一种三维点云聚类算法的研究

在重构曲面之前,需要对点云数据进行聚类处理,以保证后续3D重建工作准确、高效地进行。基于采用传统的聚类方法处理立体视觉形成的海量数据所存在的计算与存储瓶颈问题,提出一种新型的聚类算法,即基于包围盒的密度聚类算法。它首先利用包围盒算法对给定的海量点云进行过分聚类,然后对每个过分簇求中心,用中心点代替过分簇,最后在过分簇的级别上进行基于密度的聚类来完成对整体的聚类。结果显示该方法能够有效地实现海量点云的聚类,突破计算瓶颈。它实现了原始点云的大量删减,简化率高达96.75%,并最终在过分簇的级别上将原始点云分为5类。     

基于网格模型的孤立点检测算法

为了从数据集中快速有效地发现孤立点,提出了一种基于网格模型的孤立点检测方法,给出了数据空间的网格划分,定义了网格内孤立点存在性阈值,提出了基于网格的孤立点检测算法,在保证算法有效性的前提下,降低了算法的时间复杂度。     

基于碰撞检测算法的动态服装仿真研究

针对传统服装仿真方法中的动力学模型生成策略和碰撞检测算法提出了改进。首先采用三角网格代替传统的四方网格,并给出了三角网格的生成算法;然后分别测试出待测点与AABB包围盒和图元的碰撞检测时间;再计算出整个碰撞检测时间开销最小时叶子包围盒中的图元数目;最后以该图元数目来构造AABB碰撞检测树,实现了最优情况计算叶子包围盒图元数量的方法。仿真结果表明,该改进生成算法能够有效地减少了碰撞检测时间。     

基于特征点的自适应三维网格数字水印算法

针对目前三维模型水印算法在将水印嵌入三维模型后,均会使三维模型产生局部失真问题,文章提出一种自适应三维网格水印算法。通过特征点提取算法将模型的特征点提取出来,按其模长进行分组,将每组顶点的模长序列进行一维DCT变换到频域,在频域信号上加入水印,使嵌入的水印具有不可见性。实验结果表明,该算法对仿射攻击、网格简化、加噪声和剪切攻击以及它们的联合攻击具有较好的鲁棒性,同时有效地控制了由于嵌入水印对几何模型造成的局部失真现象。     

基于Delaunay准则的三维网格自动插点算法

提出了一个新的三维网格自动插点算法。算法充分利用Ｄｅｌａｕｎａｙ的空圆特性来计算新点的位置并插入新点,维护三角化的Ｄｅｌａｕｎａｙ性质,使得生成的四面体网格的实体的几何边界守全保形。该算法生成的四面体具有较好的性质和良好的密度分布,还采用了新的插点算子－线段插点、子面插点和四面体插点。     

一种基于OBB的碰撞检测算法的改进

针对基于层次包围盒的碰撞检测算法中的方向包围盒（OBB）算法，提出了一种改进算法，利用虚拟环境中发生碰撞的帧与帧之间的关联性，对已发生的碰撞进行缓冲，以便下一次的碰撞检测可以利用已检测的上一次碰撞的信息，加快碰撞检测的速度，同时利用预测试方法扩展了这种算法，实验结果证明，本算法可以有效地解决碰撞检测的计算复杂性问题和改进虚拟环境中碰撞检测的性能。     

基于空间网格划分的点云质量检测算法

随着三维激光扫描技术的快速发展,它以非接触性、高密度、高精度、数字化、自动化等特点,被广泛用于多个邻域,其中在建筑物变形监测领域的应用也越来越广泛。针对扫描设备获取的大量变形监测数据,快速地统计出前后两期数据变化差异值,提出了一种基于空间网格划分的点云质量检测算法,算法通过对不同期点云模型进行空间网格划分,依据网格进行点云邻域搜索,并根据点云变化差异值给点云赋予不同色谱颜色值,最后进行直观的两期点云变化差异可视化,并绘制出统计信息图。研究表明,该算法能够快速地分析对比两期点云数据,输出变化差异统计信息,能够为工程的运营提供快速的安全指导参考。     

基于有界k-d树的最近点搜索算法

提出了一种基于有界k-d树的最近点搜索算法.算法的原理是:由根节点中的包围盒确定树中数据的空间范围,并在搜索过程中不断划分包围盒来缩小搜索范围,同时递归地计算查询点到包围盒的距离.结合优先级队列,基于有界k-d树的最近点搜索算法拓展到搜索按距离远近排列的多个最近点.实测和仿真分析表明,本搜索算法的计算效率高于传统的搜索算法.     

改进的基于径向基函数的曲面重建算法

目的改进基于径向基函数的曲面重建算法。方法针对数据量过大,无法在中低端计算机上进行曲面重建的问题,采用分而治之的思想,将点云曲面先分割后重建。结果所给方法能够明显提高曲面重建效率,实现了在中低端计算机上的曲面重建。结论对于不规则的待重建物体,使用任意方向的包围盒比使用轴向包围盒能更好地降低重建过程中的运算次数。     

混合包围盒碰撞检测算法的研究

本文基于包围球和OBB包围盒的优点提出了一种混合包围盒方法:S-OBB,用于解决刚体之间的碰撞检测问题。我们构造了更加简单的包围盒树,采用改进的数据结构,减少了存储空间;在树的遍历中,我们应用单重遍历的方法,提高了碰撞检测的速度,尤其是当树的深浅悬殊时效果尤为明显。     

大型储罐的三维点云精简方法研究

针对大型储罐三维点云数据散乱、冗余点多等影响计算机显示及容积计算的问题,改进了一种储罐三维点云精简算法。该方法先利用均匀网格法,将待处理的三维点云数据分割成若干小栅格;然后根据随机抽样一致(random sample consensus, RANSAC)算法对每个栅格中的点云数据建立球模型,以保留特征点并滤除冗余数据点,达到精简点云的目的。将该方法与传统的均匀网格法和非均匀网格法进行对比,实验结果表明该方法在保证较高精简率的情况下可以更好地保留储罐点云数据特征。     

应用改进狼群算法优化模糊聚类实现点云数据的区域分割

针对模糊C-均值聚类算法用于点云分割时对初始值敏感且易于陷入局部最优,导致点云分割效果不理想,不稳定的问题。提出一种基于曲率约束的改进狼群算法优化模糊C-均值聚类的混合算法(IWPAFCM)。该算法首先在狼群算法中引入佳点集初始化种群分布;然后利用自适应步长简化参数设定、平衡寻优与收敛时间;进一步应用交互策略增强狼群的内部交流,提升狼群全局寻优的能力;最后对头狼加入高斯扰动机制使其具有跳出局部最优的能力,将IWPA得到的聚类中心作为模糊聚类的初始值进行迭代,由此得到准确的聚类中心。在此基础上,基于点云的法矢量和曲率对点云之间的距离进行定义并替换传统欧式距离,实现了理想的点云分割效果。以ModelNet40公开数据集中Chair和Stool点云模型和实测点云机械零件和汽车覆盖件点云模型为例对算法可行性进行验证,并与FCM、FAFCM、WPAFCM和MACWPAFCM算法进行对比。结果表明,对于四种点云模型,本文算法相比四种对比算法在以数值高为优的VPC聚类性能指标上平均提高0.4%-11.95%,在以数值低为优的适应度函数值Jm、VPE和VXB聚类指标上分别平均减少0.2%-11.97%、0.65%-7.35%、0.3%-19.47%,在两种ModelNet40点云模型上平均迭代次数减少8-21次,在两种实测点云模型上平均迭代次数减少39-57次,表明本文算法收敛速度快,迭代次数少,聚类效果佳,具有更高的聚类准确性和更好的综合性能。     

基于NDT与ICP的快速点云配准算法

点云配准是三维重建过程的关键一步。传统配准算法的速度较慢,尤其是在两个点云距离较远或点云数据较大的时候,为此本文提出了一种基于NDT和ICP的快速点云配准方法,能够有效地减少配准时间。本文算法主要分为三步：(1)采用NDT算法进行点云粗配准,调整两点云间的距离和点云姿态;(2)采用ICP算法对粗配后的点云数据进行微调,调整点云位置与姿态;(3)采用ICP算法对微调后的点云进行精确配准。实验结果表明,与传统算法相比,在点云数据量较大或者两个点云距离较远的情况下,本文算法也能够达到较快的配准速度与较高的配准精度。     

海量数据点在UGII中的显示技术

基于UGII系统的二次开发工具及C 的纯虚函数,实现了作为UDO对象的海量数据点在UGII中的显示技术.应用实例表明:该技术可行、有效,很好地解决了UGII系统不能处理海量数据点的问题,为在UGII系统中开发海量数据处理模块奠定了基础.     

一种基于密度的网格动态聚类算法的研究

聚类算法是数据挖掘领域中一个非常重要的研究方向.至今为止人们已经提出了许多适用于大规模的、高维的数据库的聚类算法.基于密度的聚类算法是其中一个比较典型的研究方向,文中以DBSCAN为基础,提出一种基于密度的网格动态聚类算法.新算法将网格的原理运用到基于密度的聚类算法中,并采用了动态的参数法,能自动根据数据的分布情况进行必要的参数更改,有效减少DBSCAN对初始参数的敏感度,从而提高了聚类的效率和效果,降低了算法I/O的开销.算法不仅能挖掘出各种形状的聚类,并能准确的挖掘出数据集中突出的聚类.     

点云精简的一种方法

重构曲面之前,需要对三维数据点集做精简处理,即在保留特征点的前提下剔除尽可能多的冗余点,这样可以保证后续曲面重构工作的高效进行.本文以样点邻近点与强制中心点切平面的关系,来判断局部空间点的分布情况,从而提供了一种新的数据精简方法.     

云计算与网格计算比较研究

云计算作为下一代计算模式,在科学计算和商业计算领域发挥着重要作用,受到当前学术界和企业界的广泛关注.云计算不同于传统的以个人计算机为中心的本地计算,它以互联网为中心,通过构建一个或多个由大量普通机器和网络设备连接的数据中心,把海量的数据存储到数据中心上,向上层的服务和应用提供安全、可靠、快捷、透明的数据存储和计算服务.根据国内外相关文献,通过对云计算和网格计算在体系结构、计算模型、编程模型方面进行了深入的讨论,对云计算的概念有更准确和深入的了解.     

基于混合上下文熵模型的点云几何编码算法

针对三维点云存在的大量空域冗余信息,提出一种基于混合上下文熵模型的点云几何编码算法框架.通过多层感知机与Resnet网络分别对基于八叉树结构的点云和基于体素结构的点云特征进行上下文特征提取,并使用选择单元对上下文信息进行裁剪、选择和融合,使网络能够针对当前编码体素建立更加准确的概率模型,从而提高三维点云的压缩效果.同时,针对模型复杂度高的问题提出并行多尺度自回归进行概率估计的方案,大大降低了编解码时间.实验结果表明：点云几何编码算法能够有效降低每个体素所占的比特数并且整个编码过程无损;与G-PCC编码算法相比,压缩后比特率下降了14.27%.     

二维距离图分割的激光雷达点云无损压缩方法

激光雷达动态获取点云压缩是智能驾驶的关键技术之一。针对动态获取点云场景范围大,分布稀疏,本文将点云几何信息映射到二维距离图(range image),提出一种基于距离图分割的激光雷达点云无损压缩方法。由于动态获取点云的稀疏性,以及噪声和离群点等的影响,目前的距离图分割算法分割后类别过多,导致对分割区域编码时,边缘信息消耗较大的比特数。对此本文提出孤立区域精细处理的方法,有效地改善了过度分割的问题,提高了分割区域的压缩性能。为了保持残差、地面区域点云等数据原有的相关性,我们利用两种无损的数据压缩技术进行编码。实验结果表明,本文设计的基于距离图分割的激光雷达点云无损压缩方法具有较高的压缩性能。