基于经纬网格的点云孔洞填补算法

为解决三维点云数据存在复杂的点云孔洞、对后续处理造成影响的问题,提出一种基于经纬网格的点云修补算法。首先将点云的三维坐标转换到球坐标系,形成三维球体,并对球体进行经纬网格的区域划分;然后找出每一个网格区域对应的点云三维坐标点,并求出点的密度;最后,利用密度较小区域邻近区域的点进行样条插值,来填补孔洞,实验证明了该算法的稳健性,恢复复杂物体的表面信息效果较好。     

基于圆结构光视觉三维点的孔洞缺陷识别及重构

基于圆结构光视觉检测方法获取的管道内表面三维数据点以圆周形式存在的特点,本文提出了距离约束条件来检测孔洞的方法,即如果相邻两个圆周上对应的相邻两点之间的距离 d 均小于某一个阈值 d′,则该处视为非孔洞,否则视为孔洞,并提出了新的三角网格化方法对带孔洞点云数据进行三角剖分且保留出孔洞。最后,基于VC++软件平台利用OpenGL实现管道孔洞缺陷检测和三维曲面重构,实验结果表明该管道孔洞缺陷检测方法检测速度快、易于实现、具有较好的可视化效果。     

最小二乘支持向量机的点云数据孔洞修补算法

为了获得理想的点云数据孔洞修补结果, 针对当前算法存在的缺陷, 提出一种基于最小二乘支持向量机(LSSVM)的点云数据孔洞修补算法. 首先根据散乱点云边界估计孔洞修补范围, 然后根据孔洞及周围点的信息, 采用最小二乘支持向量机建立一个曲面, 并对曲面点云数据的孔洞进行修补, 最后采用C++语言编程实现仿真实验. 实验结果表明, 最小二乘支持向量机能有效修补各种复杂的孔洞, 且修补效果优于其他算法.     

基于计算机辅助技术的手工艺品设计与研发

基于计算机技术进行辅助设计，可优化手工艺品设计的效率与其美观度：利用三维激光扫描技术采集手工艺品原型的三维数据，应用k-means算法分割原始点云数据集；基于改进的Canny算法提取手工艺品轮廓信息，通过边缘连接算法筛选轮廓边缘点；基于自适应重采样策略重构手工艺品曲面，调节采样点疏密程度自适应生成曲面网格，引入三角形美化度函数约束网格中三角形质量。测试结果显示，该方法提取手工艺品三维轮廓的平均绝对误差、均方根误差低，重构的曲面网格中孔洞数量极少，手工艺品再设计的效果优、可靠性强。     

一种3D点云分割改进型边缘特征提取网络

针对点云分割中边缘特征提取不足导致局部特征信息不完整、整体分割精度下降的问题,提出一种3D点云分割改进型边缘特征提取网络.为提升边缘特征表达能力,对深层边缘特征提取层做出改进,引入基于残差结构改进的多层感知机结构,形成边缘特征提取单元,该单元将原始点云特征与多层感知机提取边缘特征相融合,获取更加丰富完整的边缘信息,提高3D点云分割网络模型精度.在Shapenet数据集上的实验结果表明,提出的3D点云分割改进型边缘特征提取网络优于现存同类方法,相较于LDGC-NN链接动态图网络,点云分割准确率提升了1.17％.     

基于特征融合的深度学习点云补全算法

由于激光雷达等三维扫描设备分辨率限制、目标间的相互遮挡以及目标表面材质透明等问题,采集到的三维点云数据往往是不完整的.近年来,以数据驱动为主的深度学习方法逐渐被用于解决点云补全问题,然而,现有的点云补全算法致力于补全出原始目标点云的整体拓扑结构而忽略了对于目标点云局部细节位置的恢复.针对这一问题,提出了一种基于特征融合...     

面向三维人体重建的前、后片配准算法

针对传统三维图像配准算法需要获取目标物体多个模型数据的不便,以及三维重建过程耗时较长的不足,提出了一种基于三维人体表面前、后片模型的配准算法.该算法首先使用Kinect三维扫描设备获取的人体表面前、后片模型点云数据,作为配准过程的参考点集和目标点集;然后,选取前、后片模型的边缘轮廓信息作为配准特征点,通过迭代优化过程,使得前、后片能够较好地配准;最后,通过空间曲线插值方法填充模型边缘缝隙,得到完整的三维人体模型.试验结果表明,该算法只需要获取目标物体的前、后片三维数据,模型采集及配准效率高,配准精度好,即使针对初始位置相差较大的两个模型片也能得到准确的配准效果.     

基于俯视角融合的多模态三维目标检测

三维目标检测中图像数据难以获得目标距离信息,点云数据难以获得目标类别信息,为此提出一种将图像转为俯视角特征的方法,将多尺度图像特征按水平维度展平,通过稠密变换层转变为多尺度图像俯视角特征,最终重塑为全局图像俯视角特征.在此基础上,提出一种基于俯视角融合的多模态三维目标检测网络,利用特征拼接或元素相加的方法融合图像俯视角特征与点云俯视角特征.在KITTI数据集上的实验表明,提出的基于俯视角融合的多模态三维目标检测网络对于车辆、行人目标的检测效果优于其他流行的三维目标检测方法 .     

基于CASIA 3D的三维人脸数据预处理方法

针对三维人脸数据中可能存在的尖点、孔洞以及姿态变化等因素会造成人脸样本类内差异增加从而影响人脸识别系统精度的问题,提出一种三维人脸数据预处理方法.实验表明,通过切割、数据规整、平滑和姿态矫正使原来散乱的三维人脸点云数据变为规整的人脸点云数据,并可弱化噪声和冗余信息的干扰降低人脸样本的类内差异.     

基于异质传感器信息融合的移动机器人SLAM研究

针对采用单一传感器在移动机器人同步定位与构图(SLAM)中存在定位精度低、构图不完整等问题,提出一种基于Kinect视觉传感器和激光传感器信息融合的SLAM算法。首先将Kinect传感器获取的深度图像经过坐标系转换得到三维点云、通过限制垂直方向滤波器过滤三维点云的高度信息、再将剩余三维点云投影到水平面并提取边界点云信息转化为激光扫描数据;然后与激光传感器的扫描数据进行数据级的信息融合;最后输出统一数据实现移动机器人的构图及自主导航。实验结果表明,该方法能够准确的检测小的及特征复杂的障碍物,能够构建更精确、更完整的环境地图,且更好地完成移动机器人自主导航任务。     

基于图像分割和孔洞修复的三维伤口测量方法

伤口测量是临床医学研究中一项重要工作。传统的接触式伤口测量方法存在测量结果稳定性差、易造成伤口二次伤害的问题,基于2D图像处理的非接触式伤口测量方法存在精度差、无法获得伤口深度信息的问题。因此,本文设计了一种基于图像分割和孔洞修复的三维伤口测量方法。采用异源图像对齐算法解决了异源图像由于视差导致的图像像素错位问题;通过基于改进的区域生长法设计了一种交互式伤口区域分割方法,实现伤口区域精准分割;最后,采用基于RBF的三维点云孔洞修复算法进行伤口皮肤复原,从而得到伤口的最大深度、体积等三维参数。实验结果表明,本文方法的测量误差低于3%,其测量精度以及稳定性皆优于接触式和基于2D图像处理的伤口测量方法,满足临床使用以及医学研究的应用需求。     

基于增强特征信息的航空发动机叶片双目视觉测量方法

航空发动机叶片三维面形数据重建是评价发动机叶片加工精度的重要手段.提出一种基于增强特征信息的双目视觉三维重建方法：首先在发动机叶片表面张贴圆形标记以增强叶片表面特征信息;其次通过相机的多角度拍摄获得能够覆盖叶片全貌的图片,并利用圆心特征匹配算法实现左、右图片中对应的圆形标记点的匹配;最后利用双目视觉三维重建原理计算得到三维点云数据,从而重构发动机叶片面形.对重构后的发动机叶片三维数据与白光扫描设备(精度0.05 mm)所得的扫描数据进行对比可得,发动机单叶片的叶背、叶盆的偏差平均值分别为0.103 2和-0.101 4 mm,标准偏差分别为0.096 6和0.057 1 mm.     

基于点云数据的道路变形类病害自动化检测方法

拥包、沉陷等路面变形是常见的病害类型,但传统基于二维图像的判断方法无法获取深度信息,线性激光扫描的方法精度较高但是单次扫描范围有限,难以短时获取全局状况,导致大尺度变形类病害识别困难.利用车载移动激光雷达系统获取三维点云数据,解决了变形类病害检测的难点,并可提取其三维特征.实测数据验证了方法的可靠性和有效性,可实现拥包...     

基于外存八叉树的三维激光点云实时渲染技术

为了解决海量点云数据的实时渲染问题,采用基于外存储器构建细节层次八叉树索引结构的方法用于三维点云数据实时渲染,并用8G内存的普通计算机对天津师范大学教学区10.2GB的扫描点云数据进行实验验证.结果表明:实时渲染时的帧率在16 f/s上下浮动,且无明显延迟,表明该方法支持超过内存容量的三维激光扫描点云数据的实时渲染.     

基于异质传感器信息融合的移动机器人同步定位与构图

针对采用单一传感器在移动机器人同步定位与构图(SLAM)中存在定位精度低、构图不完整等问题,提出一种基于Kinect视觉传感器和激光传感器信息融合的SLAM算法。首先将Kinect传感器获取的深度图像,经过坐标系转换得到三维点云、通过限制垂直方向滤波器过滤三维点云的高度信息;再将剩余三维点云投影到水平面并提取边界点云信息转化为激光扫描数据;然后与激光传感器的扫描数据进行数据级的信息融合;最后输出统一数据实现移动机器人的构图及自主导航。实验结果表明,该方法能够准确地检测小的,及特征复杂的障碍物,能够构建更精确、更完整的环境地图;且更好地完成移动机器人自主导航任务。     

基于Geomagic Studio的点云数据处理与三维建模技术

该项目用到一款点云数据处理软件Geomagic Studio,在处理非大量点云数据时具有一定优势。该文中,笔者主要介绍利用Geomagic Studio软件处理扫描获取的点云数据生成曲面模型,然后生成三维模型的过程。从数据预处理、提取特征线、构建曲面、生成三维模型4个基本步骤对基于Geomagic Studio点云数据处理三维建模技术进行了分析和总结。     

一种面向高分辨率激光扫描点云的三维建筑物的风格化渲染方法

目前,三维激光扫描仪已经可以方便且快速地获取大范围建筑物的高分辨率三维点云数据。然而,尽管高分辨的建筑物点云数据可以精确且直观的描述真实的建筑物场景,但是由于点云具有离散化的特点,传统直接展示原始三维点云数据的方法缺乏良好的视觉效果。针对高分辨率激光扫描点云的渲染问题,本文提出了一种面向高分辨率激光扫描点云的三维建筑物的风格化渲染的方法。该方法首先提出远距离点采样方法,在简化点云数据的同时保留其三维结构化信息,然后引入基于神经网络的风格渲染方法高效渲染三维建筑物网格数据,最后提出了基于KDTree的网格数据与点云数据的融合方法生成渲染点云。实验表明,该框架可有效地将给定二维图像的风格转化为三维建筑物风格,在保证良好视觉效果的同时,保留了建筑物的精确三维几何信息。     

基于特征增强的三维网格模型孔洞修补算法

对物体进行扫描时,获取的三角网格模型不可避免存在孔洞,导致重建后的网格模型无封闭性,或在孔洞处失去了物体原有的特征[1].为了恢复物体原有真实形状,从恢复尖锐特征的角度出发,提出一种特征增强的三维网格孔洞修补算法.首先,利用径向基函数获得近似逼近孔洞区域的光滑隐式曲面.然后,利用正则化匹配原则对隐式曲面进行三角网格划分,缝合孔洞填充区域与原始网格模型的孔洞边界.最后,对于孔洞区域中存在的尖锐特征区域加以特征增强处理.实验结果表明该算法效率高,并能有效的恢复孔洞区域原有的尖锐特征.     

激光扫描数据的等值线分层提取和多细节表达

从地面三维激光扫描技术得到的点云,数据多,精度高,特征复杂,不能直接采用传统方法提取等值线.对此,首先提出点云的分层模型,并分析点云在Z坐标轴方向数据量分布以及分层点的空间分布情况,提出在高精度、高细节的采样下,将分层点云作为等值线的采样数据.然后,用迭代的凸包算法对无先验连接信息的分层点数据连接.结果表明,得到的等值线符合一般等值线的特点,不会产生边缘交叉等问题.最后,按照凸包算法的迭代次数,对等值线分类,可以表达不同细节程度的等值线,层次越高,等值线所表达的物体表面信息越多.最终通过实例说明方法的适用性.     

融合颜色与几何信息的点云配准

目前,大部分点云配准算法是基于点云数据的几何特征进行描述.随着能够同时采集对象坐标和颜色的扫描设备出现,为更好利用颜色信息,对彩色点云中的颜色信息描述进行研究,提出一种基于颜色分布的3DLGOP特征描述子,并将其与几何特征描述子FPFH、颜色特征描述子CSHOT融合,设计出FPFH-3DLGOP的混合描述符,采用最近邻比值法得到初始对应关系,采用随机采样一致性去除错误对应关系,对匹配关系使用奇异值分解（SVD）求得三维刚体变换矩阵,进而完成点云配准.实验表明,所提出的特征描述符充分地利用了点云数据的颜色特征与几何特征,不仅可以很好地完成彩色点云的配准,而且还提高了配准的匹配率和精度.