点云质量评价挑战与关键技术研究

近年3D数据采集和处理技术快速发展,点云作为一种典型的3D媒体数据类型引起越来越多的关注,其在无人驾驶、混合现实、测绘和医学影像等多个领域的发展上起到了巨大作用.与传统的图像、视频类似,点云在计算处理过程中会不可避免的引入各种失真,因此,合理准确的点云质量评价模型尤为重要.本文首先分析点云质量评价存在的挑战与困难;然后从点云主观实验方法、数据库构建和客观模型设计三个方面阐述研究现状;针对其关键技术进行分析和探索,并介绍本团队在点云主观质量评价标准化、数据库构建和客观模型设计上取得的阶段成果和未来展望.     

基于Clifford代数的3D点云模型数字水印算法

引入Clifford代数,在G3空间中建立了不依赖于特定坐标系的、多维统一的3D点云数据几何表征与计算模型.介绍了Clifford代数空间中的Fourier变换及其计算公式,进而提出了基于Clifford-Fourier变换的3D点云模型数字水印算法.该方法将点云模型映射为相应的Clifford几何空间域系数,并对其进行水印信息的嵌入和提取.实验分析表明,所提出的方法对平移、旋转、均匀缩放、重排序、简化和噪声等各种攻击均具有较好的鲁棒性.
     

基于3D活动轮廓模型的缺陷点云分割方法

提出一种基于3D活动轮廓模型的缺陷点云自动分割方法,通过扩展数学形态学方法构造符号距离函数估算点云的平均曲率,并应用中值滤波方法去除点云噪声对曲率估算精度的影响,避免了点云的一致性法矢估算和三角网格重构,在保证点云分割精度的同时有效提高了计算效率.应用结果表明本文方法能够有效处理点云缺陷并实现大规模散乱点云的快速分割.     

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。     

基于GPGPU的LBM障碍绕流的实时模拟

基于显卡的通用计算(GPGPU)是近年来并行计算和快速绘制的热点.格子Boltzmann方法(LBM)作为流体动力学的新方法,其并行性好,常常用于基于物理的流体模拟,且具有适用于复杂边界障碍的特性,但计算较为复杂.利用GPGPU技术来加速LBM的流体计算模型,构建了基于图形处理器(GPU)的流体计算框架,实现了格子Boltzmann计算的D2Q9和D3Q15模型,并用于实时的障碍绕流模拟.     

一种基于PVDAC描述子的RGB-D三维点云配准方法

利用RGB-D数据进行三维点云配准时容易陷入局部最优.针对这个难题,提出了一种基于多维特征的PVDAC描述子实现三维点云配准的方法.该方法首先通过ORB特征检测算法提取二维数据的关键点,并计算关键点在2D下的灰度特征,然后构建关键点在3D下的局部像素值距离、点云法线角度以及曲率特征,接着将2D特征和3D特征联合生成全新的PVDAC像素描述子,并利用PVDAC像素描述子描述关键点实现三维点云的粗配准,最后基于ICP算法完成三维点云的精细化配准.实验表明,本文算法在大场景点云配准时总体均方误差约为0.05 m2,在小场景单物体点云配准时达到了0.000 2 m2的较小误差,实现了三维点云的精确配准.     

GraphHP:一个图迭代处理的混合平台

BSP(Bulk Synchronous Parallel,BSP)计算模型是建立大规模迭代式图处理分布式系统的重要基础.现有平台(如Pregel、Giraph、Hama)虽然已经实现了较高的可扩展性,但主机之间高频同步和通信负荷严重影响了并行计算的效率.为了解决这个关键性问题,本文提出了一种基于混合式模型的执行平台GraphHP(Graph Hybrid Processing).它不仅继承了以顶点为中心的BSP编程接口,而且能够显著减少同步和通信负荷.通过在图分区内部和分区之间建立混合执行模型,GraphHP实现了伪超步迭代计算,把分区内部计算从分布式同步和通信中分离出来.这种混合执行模型不需要繁重的调度算法或者以图为中心的串行算法,就能有效减少同步和通信负荷.最后,本文评估了经典的BSP应用在GraphHP平台的实现方式.实验表明它比现有的BSP实现平台效率更高.本文提出的GraphHP平台虽然是基于Hama实现的,但它很容易迁移到其他的BSP平台.     

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。     

改进BSP模型在实时图像并行处理中的应用

针对大数据量图像处理的实时性,改进了BSP计算模型,解决了超步划分、超步丢失、数据传输等问题.设计了适合实时图像并行处理的集群结构.采用广播式的通信方式极大地缩短了通信时间,提高了实时性.从加速比、效率方面分析了并行计算的性能,实验证明了此方法的有效性.     

三维点云数据分割原理及应用

点云数据呈现海量增长趋势,对点云数据进行有效分割是数据处理的基础与前提,其在3D打印、虚拟现实、增强现实、智慧城市、智能交通等领域均有极其广泛的应用。本文通过阅读国内外文献,总结了点云分割的基本原理和特征,对比了各类点云分割算法的特点和适用场景,最后,结合实践应用需要,指出了现阶段点云分割算法存在的问题和发展趋势。     

BPGM: A Big Graph Mining Tool简

The design and implementation of a scalable parallel mining system target for big graph analysis has proven to be challenging. In this study, we propose a parallel data mining system for analyzing big graph data generated on a Bulk Synchronous Parallel （BSP） computing model named BSP-based Parallel Graph Mining （BPGM）. This system has four sets of parallel graph mining algorithms programmed in the BSP parallel model and a well-designed workflow engine optimized for cloud computing to invoke these algorithms. Experimental results show that the graph mining algorithm components in BPGM are efficient and have better performance than big cloud-based parallel data miner and BC-BSP.     

PORLES: A parallel object-relational database system

We developed a parallel object-relational DBMS named PORLES. It uses BSP model as its parallel computing model, and monoid calculus as its basis of data model. In this paper, we introduce its data model, parallel query optimization, transaction processing system and parallel access method in detail.     

面向大数据应用的多层次混合式并行方法

基于很多大数据应用存在对数据进行多种并行处理的需求, 提出两层混合式并行方法, 即执行单元的混合并行和计算模型的混合并行. 通过在同一个计算节点上执行单元的混合并行, 充分挖掘基础设施的计算能力, 从而提高数据处理性能; 采用在同一个执行引擎中集成多个计算模型的并行方法, 以适合应用多样异质处理模式. 不同的混合并行方法可以契合不同的数据和计算特点, 以满足不同的并行目标. 介绍了混合式并行方法的基本思想, 并以前期开发的并行编程模型BSPCloud为基础, 阐述了进程和线程混合并行、BSP和MapReduce混合并行的主要实现机制.     

云环境下基于预分片的遥感数据并行重采样方法

面向海量高分辨率遥感影像数据快速发布需求,针对当前云环境下遥感影像数据并行重采样存在的难题,结合云平台MapReduce并行计算框架特性和遥感影像数据处理特点,提出了一种基于预分片的遥感影像数据并行重采样方法,通过预分片机制有效实现了该框架中对影像数据分片和并行重采样任务的控制,解决了MapReduce难以用于并行处理非结构化、具有空间位置特征的遥感影像数据的问题,从而实现了云环境下遥感影像数据的高效并行重采样.通过在开源云平台Hadoop上的实验和分析表明,该方法具有良好的重采样性能,能够实现高分辨率遥感影像数据的高效重采样.     

云计算下异构数据集成模型的构建

为使用户能够将现有的应用系统向云计算环境迁移,将原有的异构数据处理无缝的映射为云计算环境下通用的数据服务和行为,从云计算和云存储的理论和模型出发,面向大规模的数据密集应用,针对各种异构数据库存储系统和云存储系统,构建云计算环境下异构数据模型,为用户提供透明、统一的异构数据集成和访问接口服务。实践证明:云计算下基于本体的异构数据集成模型的构建,可以为云计算环境下各业务应用提供统一的数据管理和处理方法,方便、快捷地实现异构数据统一的检索与查询以及业务应用所处理的各种异构数据之间实质性关联与映射。     

基于机载LIDAR数据的建筑物三维重建技术研究

随着城市化进程的加快,城市规划、环境监测和汽车导航等领域对建筑物有了更多的需求。3D GIS、虚拟现实技术的发展使传统的测量方法逐渐暴露出工作效率和精度方面的不足。LIDAR技术的出现为城市建筑物的快速提取提供了一种新的途径。首先从LIDAR点云数据中自动提取建筑物边缘,然后采用一种新的三维重建方法对提取出来的建筑物进行重建。     

云计算网络数据库中的加密优化模型仿真分析

针对云计算网络数据库中大数据加密耗时长的弊端,提出一种新的并行同态加密(DGHV)方案。在云计算网络环境下,采用DGHV同态加密算法进行初步数据加密,并对加密过程产生的噪声进行去噪处理。引入MapReduce计算框架的并行特性,使用分块算法对云环境中的大数据进行分割,并采用同态算法进行加密,最后将加密后的密文块汇总,得到整个数据库中的密文。实验结果表明,通过相同的实验平台对云环境网络数据进行加密优化。相比较其他方法针对大数据的处理的加速比较高,能够有效地减少加密时间。     

GPU加速技术在治疗计划系统剂量计算中的应用

基于CUDA编程技术,研究了如何将NVIDIA的GPGPU模型应用于剂量计算,并首次将该技术应用于基于点核卷积/迭加模型的三维放射治疗计划系统商业化产品.本工作对原有剂量计算模型做了改进,使其可以在device端进行并行处理.在程序架构设计中使用MFC导出类及动态库技术,避免了大量代码移植工作.对结果数据进行了比较与分析,确定了基于特定显卡效率最高的thread数目.结果表明:基于实际患者计划数据执行结果的评估,采用GPU技术加速,大大提高了系统剂量计算速度,使射野剂量计算速度在1 s以内,大大增强了产品市场竞争力.     

逆向重建中B样条曲面过渡/微调精简方法

为提高逆向工程中点云数据精简与重构的精度和效率,改进B样条曲面拟合在曲率精简和曲面重构中的应用问题.对逆向工程中的3维扫描技术、3维设计、点云数据的精简及模型重构做了深入细致的应用研究.提出一种基于B样条曲面过渡/微调精简算法,将该研究应用于叶轮的逆向制造中,通过3维扫描获得曲面重构点云数据,将点云数据合理拼合封装与精简,进行曲面重建和3维再设计,同时分析产品的光顺性和精度,并利用快速成型机打印出产品模型样件.研究结果表明该方法既高效提高了曲面建模效率,又改善了逆向建模精度.      

基于BIM的三维滑坡地质灾害监测方法及应用

提出了一种基于BIM的三维滑坡地质灾害监测方法。应用CATIA软件建立三维滑坡地质模型,将反映该三维模型形态的空间点集和拓扑关系存储在数据库中;基于云平台架构,将现场监测数据的变化和模型有限元计算的结果反馈到模型数据库中。通过对模型数据库的实时数据迭代、增量处理和模型重构,建立BIM地质灾害模型动态反馈机制,实现滑坡三维模型的动态变化和协同。