基于机械臂辅助的多视角三维点云拼接算法

针对如何快速且准确地获取模具内部完整三维点云数据的问题,提出一种机械臂与三维视觉设备结合的三维点云拼接算法。在初拼接阶段,采用手眼标定方式获取手眼矩阵,并将各幅点云转换到机器人基坐标系,完成初步拼接,得到良好的配准初始位置。在此基础上,提出改进的迭代最近点（ICP）算法,通过结合内部形体描述子（ISS）特征获得关键点,并用随机一致性算法剔除错误匹配点,在点的匹配过程中采用点到面的方式进行匹配,最终得到完整的拼接点云。实验结果表明,所提算法在与ICP算法及其他改进的ICP算法的配准性能对比中具有良好的稳健性,算法耗时及配准误差明显下降,完整的拼接点云误差为0.12 mm,具有较高的工程实践价值。     

基于投影分布熵的多视点三维点云场景拼接方法

多视点三维点云场景拼接是解决激光三维主动成像目标自遮挡或被遮挡情况下目标数据不完全问题的一种有效方法,它将直接影响到后续的目标检测与识别处理。通过点云投影分布熵对场景独立坐标系进行估计,由此计算待拼接场景之间的空间变换参数,最后通过退火最近点迭代(ICP)方法,实现多视点场景的精确拼接。仿真实验结果表明,此方法是一种有效可行的方法。     

双维度交叉特征点协同匹配的点云拼接算法

为提高结构光三维重构系统的点云匹配速度及精度,提出二维视图及三维点云交叉特征点协同匹配的方法.首先,通过投影变换及维度映射关系实现待拼接投影图像的归一化,经预处理后提取端点及分叉点作为关键点,对同类点进行三角划分及相似匹配得到初始点集,并将其映射至三维空间.其次,利用kd-tree搜索得到双邻域质心,根据三点构成的三角...     

基于曲面拟合系数特征的点云快速拼接算法

为实现不同视角点云的快速精确拼接,利用 多邻域曲率变化信息,通过多阈值自适应地进行关 键点选取,较好地排除噪声的干扰,保证了关键点质量。对以关键点为中心不同半径邻域曲 面进行拟合,利 用曲面拟合系数描述关键点的特征,用较小的计算量最大程度提取出了点云表面的几何形状 信息,识别精度 高。选取特征描述符间距离最小的对应点对作为初始对应关系进行初次配准,在变换后的对 应关系中设定 距离阈值,大于阈值的对应关系则予以去除,方法计算简单、剔除错误匹配点对效果良好 。运用聚类分 选方法对对应关系进行优化,保留局部特征向量相似程度最大的对应关系,使得对应关系分 布合理。最后 利用优化后的对应关系二次配准得到最终结果。实验结果表明,本文方法运行速度快且有较 好的抗干扰能力,适合实时三维测量应用。     

基于单位四元数法的激光点云拼接算法研究

在实际生产应用中经常需要对激光器多次测量所得点云进行点云拼接,为解决激光点云的精确拼接问题,提出了一种基于单位四元数的点云拼接算法,通过计算点云重心点所在曲面的曲率特征点,经过多次迭代寻找最近点,求出点云平移与旋转矩阵的最优解,进而完成点云的自动精确拼接。     

基于三维激光获取点云的三维模型构建

目前国内对一些大型古建筑文化遗产的传统测量方法往往难以获得十分准确的数据信息,这使得专家们在对一些大型古建筑进行修复时十分头疼.而且在用一些传统测量方法的测量过程中也存在对古建筑造成二次伤害的风险.现如今,随着科研技术的发展,激光扫描硬件的总体水平也在不断地进步[1].因此,三维激光扫描技术也越来越成熟.三维激光扫描仪在一些大型建筑的测量工作中使用得也越来越广泛.三维激光扫描仪的工作原理,是先对获取到的点云数据采取配准拼接处理,再对其进行去噪简化等操作,最后利用建模软件3DMAX对大型的古建筑进行三维模型的构建的过程.     

迭代最近点算法研究进展

曲面配准问题是三维计算机视觉中的一个极其重要的问题,作为解决深度图像的配准问题的一个应用较为广泛的算法,ICP算法得到了研究者的关注,本文以一种全新的思路从控制点的选取、特征度量、空间搜索、点对权重和刚体变换的求解等5个方面对深度图像配准的ICP算法的各种改进和优化进行了分类和总结.并提出了该算法尚需研究和改进的方向.     

基于FPFH和法向量的改进点云配准算法

针对飞行时间法(TOF)获取点云的相关特点,提出一种适用于TOF点云的改进配准算法,首先使用FPFH特征对点云进行粗配准;在精配准阶段,通过法向量夹角特征采样的方法来减少点云的点数,同时又保留点云的关键信息点,并引入KD树和RANSAC方法来改进ICP的配准效率。实验结果表明,该算法具有良好的配准效率和精度,同时具有较大的适用范围。     

面向阵列InSAR点云规则化的渐近式建筑立面检测

为有效地从海量、带噪阵列InSAR空间点中检测建筑立面,该文提出一种基于结构先验的渐进式建筑立面检测算法.该文算法首先将初始阵列InSAR空间点投影至地面以生成与建筑立面相应的连通区域,然后通过结构先验的引导逐步在每个连通区域内检测潜在的线段,进而根据线段及其对应的空间点生成相应的建筑立面;在此过程中,当前连通区域对应...     

影像配准中遥感影像库的应用

在目标变化检测和识别过程中,影像的高精度配准是极为重要的环节,它直接决定了变化检测和识别的成败,然而配准过程中参考影像的获取和配准控制点的提取一直是工程实践中的难点;以遥感影像库为配准参考影像,提取配准控制点,对系统内部处理的遥感影像进行精确配准,很好地解决了不同分辨率参考影像的获取和有效控制点的提取,并使待配准影像和影像库数据获得一致的地理坐标系统,能取得较好的效果。     

三维测量数据同步自动配准方法

提出一种三维(3-D)视觉测量数据同步自动配准方法。利用改进的3-Dshape context描述符建立当前测量数据与已获得数据间的匹配点对,得到候选的重叠数据,并用最近点迭代(ICP)算法进行验证和精确配准。将视觉传感器每次获得的测量数据与已获得的测量数据配准,最终将所有测量数据统一到同一坐标系下。实验时,采用视觉传感器对维纳斯石膏像进行多角度测量,对测量数据进行同步配准,获得石膏像表面完整的3-D模型。该配准方法无需任何外部辅助设备,便于操作者观察测量进度并及时调整视觉传感器路径规划,从而提高三维形貌测量效率。     

一种新的SAR图像自动配准算法

由于图像间光谱特性的差异,对图像配准的精度产生严重的影响,因此该文提出了一种基于改进灰度熵的SAR图像自动配准算法。文中首先对SAR图像进行配准前的预处理,提取图像掩模,然后计算图像行和列的灰度熵,将其作为图像的特征信息完成图像间的配准,提出了配准优化算法的完整步骤,并利用多种方法对配准结果进行评价。实验证明该方法可以有效克服图像间亮度不均的影响,充分利用了像素的有用信息,具有很高的配准精度和配准效率,是一种正确可行的图像配准算法。     

基于点云配准的多固态激光雷达标定算法

针对多个固态激光雷达协同工作时,需要准确地进行外参标定的实际需求,提出一种基于点云配准的多固态激光雷达自动标定算法。该标定算法由标定物分割、初始配准和精确配准三个阶段构成。在标定物分割阶段,首先通过叠加多帧非重复扫描数据制作标定点云,再使用半径滤波和体素下采样滤波分割出纹理特征明显的目标点云。在初始配准阶段,使用3D-HARRIS算法提取关键点,并使用方向直方图(SHOT)特征描述子进行特征描述,然后匹配对应点并使用采样一致算法完成初始配准;在精配准阶段使用迭代最近邻(ICP)算法进行精确配准,从而获得精确的外参标定效果。在Bunny兔数据集和现场获得的数据上进行实验,结果表明,当保证配准平均误差小于1 mm的前提下,所提出算法的性能优于多种现有算法。     

基于改进ICP的复杂机械零件测量点云配准方法

点云配准是基于机器视觉进行复杂机械零件三维非接触精密测量的关键环节。针对传统迭代最近点(iterative closest point, ICP)算法对初始位置依赖性强,迭代收敛速度慢,错误对应点对多,难以满足大批量复杂机械零件测量点云配准效率和精度要求的问题,提出了一种基于ISS-FPFH(intrinsic shape signature-fast point feature histogram)特征结合改进ICP的复杂机械零件测量点云配准方法。为了减少点云配准数量,并保留点云表面原来的细微特征,提出了基于重心邻近点的体素滤波器对点云进行下采样预处理。为解决传统ICP算法因合适初始位置难以确定而导致多视角测量点云配准失败的问题,采用了基于ISS-FPFH特征的采样一致性初始配准(sample consensus intial alignment, SAC-IA)算法进行粗配准。为解决传统ICP算法迭代收敛速度慢、错误对应点对多的问题,提出结合法向量夹角约束的点到平面ICP算法进行精配准。以斯坦福大学的bunny点云模型为对象,验证了本文提出方法对噪声点云的鲁棒性。以常见的复杂机械零...     

基于标志点的多视点云优化拼接方法

针对基于标志点序列扫描点云拼接过程中出现的累积误差问题,提出一种利用光束法平差方法计算最优全局点位的拼接优化算法。该方法以扫描特征点在全局坐标系下的位置为初始值,以反投映残差最小化为目的,构建优化代价函数,通过迭代的方法计算特征点的全局最优点位,最后以该最优点位为基准,对序列点云进行空间位置调整。实际测量结果表明,该方法可以明显减少拼接过程中所产生的累积误差,具有提高拼接精度的作用。     

基于点云边界质心的粗配准方法

点云配准的质量直接影响着三维重建的质量。针对传统K-4PCS耗时长且易出现错误匹配等问题,文中提出一种基于边界质心的点云粗配准方法。通过对点云进行边界提取,既保留点云外表特征,又减少了点云数据的大小,提高了粗配准速度。为了加快边界点的提取速度,使用K-D tree算法完成对k近邻点的搜索。通过配准边界点的质心,减少点云初始距离并增加重叠度,保证了粗配准的精度。实验结果证明,文中方法在粗配准速度和精度方面都优于传统K-4PCS算法,其速度约为传统K-4PCS算法的2倍,平移和旋转精度也比传统K-4PCS高了40%以上。文中所提方法对提高点云粗配准的速度和精度具有一定的参考价值。