高维正交子空间映射的尺度点云配准算法

为了解决三维点云在无序、数据被遮挡以及噪声干扰情况下的配准问题,提出了一种高维正交子空间映射的尺度点云配准算法。根据能量-功率的比值,对待配准点云进行等比例放大,完成仿射配准。在点云无序、数据被遮挡、尺寸放缩以及噪声干扰的情况下,所提算法与经典ICP(Iterative Closest Point)算法的配准精度相当。与经典ICP算法相比,所提算法对Bunny点云数据的配准效率提高了98%,对Dragon点云数据的配准速度至少提高了20倍,且在对大尺度Dragon点云数据的配准中,所提算法的配准时间比经典ICP算法短6210.4 s,配准精度也高于其他算法。所提算法不会陷入局部最小值,在快速精确配准和稳定性方面有明显的优势。     

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.     

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。     

基于多维混合柯西分布的点云配准

为提高三维点云在数据随机缺失和噪声干扰等复杂情况下的配准精度,提出一种基于多维混合柯西分布(MMC)的点云配准方法。将点云数学模型扩展为MMC模型,求解模型各参数,并构造出特征四面体,以优化旋转矩阵与平移向量;通过最大期望算法分别求出目标点云和待配准点云在MMC模型下的数据中心、协方差矩阵和权重的值。仿真与实验数据表明:与几种常用的算法相比,MMC算法即使在点云数据存在遮挡、缺失,大小不一致,含随机噪声,且具有无序性的条件下,也能精确配准,且具有良好的稳健性。     

基于分层优化策略的颅骨点云配准算法

颅骨配准是颅面复原过程中的重要步骤之一,颅骨配准的精度直接影响着颅面复原结果的好坏。为了提高颅骨点云模型的配准精度和收敛速度,提出一种基于分层优化策略的颅骨点云配准算法,将配准过程分为粗配准和细配准两个过程,分别采用不同的优化策略进行优化。首先基于点的邻域提取几何特征,从而得到由平均曲率、高斯曲率、法向量夹角和主曲率构成的特征向量;进一步通过距离函数计算特征相似性来建立匹配点对,并采用k-means算法剔除误匹配点对;然后使用四元数法计算颅骨点云间的刚体变换关系,实现颅骨粗配准;最后通过引入k-维(k-d)树和加入几何特征约束对迭代最近点(ICP)算法进行改进,使用改进的ICP算法实现颅骨的精确配准。实验结果表明:粗配准过程采用k-means算法剔除误匹配点对的优化策略和细配准过程加入k-d树与几何特征约束的优化策略都是有效的。与ICP算法相比,本文算法的匹配率和配准精度分别提高了约17%和51%,算法耗时减少了约31%。与其他经典配准算法和改进的ICP算法相比,本文算法的配准效率是最优的。为了验证本文算法的普适性,还采用兵马俑碎片数据进行验证,本文算法也取得了较好的效果和最优的性能。...     

车载抬头显示系统自由曲面反射镜点云匹配算法

车载抬头系统是未来车载仪表显示发展的必然趋势.针对在抬头显示系统自由曲面反射镜测量过程中不同区域特征相似、不易提取特征点,以及优化时易陷入局部最小值的问题,提出了一种高精度的三维点云与抬头显示反射镜面形模型匹配的方法,实现了高稳定性、高精度配准和误差评价.首先测量数据和模型数据转换成点云文件,经过三维旋转,使点云的法向...     

结合图论的异源影像点云配准方法

结合图论思想，提出一种高效的异源影像点云配准方法。该方法首先利用点云几何特征寻找点云中的地平面方向，将点云中建筑物的布局关系构建成图形式，使点云配准问题转化为图匹配问题；然后，提出一种图匹配方法，基于几何约束条件构建核三角形作为配准基元，利用高阶相似度信息寻找图的全局最优匹配，实现点云间的快速、稳健初配准；最后，结合迭代最近点（ICP）算法进行精配准，获得高精度异源点云配准结果。为了验证所提方法的有效性，选取河南省3个不同区域的高分七号卫星影像点云和无人机近景影像点云进行实验。实验结果表明，所提方法不受噪声点和异常值的影响，能够克服不同的点云密度差异、消除约939倍的坐标尺度差异，整体配准速度相较于对比方法提升了51～184倍，全自动地实现了异源影像点云鲁棒、高效配准。     

基于正则化迭代的并行磁共振图像重建算法

为了解决并行磁共振成像过程的病态性和图像信噪比下降问题,降低重建过程中噪声放大和异常值的干扰造成的图像信噪比的损失,提出了一种基于正则化共轭梯度迭代的并行磁共振成像重建算法;该算法基于最小二乘理论,引入正则化,优化方程,进而进行迭代重建;采用了不同加速因子的人脑磁共振K空间欠采样数据以验证该算法的重建性能,仿真结果表明了该算法相较于最小二乘法,能较大限度地降低噪声对重建结果的干扰,具有信噪比更高、误差更小、成像效果更好等特征;重建图像质量得到了较好的改善,对临床诊断更具有适用性。     

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。     

平面特征约束下基于四元数描述的LiDAR点云配准算法

系统探讨基于平面特征约束的地面LiDAR点云的高精度融合问题,引入单位四元数作为空间旋转变换的描述算子,给出了三维空间中平面特征的四参数表达方法,在确保数学表达形式唯一的基础上实现对基于平面特征约束的空间相似变换模型的构建。以配准后同名平面特征的参数对等作为约束条件,基于最小二乘准则构建了三维空间相似变换的目标函数,并通过函数的极值化分析实现了平面特征约束下相邻测站LiDAR点云配准参数的迭代求解。最后,分别通过两组实测LiDAR点云数据对算法的正确性与有效性进行验证。结果表明:在求解空间相似变换参数的过程中,借助平面特征的四参数表达法,通过参数对等的条件约束来判断配准后同名特征的一致性,同时满足了同名平面特征之间的法向一致与距离为零两个约束条件;四元数的引入使空间相似变换模型的表达形式更加简洁,配准过程中的附加约束条件更少,在实验方案中,给定任意的未知参数初值,所提算法均能够运行并得到正确结果。     

最小二乘法直线拟合基本假定的几点讨论

本文讨论物理实验中因不满足基本假定不宜用最小二乘法进行直线拟合的几种情况。     

摄像机标定中的特征点提取算法研究与改进

为提高摄像机的标定精度,必须研究高精度的特征点提取方法。针对三种比较典型的标定图样:棋盘格,二维正弦条纹和高斯点阵,分析比较了相应的提取特征点算法和用于摄像机内参数标定的精度,得出基于傅里叶相位分析法的二维正弦条纹的特征点提取精度最高。并针对傅里叶方法处理二维正弦条纹不能准确提取边缘特征点的缺陷,提出了使用相移法提取正交相位以代替傅里叶方法得出正交相位的新方法。这种方法可以消除傅里叶变换滤波对点阵边缘的模糊作用,扩大了二维正弦条纹在摄像机标定中的适用范围。摄像机外参数标定实验表明该方法在处理包含边缘点的点阵时,重投影误差保持在原有水平,证明了其有效性。     

基于垂线包络和平行线对的城市道路图像消失点检测算法

从单幅图像中识别道路消失点,是无人驾驶、智能导航等领域的关键技术之一。针对城市典型道路和街道图像,提出了一种新的基于垂线包络和平行线对的城市道路图像消失点检测算法。提取单幅图像中的所有平行线对,利用图像中存在的竖直线,提出了竖直区域的包络线估计方法,并实现了对道路区域的分割,有效提取了道路区域内的平行线对。使用方向分组策略将道路区域平行线分成两类,并对近似对称的直线对求交点。利用Cmeans聚类和统计相结合的方法估计了城市道路场景中的消失点。实验结果表明,该算法能够准确有效地估计城市道路场景中的消失点。     

基于多模态数据协同的弱纹理表面高精度点云配准算法

为解决大型构件表面弱纹理特征的捕捉和多次测量的精度配准问题,采用集成结构光与光度立体视觉的复合测量系统,利用结构光测量获取工件表面整体形状的点云数据,利用光度立体视觉获取表面精细弱纹理的法向量信息。在此基础上,提出了一种融合邻域点云坐标与法向量信息的新型局部特征描述子,可对弱纹理工件表面特征进行有效且鲁棒地描述。大量仿真和真实实验验证了所提方法的有效性,其性能大幅超越了基于传统特征描述子的迭代最近点算法。所提方法可有效捕捉并描述弱纹理表面的丰富细节特征,构建鲁棒显著的特征描述子,进而大幅提升了测量结果的匹配精度,减小了大型复杂构件的整体重建误差。     

杨氏模量实验中不确定度的评定方法

讨论了在杨氏模量实验的线性回归中,自变量有误差时的不确定度评定方法。     

基于温度修正模型的柴油凝点快速检测方法

便携式近红外光谱仪现场快速检测是近红外光谱分析领域的一个重要的发展趋势。为了实现快速检测,便携式近红外光谱仪一般不配备温控装置,因此环境温度的变化会带来较大的测量误差。如何降低环境温度对检测结果带来的误差,是便携式近红外光谱仪在现场快速检测领域大规模推广所需要解决的一个重要问题。柴油的凝点值是评价柴油品质和适用范围的一个重要指标,对柴油凝点进行快速检测有重要的经济意义。通过便携式光谱仪采集了50种具有不同凝点的柴油样品在近红外波段（950～1 650 nm）的吸收光谱,研究了环境温度变化下的基于近红外光谱分析的柴油凝点快速检测方法。此光谱仪为基于数字微镜设计的便携式光谱仪,针对现场快检而研发,未配备温控样品池。在环境温度T₀=25 ℃时基于偏最小二乘法建立了柴油凝点的预测模型,并分别将不同环境温度（T_E=-10,0,10,20,30,40和50 ℃）条件下测量的近红外光谱带入上述凝点预测模型,分析预测偏差随环境温度相对参考值变化(T_E-T₀)的依赖关系。通过一次函数对预测误差随环境温度的变化关系进行拟合,发现凝点预测偏差的平均值随环境温度的变化关系为Δｃ＝-0.019 8(T_E-T₀)。将环境温度的修正因子带入25 ℃条件下预测模型,建立了针对环境温度变化的温度修正模型。在温度修正以后,10 ℃条件下预测凝点的均方根误差由原来的14.6降为8.8,相关系数由原来的0.4提升为0.7。研究表明,本温度修正模型可以有效降低环境温度对预测结果带来的误差。基于此温度修正模型,可以显著降低近红外光谱分析建模过程的工作量,在某一特定温度条件下建立预测模型后将此温度修正项带入模型即可用于在其他环境温度条件下进行柴油凝点值的预测,而不需要在其他多个温度条件下分别建立预测模型,可显著提高建模效率和便携式近红外光谱快速检测的温度适应性。     

面向光学测量跨源点云的多尺度采样配准方法

为了实现具有不同测量尺度、分辨率与精度等特性的跨源点云的精确配准,提出了基于多尺度采样的测量点云数据配准方法。通过尺度滑移算法来滤除高频细节信息,保留轮廓数据,并结合体素网格邻域法来实现点云数据的降采样;对于宏观结构光视觉测量的低分辨率点云数据,通过基于深度学习的渐进式三维点云上采样算法可以精确还原结构光点云的轮廓细节,实现跨源点云在尺度与分辨率上的统一。最后,采用迭代最近点法对处理后尺度近似的数据进行配准,并将配准关系逆向用于原始跨源点云的配准。实验结果表明,多尺度采样方法对于跨源点云的配准精度有所提高,能有效用于发动机叶片等零部件的高性能检测。     

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。     

量子点光谱成像技术与重建仿真

为满足机载星载平台对光谱成像系统紧凑型和轻量化的需求,克服当前光谱成像技术分光系统结构复杂、成本高的不足,提出了基于量子点材料的光谱成像技术方案。将条带状的量子点阵列片放置于前置镜焦面前,利用量子点材料对光谱的吸收特性对探测目标的入射光谱进行调制,使用最小二乘法建立探测目标的光谱重建模型,采用推扫的方式获取数据并进行光谱重建可以获得目标光谱和空间信息。量子点光谱成像技术具有光谱分辨率高、能量利用率高、体积小、光谱范围宽和成本低等优势。分析了不同光谱谱段间隔和噪声等因素对重建光谱分辨率的影响,以及对重建光谱准确性或者失真度的影响。分析得出谱段间隔越低,光谱分辨率越高;重建的准确性和分辨率随着噪声水平的增大而降低;适当的提高谱段间隔,可以提高重建的准确性。将已知数据立方体和它的仿真结果进行对比,可以看出还原得到的量子点光谱图像质量较好,验证了该技术的可行性。量子点材料为光谱成像技术提供了新的途径,在航空航天等小型化光谱遥感领域具有极大的应用潜力。