RANSAC直线估计方法在路面三维点云优化中的应用

在机场跑道异物检测和公路路面病害勘测等应用领域,快速高效获得大面积路面三维形貌至关重要。在利用车载单线式激光扫描仪实施路面三维重建的应用中,车辆的颠簸会使得路面三维点云数据出现失真。为此,使用RANSAC直线估计算法估计出由扫描仪获得的每条扫描线的斜率,进而消除了路面三维点云的不规则起伏失真。实验结果表明,优化前由车辆颠簸导致的路面点云起伏幅度达0.6 m,优化后的路面点云起伏幅度控制在0.04 m以内。路面重建效果经优化后有较大改进,此外点云优化算法耗时约11 s。因此,文中的路面三维点云优化方法原理简单、实施简便、路面点云优化质量高且耗时少,可在车辆存在颠簸时保证路面三维重建效果,在需要快速高效获得大面积路面三维形貌的场合具有较好的应用前景。     

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.     

基于脉冲耦合神经网络的点云曲面去噪

 提出一种基于脉冲耦合神经网络(PCNN)的点云曲面去噪算法.该算法主要分为两步:噪声点定位和噪声点滤波.首先针对点云曲面构建一个PCNN神经网络,各个神经元的外部刺激值由邻近点的几何位置差异和法向差异构成,利用神经元输出的自适应点火捕获特性,实现了噪声点的定位;而后针对点云曲面中的噪声点,基于网格光顺中双边滤波的思想,实现噪声点的滤波,对于非噪声点,则保持原有的几何位置不变.实验结果表明,由于区分了噪声点和非噪声点,该算法较传统的点云曲面去噪算法能更加有效的去除噪声的同时并保持模型的几何特征.     

基于机载激光点云数据的输电线走廊自动识别技术

使用激光点云数据可以得到较精确的地形数据,而目前激光雷达主要应用单波段脉冲,无法提供充分、有效的光谱信息.将激光点云数据与输电线走廊信息提取相结合,针对输电线走廊地物特征,根据点云信息三维数据对具有不同几何特征的地物进行识别,设计了一种基于机载激光点云数据的输电线走廊自动识别技术.首先通过计算点云曲面特征及邻域半径内维...     

基于空间图卷积的三维点云语义分割

随着科技智能化建设需求的提高,语义分割技术受到图形、图像领域内学者的广泛关注,其为目标跟踪、视觉控制等技术提供有效的决策支持。然而三维点云语义分割模型的运行效率和分割准确率是限制其发展的瓶颈所在。基于此,提出一种基于空间图卷积的三维点云语义分割网络（PCGCN）。PCGCN采用边缘图卷积网络提取局部特征,并使用残差网增强特征的传递,对不同尺度的局部特征进行融合并参与三维点云语义分割。PCGCN解决了在深度学习过程中因局部特征丢失产生的语义分割效果不佳的问题,同时,点云深度学习网络中,残差网的引入提高语义分割的准确度。在ShapeNet和S3DIS数据集上进行实验,实验结果表明,PCGCN在ShapeNet数据集的准确率达到85.1%,在S3DIS数据集的准确率达到81.3%。     

基于截距直方图和Otsu融合的弱光图像分割

直线截距直方图Otsu法具有良好的分割性能,但在处理图像的偏暗部分时通常只能将其划分为背景,使得图像大量的细节信息丢失.在分析直线截距直方图算法本质的基础上,提出了一种基于方向模糊导数的Otsu法来对图像的弱光部分进行分割.为了增强算法的普适性,将分割的结果与Otsu算法分割结果进行融合.首先,通过使用方向模糊导数的值...     

三维枪弹痕点云数据处理及特征提取研究

为了解决传统算法中弹痕图像深度特征信息丢失的问题,本文提出一种能够计算出弹痕图像深度特征参数信息的三维点云图像特征提取算法。该方法根据棱线斜率变化从局部极值点中找到特征点,运用线性拟合法构建三角形对特征参数值进行计算,确定弹痕特征参数值的相似范围,通过利用相似范围对未知弹头进行判别,实现弹痕和枪的一致性确认。实验结果表明：所提出的算法在现有样本的条件下,弹痕比对的正确识别率达到90%以上,单组弹痕数据的转换、特征提取和参数计算共用时32.7 s。算法满足弹痕比对需求,可以对后续弹痕比对提供可信依据,具有一定的理论价值和实用意义。     

基于激光三维点云的机械工件识别方法

随着中国制造2025的到来,运用工业机器人在线加工机械工件是大势所趋。为了能够智能抓取工件,工业机器人需要识别工件的类型以及工件的位姿。针对流水线上识别工件类型难的问题,提出了一种基于激光扫描三维点云的工件类型识别方法,该方法主要能够识别工件是哪种工件。首先对流水线上杂乱无序的工件进行激光扫描,得到工件的三维激光点云数据,将三维激光点云数据初步去噪。运用MATLAB软件对得到的三维激光点云进行中心切片,得到点云的主视切片、俯视切片、左视切片;运用HALCON软件对点云切片去噪、增强、分割,提取中心切片的边界信息并得到提取区域的特征参数,进而识别工件的类型。最后运用自主研发设备进行实验,分别以步距为0.05 mrad、测距精度0.2 mm、测角精度为0.02 mrad进行扫描,实验结果表明,识别准确性达96.67%。该方法对同类问题有较大的借鉴意义。     

基于深度学习的三维点云语义分割方法综述

随着激光雷达,RGB-D相机等3D传感器在机器人,无人驾驶,VR领域的广泛应用,深度学习在三维点云数据的研究进几年来得到了广泛关注.其中点云识别、分割、成为学术界、工业界的热门话题之一.深度学习技术的发展在点云的语义分割领域提供了新的可能性.文章着重介绍这一主题的相关研究,主要从基于多视图,基于体素,基于树和对点的直接...     

基于激光点云的建筑平立剖面图半自动绘制

地面激光扫描是一种可以快速精确获取室内外环境三维数据的有效手段。近年来激光扫描技术在古建筑保护与归档中得到了广泛的应用。建筑平面图、立面图、剖面图能够准确直观地表现出建筑的真实状态,因此平立剖面图绘制对于古建筑保护有非常重要的作用。但是,利用地面激光扫描数据进行平立剖面图的绘制需要大量的人力和时间。因此,本文提出了一种基于地面激光点云的建筑平立剖面图半自动绘制的方法,该方法包括三个部分,首先利用地面激光点云数据生成正射深度影像,然后从正射深度影像中对线特征进行提取,最后对建筑部件进行进一步的细化和完善。实验结果证实了本文提出方法的有效性,可以在平立剖面图绘制中大量的减少数据处理量和人工的参与。     

一种基于动态点云的三维监控与压缩系统

动态点云能准确表达三维空间位置关系,相较于二维影像,在目标检测、人脸识别以及可视化等方面具有更好的表现,因此动态点云在视频监控领域具有较大应用前景。基于所提出的改进的动态点云编解码框架,实现一种基于动态点云的三维实时监控与压缩系统。首先,通过ZED 2i双目相机进行点云视频获取,以Jetson Nano作为数据处理器,应用基于统计学的滤波算法实现离群点与噪声的去除。其次,依据监控场景的静动特性进行前后景分割,分别应用提出的改进算法和PCL库的压缩算法进行编码。实验表明,在监控场景下,获取的动态点云序列取得了较好的主观效果的同时,实现了点云数据的高效压缩。     

基于点云处理的QFP芯片引脚三维测量

为了避免利用2D图像提取特征点并进行三维重建的烦琐,同时满足芯片引脚3D测量指标的高精度要求,采用点云处理技术,提出一种基于法向量差异的点云水平校准方法,将该方法与最小外包围盒算法相结合来剔除芯片内部引脚点云.对剩余点云进行聚类分割后,利用采样一致性算法对芯片各外部引脚、上下表面进行平面方程参数拟合并求解各引脚区域的中...     

基于半球形邻域的激光雷达点云局部特征提取

为提升激光雷达点云目标识别的效率和减少计算开销,本文通过采用改进的邻域确定方法和LRF估计方法,提出了一种新的特征描述子:半球单值形状上下文特征描述子(Hemispheric Unique Shape Context,HUSC).首先计算关键点处的互相关矩阵,并根据邻域点附近的点密度进行加权,以此估计关键点的法向量和切...