全息术的三维重构算法

本文提出了一种利用三维景物的二维视角投影图像合成计算全息图,并重构出彩色再现三维影像的方法.该方法基于利用视角投影图像获取景物的三维傅里叶频谱的理论,采用电荷耦合器件记录三维景物在白光照明条件下横、纵两正交方向的一系列视角投影图像,并利用这些视角投影图像合成计算全息图,从而重构出三维再现像.通过采用在频谱面上的容余采样方法,提高了图像频谱信息的利用率,通过实验论证,证明了该方法的可行性.利用该方法使得视角投影图像的记录过程更加简单,节省了采样时间,提高了程序运行速度|能够在利用同等数量的视角投影图像的条件下,提高合成全息图的质量,使得重构的彩色再现三维影像更加清晰.     

一种改进型视角投影图像彩色计算全息术的三维重构算法

本文提出了一种利用三维景物的二维视角投影图像合成计算全息图,并重构出彩色再现三维影像的方法.该方法基于利用视角投影图像获取景物的三维傅里叶频谱的理论,采用电荷耦合器件记录三维景物在白光照明条件下横、纵两正交方向的一系列视角投影图像,并利用这些视角投影图像合成计算全息图,从而重构出三维再现像,通过采用在频谱面上的容余采样...     

基于云计算的大数据自动分类处理系统设计

随着现代网络技术不断进步,系统数据量也在逐渐增多。传统的大数据自动分类处理系统已经无法满足现阶段用户需求,其软件与硬件的设计都比较单一,存在能源消耗大、分类速度慢、处理时间长、内存占用率高等问题,为此,提出基于云计算的大数据自动分类处理系统的设计。首先设计系统硬件结构,主要包括数据采集器、数据处理器以及数据自动存储模块,并详细的介绍了各硬件结构;然后利用时域特征提取数据的算法对频域特征数据进行提取,从而实现数据自动分类处理系统的软件设计;最后对两种系统性能进行对比实验。实验结果证明,基于云计算的大数据自动分类处理系统的资源不仅占用率低,内存消耗小,而且数据库内存较大。该系统不但可以提高数据自动分类精准度,还能加快数据分类速度,从而使系统拥有更好的分类性能。     

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.     

基于数据驱动的航天器三维可视化系统设计

航天器数据庞大繁杂,为了给设计人员提供快速检验设计思想的便捷工具,对基于数据驱动的航天器三维可视化系统进行了研究。在分析航天器可视化系统特点的基础上,提出系统功能要求,继而提出了基于数据驱动的三维可视化系统构建方案,介绍了可视化系统组成、核心模块关系。在基于MFC框架及Vega Prime为主的开发的前提下,对系统模块划分进行了研究,给出模块功能和实现方案。为了提升系统展示效果,对消息缓冲与插值延迟、特效集成与驱动机制、相机管理和场景切换等关键技术提出了优化设计方案,使之更加适应航天器可视化展示需求。设计系统较传统可视化系统展示更为流畅,场景视角切换更为智能。系统已应用于多个航天器研发工作中,应用效果证明系统具有良好的通用性和实用性,具有一定的推广价值。     

基于Q学习和双向ACO算法的云计算任务资源分配模型设计

云计算异构环境中由于计算和存储资源物理分布的不一致性,往往容易导致在应用传统的调度算法进行任务资源分配时存在调度效率低和负载不均衡的问题,为此,设计了一种基于Q学习和双向ACO算法的云计算任务资源分配模型;首先,引入了基于主从结构的调度模型,并综合考虑任务计算完成时间、网络带宽和延迟等因素设计了资源分配目标函数,然后,设计了基于Q学习的云计算资源初始分配方法,将其获得的最优策略对应的Q值初始化网络中节点的Q值,最后,设计一种结合前向蚂蚁和后向蚂蚁的双向ACO算法实现任务资源的最终分配,并对算法进行了定义和描述;在CloudSim环境下进行仿真实验,结果证明文中方法能有效实现云计算异构环境下的任务资源分配,且与其它方法相比,负载均衡离差值平均约为0.071 5,是一种适用于云计算异构环境的有效资源分配方法。      

From a Point Cloud to a Simulation Model—Bayesian Segmentation and Entropy Based Uncertainty Estimation for 3D Modelling

The 3D modelling of indoor environments and the generation of process simulations play an important role in factory and assembly planning. In brownfield planning cases, existing data are often outdated and incomplete especially for older plants, which were mostly planned in 2D. Thus, current environment models cannot be generated directly on the basis of existing data and a holistic approach on how to build such a factory model in a highly automated fashion is mostly non-existent. Major steps in generating an environment model of a production plant include data collection, data pre-processing and object identification as well as pose estimation. In this work, we elaborate on a methodical modelling approach, which starts with the digitalization of large-scale indoor environments and ends with the generation of a static environment or simulation model. The object identification step is realized using a Bayesian neural network capable of point cloud segmentation. We elaborate on the impact of the uncertainty information estimated by a Bayesian segmentation framework on the accuracy of the generated environment model. The steps of data collection and point cloud segmentation as well as the resulting model accuracy are evaluated on a real-world data set collected at the assembly line of a large-scale automotive production plant. The Bayesian segmentation network clearly surpasses the performance of the frequentist baseline and allows us to considerably increase the accuracy of the model placement in a simulation scene.     

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。