基于图像的人体参数测量系统的设计与实现

给出一种基于图像的人体参数自动测量方法,并设计与实现人体参数测量系统.通过2个数码相机拍摄人体的正视图和侧视图,运用图像分割和特征提取等图像处理方法提取2幅图像上的人体特征点;利用三维标定架标定相机的内外参数;利用双目视觉原理从2幅图像上的特征点计算出人体的测量点,完成人体尺寸参数计算.试验结果表明:与传统手工测量相比,本方法能实现自动测量,缩短了测量时间,提高测量的精度和效率;与三维非接触测量相比,本方法测量设备简单和便携,测量速度更快,操作更加方便.     

基于三维点云的工程结构平面分割及表面检测

为了实现对工程结构各平面更加全面、快速、准确的数字化检测,本文提出了一种基于三维点云的工程结构平面自动分割及表面检测方法。首先,通过无人机重建满足工程检测精度要求的高精度三维点云模型;其次,融合体素降采样方法、随机采样一致性(RANSAC)方法和基于密度的聚类算法(DBSCAN),快速、精准、自动地分割工程结构的特征平面,避免手动分割过程中存在的结果不确定及计算效率低的问题;第三,通过设计的精细分割算法有效剔除特征平面周围的噪点,准确提取结构特征平面点云,计算分析特征平面点云,数字化描述结构的表面形状;最后,通过一个在建地铁车站深基坑工程实例,系统地验证了该方法的有效性和准确性。研究结果表明：设计的三维点云平面自动分割算法能够实现工程结构各个平面快速准确的自动分割,自动分割与手动分割结果的交并比接近90%;针对工程结构平面的表面检测算法能够实现结构表面形状的准确测量,有效映射结构物理表面的状态。     

结合位置关系卷积与深度残差网络的三维点云识别与分割

针对现有点云识别与分割算法因忽视点的位置特征和局部几何特征关系而导致难以捕获具有鉴别力的局部几何信息的问题,提出基于位置关系深度残差神经网络的三维点云识别与分割算法。将原始点云嵌入到高维空间并获取其高维特征;将点云的高维特征输入位置关系卷积实现局部邻域内当前点特征与位置几何特征的信息交流,并通过深度残差模块强化提取到的深层语义特征,分层重复以上步骤可逐步得到点云的高级上下文语义特征;通过全连接层与解码器,得到点云的识别与分割结果。实验结果表明,所提算法在ModelNet40点云分类数据集的识别精度达到了93.9%,在ShapeNet Part点云部件语义分割数据集的平均交并比达到了86.0%。所提算法能够提取三维点云的关键特征信息,具有较好的三维点云识别与分割能力。     

基于余弦距离的人体运动数据行为分割算法

对人体运动捕捉数据进行行为分割是人体运动数据分析与合成中的关键处理步骤,为此,提出一种新的人体运动数据行为分割算法。采用骨骼夹角直方图刻画人体运动统计特征,使用余弦相似度作为人体运动数据骨骼夹角直方图特征的相似性度量,实现对运动行为的自动分割。对于给定的人体运动捕捉序列,首先定义滑动比较窗口,计算当前窗口范围内运动序列前、后2部分骨骼夹角直方图统计特征的余弦相似度,然后通过在运动序列上滑动该窗口,获得运动序列的余弦相似度曲线,曲线最小值位置即为不同类型行为的分割点。在CMU人体运动捕捉数据库上进行数值实验。研究结果表明:本文算法能够实现对人体运动捕捉数据的自动行为分割;与广泛采用的基于PPCA的行为分割方法相比,本文算法具有良好的性能。     

复杂地形电力线机载激光雷达点云自动提取方法

针对传统电力线自动提取方法提取复杂地形下电力线效果较差的不足,从输电走廊机载激光雷达点云数据特征出发,在分析复杂地形下传统方法提取电力线问题的基础上,提出了一种电力线自动提取的新方法,并应用实际线路点云数据进行了可行性验证.所提方法首先通过空间划分将长距离、复杂地形转换为多个小距离尺度空间组合,基于子空间特征的差异化高程阈值分割算法实现地物点分离,解决了传统单一高程阈值分割法不能有效识别电力线与地物点高程重叠的不足,然后利用高程密度分割算法实现杆塔定位与电力线提取,并提高算法效率.案例试验结果表明,所提出的方法能实现复杂地形下和平坦地形下的电力线准确自动提取,且提取的正确率高,算法效率较好,提出的算法可用于工程.     

基于单目视觉测量的数字化人体模型重建

针对一套基于单目视觉的双扫描头人体扫描系统所获取的三雏原始点云数据,提出一种人体曲面模型重建方法.该方法首先将获取的扫描线点云构造为切片数据的形式.将人体数据分割为肩头部、躯干、左右手臂及左右腿6个部分,并对点云中的孔洞进行了填补;通过相邻轮廓线同步前进法构建连接人体相邻截面的三角网格,并对分割后的几个部分进行拼接得到人体曲面模型.所建立的模型为后续进行虚拟试穿等提供了前提.     

基于卷积神经网络的三维物体检测方法

提出了一种新的三维物体检测方法.在物体定位部分,采用随机采样一致和欧式聚类算法分割三维物体点云以减少计算量;在物体识别部分,将物体点云转化为深度图像,利用k-Means聚类算法学习卷积核,利用卷积网络提取卷积特征,从而提高图像的识别率,并在2个公开的三维物体数据集上对所提出的特征提取算法进行测试.结果表明,与传统的点云特征提取方法相比,基于卷积网络的特征提取方法的识别率较高.     

一种用于激光雷达识别车道标线算法

利用点云数据空间分布特征和回波强度信息,结合局部均值变点统计方法,提出了一种用于激光雷达数据帧的车道标线识别算法。该算法首先基于车载激光雷达采集的道路周围环境点云数据中高程信息进行滤波,确定可行驶区域。然后利用局部均值变点统计对可行驶区域点云数据中的回波强度值进行标记提取,即车道标线点云数据粗提取。最后基于EM(最大期望)方法聚类,从而完整、准确地识别车道标线。实验结果表明,该算法不仅能够准确定位可行驶区域,进而可以实现车道标线的自动提取;而且有效抑制了道路周围环境对车道标线识别的干扰,验证了算法的有效性。     

一种采用单照相机的三维人体测量方法

非接触式三维人体自动测量是现代化人体测量技术的主要特征,也是今后人体测量的趋势所在.在分析国内外非接触式三维人体测量方法的基础上,提出一种采用单照相机的三维人体测量方法.首先通过在单照相机前加一套镜面组合系统,进行实时拍照,获得一张同时记录人体的正面和侧面的照片;然后通过基于图像的人体特征区域和特征参数提取得到人体尺寸信息(尺寸、轮廓点和轮廓线).试验结果验证了此方法的可行性.     

应用小波能量熵的人体活动时序自动标记方法

在基于可穿戴传感器的人体活动识别研究中采用的传统人工标记原始数据的方法步骤繁琐、效率低下,在一定程度上制约了相关研究的深入开展.为此,特提出一种基于小波能量熵的人体活动时间序列自动标记方法.该方法采用分布于人体躯干9处主要部位的多惯性测量单元同步采集17种人体活动加速度与角速度数据,通过滑窗对人体前腰部合加速度数据分段并使用多分辨率分析计算滑窗内小波能量熵,然后利用采集序列的时间约束选择初步分割阈值,对滑窗小波能量熵随时间变化曲线进行自动分割,并最终实现对6位受试人体活动时序数据的自动标记.结果表明,该方法的标记平均准确率为95.82%,总耗时约18.6 min,比人工标记平均耗时76.75 min减少75.76%,标记效率显著改善.      

基于HDBSCAN算法的岩体结构面产状识别及分组方法

精准获取岩体结构面的产状信息是进行岩体稳定性分析工作的首要和关键步骤.针对基本DBSCAN算法在处理点云数据时存在聚类判据不足、参数敏感性较强等问题,提出了基于点云附加属性扩展聚类判据的HDBSCAN算法,旨在提高算法聚类的准确性及鲁棒性.同时,基于点云的颜色及密度属性实现了对自然状态下非全裸露岩体研究区域的分割和提取,减少非岩体结构面点云对结构面产状识别和分组的影响.将该方法应用于大石洞灰岩矿某一典型覆土岩坡,结果表明:该方法能够有效地剔除非目标点云数据,同时结构面产状提取和优势分组结果令人满意.与人工测量结构面产状方法相比,最大相对误差小于0.59%,具有一定的工程实用价值.     

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.     

离散点云数据的小波变换处理算法

将离散点云数据表示成适合用作小波变换的形式,提出了一种基于尺度的离散点云数据的特征识别算法,在此基础上给出了具体的基于尺度的二维和三维离散点云的小波分解算法,最后引入实例对二维离散点云的小波分解算法进行分析,实验结果表明算法达到了对点云数据的按尺度特征分解的目的.通过提出的算法,将离散点云数据按照尺度进行分解并提取出不同的特征成分,这样可以根据后期可视化显示的不同要求,将小波变换分解后的数据进行进一步的处理.     

非结构环境下一种改进的区域生长点云分割方法

针对非结构环境下目标零件识别过程中零件相互堆叠造成分割困难的问题,提出了一种改进的区域生长点云分割算法。首先,采用直通和统计滤波器对获取的点云进行预处理,得到去除冗余数据后的点云;其次,使用八叉树建立点云之间的拓扑关系,提高后续点云分割的效率;最后,选择基于局部径向基函数的曲率计算方法,通过计算选取曲率最小点为初始种子点,并设定空间阈值范围进行区域生长。实验结果表明:该方法能有效解决非结构环境下零件堆叠导致的分割困难问题,分割准确度高且效率满足工业实时需求。     

基于图像语义分割的药用玻璃瓶外轮廓尺寸检测方法研究

为解决药用玻璃瓶外轮廓在线检测的两大难题,即瓶体透明度高造成光电传感器测量失真,以及高速生产节拍下测量精度稳定性差的问题,本文提出了一种基于图像语义分割的药用玻璃瓶外轮廓尺寸检测方法。首先通过结合PP-Lite Seg图像语义分割算法与Canny边缘检测算法,实现透明玻璃瓶轮廓边缘区域的精准分割,来精确采集玻璃瓶各截面轮廓点云;再利用ICP算法配准点云数据、Kd树算法计算瓶体尺寸超差区域,来实现高透药用玻璃瓶高精度在线测量。使用采集数据与标准瓶尺寸进行对比实验,实验结果表明重构轮廓尺寸误差在0.054mm以内、扫描速度在1s以内,能够满足当前生产节拍对检测精度和速度的要求,为高透玻璃瓶在线检测系统提供技术支撑。     

反求工程中散乱点云数据的自动分割与曲面重构

提出了一种在反求工程中对散乱点云数据进行自动分割与曲面模型重构的方法．建立了散乱点云数据之间的拓扑信息，对点云数据进行三角剖分重构网格曲面模型．基于网格曲面求解点云数据的曲率极值，提取边界点云，进一步拟合成边界曲线．利用边界曲线将整个点云自动分割，每一片点云采用二次曲面或自由曲面进行拟合，对于二次曲面可以根据参数自动确定曲面类型，最终得到完整的CAD模型．用一个鞋跟模型的实例证明了该方法的有效性．     

基于无人机点云数据的露天采场矿车提取方法

针对在基于无人机点云数据进行露天采场验收测量过程中,由于矿车点集的存在导致验收精度降低的关键问题,提出了一种露天采场矿车点集自动提取方法.以哑巴岭露天采场无人机点云为数据源,首先利用渐进式形态学滤波算法分割出地面点与非地面点,然后通过改进的欧氏聚类算法对非地面点中的矿车点集进行聚类提取,最后基于国际摄影测量和遥感学会(ISPRS)提出的误差评判标准对矿车提取结果进行评估分析.分析结果表明,该方法可以有效提取露天采场中的矿车点集,为实现露天采场快速高效验收提供了重要的技术支持.     

汽车车身曲面点云数据分割方法的研究

车身曲面是由多张曲面经过延伸、过度、裁剪拼接而成,直接对测量获得的车身密集点云数据进行曲面拟合非常困难,需要对点云数据进行区域分割.探讨了点云数据的常用分割方法,结合车身曲面特点,研究并实现了一种点云分割的算法-基于平面度的直接分割方法.该方法通过最小二乘拟合平面法矢量夹角的均方差值来搜索具有几何相似特性的连续曲面片,将不同性质的曲面片分块保存.并结合ATOS测量设备得到的车身曲面点云数据,给出不同的实例,证明了该方法的有效性.     

基于移动激光扫描点云数据栅格化的交通标线分割算法

针对目前交通标线提取研究对于语义信息丰富的标线精细化分割研究不足的现状, 通过移动激光扫描数据提出了一种精细化交通标线的语义分割算法。该算法先从道路点云中提取出路面,并根据点云的强度信息将其转变为栅格图像并对其优化,通过二值化处理提取出路面标线;在此基础上根据矩形度筛选将所有标线对象粗分为两类,并采用不同的语义分割策略进行识别,最后获得了10种符号标线以及非符号标线对象的精细化语义信息。实验选取了上海8组不同区域的城市道路点云数据进行验证,结果表明该算法具有96.04 %的精度与96.92 %的召回率,综合评价指标F达到96.48 %,为高精地图提供了更加丰富的交通标线语义信息。     

特征更新的动态图卷积表面损伤点云分割方法

针对金属部件表面损伤点云数据对分割网络局部特征分析能力要求高,局部特征分析能力较弱的传统算法对某些数据集无法达到理想的分割效果问题,选择采用相对损伤体积等特征进行损伤分类,将金属表面损伤分为6类,提出一种包含空间尺度区域信息的三维图注意力特征提取方法。将得到的空间尺度区域特征用于特征更新网络模块的设计,基于特征更新模块构建出了一种特征更新的动态图卷积网络(Feature Adaptive Shifting-Dynamic Graph Convolutional Neural Networks)用于点云语义分割。实验结果表明,该方法有助于更有效地进行点云分割,并提取点云局部特征。在金属表面损伤分割上,该方法的精度优于PointNet++、 DGCNN(Dynamic Graph Convolutional Neural Networks)等方法,提高了分割结果的精度与有效性。