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.     

散乱数据点云边界特征自动提取算法

提出一种散乱数据点云边界特征自动提取算法,该算法采用R* -tree动态空间索引结构组织散乱数据点云的拓扑关系,基于该结构获取采样点的k近邻点作为局部型面参考数据,以最小二乘法拟合该数据的微切平面,并将其向微切平面投影,根据采样点与其k近邻所对应投影点连线的最大夹角识别散乱点云边界特征.实例验证该算法可快速、准确地提取散乱数据点云的边界特征.     

基于改进型粒子群算法的曲面匹配与位姿获取

有限散乱点模式匹配是机器视觉与模式识别领域中的一个基础问题和重要环节,在目标识别、医学图像配准、遥感图像匹配、目标位姿获取等方面得到了广泛应用。该文提出了一种变概率密度分布的改进型模拟退火粒子群算法,能够加速算法收敛并搜索到全局最优解,提高匹配准确性。通过采集已知旋转体目标局部表面有限散乱点,构造适应度函数并进行坐标变换,实现散乱点与曲面的匹配和目标位姿获取,讨论了误差影响因素和算法适用性。应用结果表明:该方法与最小二乘曲面拟合方法相比,所需散乱点数目少,计算效率和精度高,且具有对散乱点采集误差不敏感等优点,能够满足排爆机器人抓取目标局部裸露情况下的位姿获取应用需求。     

基于区域分割技术的等距天线曲面重构

针对逆向工程中空间坐标测量时仪器测头半径或靶标厚度的误差补偿问题,提出了对散乱点云数据进行自动区域分割的方法。快速搜索出子区域中测点的最近邻域,利用测点最近邻域构造一个有约束的最小二乘切平面,得到曲面在该测点处的法线矢量。基于Prim算法的优化算法对法线矢量方向进行调整,使各测点处的法线矢量都指向曲面同一侧,进而求取了实际曲面上的点。对于经过误差补偿后的点云数据,从空间任意二次曲面的一般方程出发,基于二次曲面的误差方程和法方程提出一种通用拟合算法,并借助二次型理论得到曲面的特征参数。实验结果证明：应用该区域分割算法能够提高最近邻域的搜索速度,且曲面拟合算法具有很好的鲁棒性和有效性。     

基于样点拓扑近邻的散乱点云曲面拓扑重建

提出一种基于样点拓扑近邻的散乱点云曲面拓扑重建算法,对点云数据构建动态空间索引结构,采用动态扩展空心球算法查询样点k近邻,通过对样点的k近邻数据进行偏心扩展和自适应扩展获取样点的拓扑近邻参考数据,从中查询样点的拓扑近邻,从样点的同层拓扑近邻中获取符合Delaunay条件的匹配点,生成局部Delaunay三角网格,并通过增量扩展实现整个散乱点云的曲面拓扑重建.实例证明,该算法可对无隙、有边界等任意模型的散乱点云进行合理的曲面拓扑重建,有效解决了r-dense恰当采样点云中非均匀区域易产生非工艺孔洞的问题.     

复杂采空区激光多点探测及点云拼接与精简

针对复杂采空区激光探测中存在探测"盲区"和点云数据分布不均的问题,研究激光多点扫描和点云数据拼接与精简方法.通过多点探测避免了单次探测"盲区",加密了数据稀疏区.提出了基于公共坐标和最小二乘法的靶标矩阵转换方法,实现了多点探测点云的拼接.统计了点云密集区的分布规律;对密集散乱点云,提出了沿y轴方向分层剖分,层内数据以x和z坐标极值分区,区内每点以x值排序后依步长筛选的精简算法.大型贯通采空区验证表明:基于最小二乘法的拼接算法最优,误差范围在0.1 mm左右;数据精简率为15%~25%,确保了边界三维信息的完整性.     

用径向基函数隐式拟合点云数据

提出一种新方法拟合散乱点云数据.拟合曲面由一个三变量模型的零水平集定义,该三变量模型是基于径向基函数散乱数据的一个隐式最小二乘拟合.数值实验结果表明,新方法比基于径向基函数的插值曲面方法快,并且容易实现.     

一种由最大允差确定的散乱数据点云采样网格大小的算法

在逆向工程中，散乱数据点云获取后如何预处理(滤波、压缩和网格大小的划分)是关键，它的处理得当与否直接关系到后续的曲面重构工作。鉴于此，该文提出了一种基于最大允许误差而确定的散乱数据点云采样网格大小的算法，在实践中己取得良好的效果。     

一种平面域中三维散乱点的曲面重构方法

针对已知一般平面域的一些三维散乱点数据,提出采用最小二乘法原理求出拟合曲面的系数,根据误差的需求利用切比雪夫逼近原理对拟合系数进行修正的方法,对三维散乱点数据进行拟合,并以叶片为例,利用CAD软件对拟合数据进行曲面重构.实验数据证明,该方法有效地提高了对三维散乱点的处理速度和拟合精度,在复杂曲面表示、加工等领域有广泛应用.     

法向约束的多幅点云数据融合算法

针对光学测量中多幅点云的数据融合,提出了一种基于法向约束的多幅点云融合算法.该算法首先对多幅点云法向滤波,通过2幅点云的双向查找来寻找种子点,在点的法向方向寻找2幅点云中对应的k邻域,计算邻域点的加权和,而融合点是种子点沿其法向移动的结果.与平均聚类法相比,该方法获得的模型表面更加光顺,特征更明显,点的分布也更均匀,对于包含粗大匹配误差的多幅点云模型的融合具有较好的效果.