基于切平面分割的树干点云提取算法

提出了一种从树木点云中提取树干点云的切平面分割算法.首先,在对树木点云分段与角度分区的基础上,选定树干下部无树枝且扭曲程度较小的一段树干作为开始分段;其次,根据已削枝的多个相邻分段中的当前角度分区,及与其前后各1个角度分区的点云,构建当前角度分区的切平面,由点与切平面的位置关系,分割当前分段中这些角度分区中的树干点云;最后,以落叶时地面三维激光扫描仪扫描的13棵杨树作为测试数据的实验表明,提取算法在有效提取树干点云的同时保留了树干表面的特征,为后续树干点云的相关研究提供基础数据.     

插值Loop曲面细分算法在堆焊自由曲面重建中的应用

针对堆焊自由曲面焊缝形貌不规则致使焊缝识别精度低、自动焊接困难的问题,提出了一种利用插值Loop曲面细分算法对旋转电弧传感器采集的堆焊焊缝三维形貌数据进行曲面重建的方法。首先,采用格拉布斯(Grubbs)检验算法对异常采样点进行滤波处理,得到质量较高的形貌数据;然后,采用局部最优Delaunay算法对形貌数据进行初始三角网格剖分;最后,利用插值Loop曲面细分算法对初始三角网格进行曲面细分,实现焊缝三维形貌重建。结果表明,此方法的曲面重建效果良好,降低了初始三角网格剖分的误差,实用性强。     

基于Loop细分算法的人体模型网格平滑

网格平滑是实现三维模型离散造型的主要方法.为了实现数字人体几何模型的光顺效果,本文提出一种基于Loop细分算法的三维人体模型的网格平滑方法.细分曲面是用低分辨率的控制网格和定义在控制网格上的一种细分规则来表示曲面的,它能有效改善三维人体几何模型的表面不光滑以及分辨率低的缺点.实验证明,该方法对基于参数化建模方法的、多曲率网格人体模型取得了很好的效果,实现简单高效,特征保持效果也很好.     

特征保持的点云精简技术研究

为了在保持特征的基础上有效地简化点云数据,提出了基于聚类的点云精简算法.对点云进行三维栅格剖分,在每个栅格中选取1个代表点作为初始类核心,然后将点云中其他数据点归入欧氏距离最近的初始类中,遍历各个类,若类内某两点的法向量偏差大于给定带宽则对该类进行迭代细分,并对各个类进行均值漂移处理,将得到的局部模态点取代该类,从而实现点云简化.以手机外壳、人头、麻花钻为典型实例,对具有不同表面特征的点云数据进行了验证.结果表明,该算法能对点云数据进行直接而有效的精简,在曲率变化大、附加特征多的表面仍能很好地保留原始模型的几何形状.     

基于地面激光点云数据的单木三维重建方法

目的 使用地面三维点云数据,提出一种单株树木三维网格模型重建方法,为精准获取测树因子提供技术支撑。 方法 对获取的点云进行预处理,使用k-d树构建近邻关系图,用Dijkstra算法求算出子图的根。检测出有效路径后,使用探测半径计算关键路径。计算树枝骨架,然后对初始骨架进行Bezier曲线半径平滑,得到平滑的骨架,再将骨架连接,使用半径平滑和圆柱拟合减少点云密度小造成的拟合不足的情况,能够最大限度保留树枝的细节。结果 使用3株落叶松点云数据构建了树枝树干表面网格模型,重建了树木三维结构。将树干、树枝的三维网格模型与点云匹配后,效果较好;所构建的模型能够进行细小枝条的重建,而不是模拟细枝,通过观察重建结果,一级枝的重建效果非常好,大的二级枝也能得到很好的展示;整套算法计算快速,计算时间与枝条的复杂程度、连接关系有关。结论 基于关键路径探测的方法能够很好地构建树木的三维网格模型,可以用于单株树木测树因子的精确提取。     

一种改进的人脸特征点定位方法

人脸特征点自动定位方法在人脸识别、三维人脸模型重建等方面都有重要作用.三维人脸模型重建对下巴特征点精度要求很高.采用一种结合遗传算法和活动外表模型(AAM)的人脸特征点定位方法(GA-AAM),对AAM算法在下巴轮廓提取中的不能精确收敛问题作了改进.对于用实时AAM算法做特征点粗定位得到的结果,在AAM的代价函数中引入代表特征点处的边缘信息,进一步采用遗传算法作优化.实验结果表明该方法对下巴特征点的精确收敛十分有效.     

基于单幅正面照和统计模型的三维人脸重建方法研究

为提升单张图片三维重建的效率、提高重建的精准度,提出了一种基于单张图片和统计模型的三维人脸重建技术。首先基于智能行为理解组（intelligent behaviour understanding group,IBUG）,采用监督下降算法（SDM）进行训练来建立二维人脸特征点参数模型;再应用该参数模型对给定图片进行特征点提取;然后基于北京工业大学3D数据库（BJUT-3D）进行三维人脸统计模型的构建;最后,以三维人脸统计模型为基础,使用学习因子自适应梯度下降法对能量函数进行迭代优化,得到统计模型参数化向量,使用该向量来调整统计模型,实现与给定图片相匹配的三维人脸模型构建。实验证明,与现有的方法相比,本文方法重建出的三维人脸模型具有更高的精确度和自适应度。     

基于顶点光滑度判定的牙龈三角网格自适应细分改进

在牙龈三角网格中普遍存在狭长三角网格区域,针对基于面积判定的自适应细分算法处理该类区域的质量较低的问题,提出一种基于顶点光滑度判定的牙龈三角网格自适应细分改进算法。首先,通过求解顶点1-领域内相邻三角面片法向量夹角平均值作为顶点光滑度,采用该值作为细分判定准则,在细分前从整体上一次性对顶点1-邻域区域光滑度进行计算;然后,通过比较顶点的顶点光滑度与光滑阈值的大小,确定细分区域并进行Loop细分,设计了平均光滑度指标来评价细分效果,这种评价方法综合考虑了细分后网格顶点个数对判断细分效果的影响;最后,在VTK环境下实现改进算法及相关算法,在真实扫描的牙颌三维模型数据上进行牙龈软组织形变仿真三角网格细分对比实验。结果表明:改进算法的细分效率更高,细分时间占比平均约节约了4.12%;平均光滑度对细分效果的评价更合理,细分的三角网格更规则、分布更均匀,曲面光顺质量更好,较好地满足了软组织形变仿真中真实性与高效性的要求。     

基于曲面重构中点模型的面元简化的研究

点云数据的曲面重构是逆向工程的关键技术。为了有效简化密集采样点模型,本文在分析现有重构方法局限性的基础上提出了一个曲面重建和简化的算法.在每个采样点附近重建一个函数曲面,根据给定误差得到置信邻域,重新计算函数曲面,得到更大的置信邻域,反复迭代,并在更大范围内逼近原模型的面元.采用面元简化方法对点模型进行简化,删除了相互重叠而形成的冗余面元,从空面元集开始,每次选出一个最佳面元添加到该集,直到该集完全覆盖原模型表面。     

基于多视点可见性检测的面皮三维表面重建

提出了一种面皮三维表面重建方法 SRMFM(surface reconstruction method for facial model),首先采用MC算法重建面皮三维模型,在Frankfurt坐标校正基础上建立面皮体素模型,然后采用基于广度优先遍历的多视点可见性检测算法提取表面顶点,创建面皮三维表面模型。可从断层图像自动、快速地重建出保持表面细节特征的面皮三维表面模型。     

基于机器学习的三维数字图像虚拟场景重建算法

为使三维数字图像虚拟场景重建可以获得更优质的画面,提出一种基于机器学习的三维数字图像虚拟场景重建算法.首先分析场景的状态信息和呈现指令,得到图像重构的网格模型顶点分布位置,通过局部坐标法近似计算全局图像,校正局部细节,完成三维数字图像的渲染处理;然后以空间和尺度为特征点,在图像上构建窗口检测模板,应用分类器抑制离散特征点,去除冗余特征;最后根据拟合函数法求出平滑后的三维坐标重建三维曲面,将局部二维三角分割并映射到三维空间,实现三维数字图像虚拟场景重建.实验结果表明,该算法收敛速度较快,重建图像细节和边缘轮廓完整,整体效果较好.     

一种新的点云模型控制网格的生成方法

控制网格是三维模型表示成位移细分曲面的关键.针对采用紧缩包围盒方法在处理表面有大凸大凹的点云模型时所出现的问题,提出了一种新的从点云模型中重建其表面控制网格的方法.该方法首先将点云的包围盒均分为n×n×n个小体元,然后,通过一种类似三维种子填充的算法对点云外部的小体元做上标记,并删去这些小体元,最后从剩下的体元外表面上产生一个初始的控制网格.实验结果表明,该方法不仅能快速地产生位移细分曲面的控制网格,而且能更好地逼近于原模型.     

用于面部虚拟整形的三维人脸重建系统设计

为解决面部整形手术成功率低的问题,设计了用于面部虚拟整形的三维面部重建系统。该系统首先利用高精度深度相机采集人脸多角度深度图像,将每幅深度图像分别转换为对应点云模型并进行去噪预处理。接着,将正面点云和侧面点云进行粗匹配实现点云拼接,并提出一种改进的精配准算法进行精配准,得到目标人脸三维点云模型。对点云模型网格化处理后,提出一种基于半边结构的细分算法来提高重建模形精度,最后完成贴图即可构建人脸模型。为了验证所设计系统的重建精度,设计了对比实验。结果表明:系统重构人脸与其他重建系统相比,提高了人脸精度,且与真实人脸间差距小于2 mm,可以将其应用于面部虚拟整形,从而对专业医师提供术前指导,提高手术成功率。     

以多幅图像非几何约束线段匹配重建建筑物外立面三维线段模型

针对建筑物外立面三维线段模型重建的现有算法中存在多幅图像线段匹配需要提前获知对极几何约束,以及三维线段重建的过程会因为输入误差的累积而受到影响等问题,提出了一种以非几何约束重建三维线段模型的算法。该算法在多幅图像的线段匹配过程中以点线相结合的高稳定性双视图线段匹配算法为基础,通过匹配线段间的传递性形成匹配线段组,再剔除不相容匹配并合并相容匹配,最终得到准确的匹配线段结果。三维线段重建采用分段重建的方式得到每一个匹配线段组对应的三维线段,再经过对线段长度和角度的约束,剔除不构成建筑物外立面框架的空间线段,最终构成建筑物外立面的三维线段结构。实验结果表明,该算法可以有效重建出建筑物外立面的整体框架。     

从有边界点云数据生成偏移细分曲面

提出一种根据给定精度从有边界点云数据生成偏移细分曲面新方法.它是基于有边界的Loop细分,运用细分的局部特性,通过循环修正、优化、自适应细分域曲面的控制网格,使域曲面不断逼近点云数据,通过对域曲面的标量偏移来表示待构曲面的细节特征.利用细分曲面的任意拓扑适应性、整体连续性,重构出具有细节特征的无需裁剪和拼接的待构物体偏移细分曲面.实例表明,该算法不仅具有稳定性,同时构造出的细分曲面还具有较高的重构精度,较好地满足工程实际需要.     

多Kinect实时室内动态场景三维重建

采用多个Kinect从不同角度同时捕获场景,将它们的深度图和彩色图结合在一起,通过数据预处理、顶点构建、点云注册和表面重建等步骤得到场景三维模型.整个流程均在GPU上实现以加速运算,实现了基于GPU的迭代最近点算法、基于GPU的八叉树构建、基于有向距离函数的表面重建等关键算法.试验中,整个算法运行帧率达到8.74f/s;重建分辨率达到约5.9 mm.试验表明,算法基本满足实时动态场景重建的要求,重建模型的精度满足非精确计算类应用的需求.     

基于贝赛尔曲面的三维人脸特征点定位方法

三维人脸识别技术中,人脸特征点的精确定位和匹配对后期的人脸识别起了极为关键的作用,为此提出了一种新的三维人脸特征点定位方法,利用矩阵特征分解求解每个特征点的基准平面,进而可用贝塞尔曲面来表达特征点附近的局部三维表面结构,对不同复杂结构的表面可用不同的精度描述,采用局部搜索和全局形状模型的约束相结合得到三维人脸特征点的精确定位.对三维人脸的特征点进行定位的实验结果证明,该方法比其他基于曲率分析的方法具有更精确的定位精度.     

一种基于超长方体集的模糊模式识别算法

结合模糊C均值算法(FCM)与模糊最小一最大神经网络算法。提出一种基于超长方体集的模糊模式识别算法．首先采用基于特征加权的FCM算法进行粗划分。得到c个平行于特征轴的超椭圆球类；再根据已知的样本的类别标记进行进一步划分；以改进的最小一最大模型建立超长方体阵，使每个超长方体只能容纳一种类别的样本点。并且分属不同类别的超长方体无重叠．使用这种方法构建超长方体集更快速、更简单，但对训练样本的要求较高，应选择能够充分体现数据分布情况的数据点作为训练样本．     

基于正交图像的头部三维模型构建

为快速构建人体头部的三维模型,提出了一种使用头部正面和侧面两张正交图像进行重建的方法.首先,利用Candide-3模型生成标准头部模型;然后,利用改进的主动形状模型(ASM)自动获取正面图像中68个特征点和侧面图像中35个特征点,并将获取的特征点与标准头部模型中的顶点进行匹配,利用匹配特征点对标准模型进行全局变形和局部变形,从而获得个性化模型;最后,对侧面头像进行仿射变换,使之与正面图像配准,并通过柱面投影和加权融合获得人脸全景纹理图,将其映射到个性化模型上以获得逼真的头部模型.实验结果表明:与传统ASM算法相比,利用改进ASM算法获得的特征点定位准确度提高了13.1%;所提方法仅需约1.2 s便可重建出具有真实感的头部三维模型,并能提供较大范围的可视角度和较丰富的深度信息.     

基于形变模型的三维人脸快速重建改进算法

针对传统三维人脸重建算法效率低且难以满足实际应用的缺陷, 提出一种三维人脸重建改进算法。该算法基于ASM（Active Shape Model) 增强算法, 自动地对特定二维人脸特征区域进行准确定位, 并实现三维人脸数据库的归一化; 利用稀疏形变模型对特定正面二维人脸进行快速三维重建; 采用明暗纹理恢复算法对重建后的三维模型人脸特征区域的每个顶点法线进行约束, 并将其应用于人脸识别中。实验结果表明, 该方法可实现对特定正面二维人脸快速三维重建, 并取得较好的三维重建精度与识别率, 与经典ASM算法相比, 精度提高12.3%, 迭代次数减少6次。