稀疏激光扫描点的自主移动机器人地图创建

在自主移动机器人实际地图创建中,针对迭代最近点(ICP)算法不符合一对一单映射关系的问题,提出一种稀疏扫描点的对应点对搜索方法.首先,在方向和位置上对相邻两次激光扫描点集进行粗配准;然后,对配准结果建立一种对应点对搜索机制,剔除无效对应点;最后,采用ICP算法对剩余数据进行精配准.结果表明:文中方法可有效处理无效对应点,提高算法的配准精度,在实际环境中具有准确性和有效性.     

点云初始配准的优化求解算法

针对基于对应点匹配的点云配准算法过于依赖点云初始位置并且配准效率较低的问题,提出一种基于序列图像运动法重建的点云初始配准算法。首先,根据透视投影原理对相机在点云局部坐标系中的位置进行定位,获取将点云变换到对应相机坐标系的变换矩阵;然后,以图像特征点及其对应的匹配点作为同名点,通过重建序列图像对相机外参数进行全局优化;最后,根据推导的初始配准公式快速实现点云初始配准。实例验证结果表明,该初始配准算法对点云的初始位置无严格要求,能以较小的计算量获取近似全局最优的点云初始配准结果;将初始配准参数作为迭代最近点算法的初始值,可有效提高迭代最近点算法配准的稳健性,计算效率提高了30%以上。     

三维点云配准算法的研究

本文针对现有配准算法精度较低且适用范围有限的问题,提出了基于几何特征和RANSAC思想的粗配准算法以及基于点的邻域几何特征的迭代配准算法。该配准算法依据点的邻域曲率值提取两个点云的关键点集。配准过程中采用RANSAC算法的思想,每次采样中,利用FPFH特征来搜索对应点,并结合刚体变换不变量进一步约束,提高对应关系的准确性。经多次采样后,利用两点云一致性程度来选择最优的变换作为最终的变换关系。精配准过程依据最近点搜索法和点的几何特征初步确定候选点对,并结合本文提出的5维描述子和刚体变换不变量剔除错误的点对,提高对应关系的准确性,加快算法的收敛速度。     

基于佳点集人工鱼群的点云配准算法

针对点云配准迭代最近点(iterative closest point, ICP)算法对点云的初始位置姿态有较高的要求且易陷入局部最优的问题,文章提出一种基于佳点集人工鱼群的点云配准算法。首先采用佳点集方法对人工鱼群初始化,解决人工鱼群因初始种群分布不均而陷入局部最优的问题,并通过下采样与三维尺度不变特征变换(3D scale invariant feature transform, 3D SIFT)特征点提取简化点云;然后采用快速点特征直方图(fast point feature histogram, FPFH)特征描述解求点云间的对应点对并剔除错误对应点对,通过佳点集人工鱼群算法寻优刚性变换的6个参数完成粗配准;最后使用ICP算法完成精配准。实验选取斯坦福大学提供的Bunny、Dragon和Happy Buddha 3组测试数据集进行配准;结果表明,该文算法收敛速度快,能为ICP算法提供良好的初始位姿避免其陷入局部最优。     

面向RGB-D数据的4D-ICP点云配准方法

针对三维彩色物体的配准问题,提出一种面向RGB-D数据的点云配准方法.首先利用主方向贴合方法将待配准的两片点云快速拉近,使它们近似对齐;在点云精确配准阶段,将RGB颜色值转换成单通道的灰度值,并将灰度值范围映射到几何数据的范围,由映射后的灰度值和点云的几何信息构成四维向量;然后由点的局部邻域几何信息和颜色信息构造混合特征描述子,根据混合特征描述子获得源点云的特征点,在四维向量空间,利用k近邻算法在目标点云中搜索对应点,以提高搜索效率;最后,定义了一种基于4D欧氏距离的ICP算法,通过4D-ICP迭代算法实现点云的精确配准.实验结果表明,面向RGB-D数据的4D-ICP配准方法,能够快速有效地实现RGB-D点云模型的配准,并在配准精度和保持颜色纹理方面效果突出.     

模式识别在多视角下数据拼接中的应用

针对传统三点定位法在数据配准中使用的局限性，提出了将模式识别中的相似性理论应用在多视角下数据拼接中的新方法．首先，在数据重叠区域内用梯度法搜索曲率极值点，然后在已经获得的曲率极值点中，根据模式识别中的灰度相似性原则确定特征点，最后根据对应的特征点进行配准．将该算法应用在水轮机叶片毛坯的测量数据配准中，结果表明，它可实现空间曲面的多视角测量及后序多片数据的拼接，具有速度快、精度高、可操作性强等特点，而且算法不受零件材质和形状的限制，通用性较强．     

基于粒子群优化算法的散乱点云数据配准

针对目前散乱点云数据配准算法在精度、速度和优化等方面存在的问题,提出一种基于粒子群优化算法的点云数据配准算法.该算法首先根据数据点之间曲率的相似度函数,采用粒子群优化算法在两组点云数据中搜索可以匹配的点对集合,然后用最近点迭代算法进行二次配准,实现了两组散乱点云数据的精确配准.对比实验表明,该算法配准速度快,效果好.     

三维扫描系统中的数据配准技术

通过引入特征点和改进最近点迭代法,提出了一种在三维扫描系统中对三维点云数据进行配准的方法。该方法通过对特征点的提取,首先得到一组匹配点对,然后运用SVD矩阵分解算法求出转换参数R和T,进而以此作为最近点迭代法的初始值,并对最近点的求法和迭代截止条件作了改进,得到了很好的配准效果。该文论述了该方法的基本原理,并通过不同视觉下物体三维测量点云数据配准的应用实例证明了该方法的有效性。     

基于点到面度量的多视角点云配准方法

针对现有的大多数基于点到点度量的多视角点云配准方法在配准过程中,由于物体表面离散化而无法获得点到点的精确重叠,从而导致的收敛速度慢、配准精度低的问题,提出一种基于点到面度量的多视角点云配准方法。为获得多视角点云匹配结果,采用逐步求精的策略将多视角配准问题分解成多个点到面双视角配准子问题进行求解。在双视角配准过程中：使用数据点与对应点处切平面的距离误差代替点对距离误差,给出新的目标函数;提出高效法向量转换策略,以减少多视角配准的每次迭代中平面法向量的求解次数。在目标函数的求解过程中,用线性最小二乘法逼近非线性优化问题,从而实现点到平面误差的最小化。将所提方法在斯坦福数据集上进行了测试,实验结果表明：与当下较为流行的多视角配准方法相比,所提方法在不同数据集上的旋转误差均降低了38.9%以上,平移误差均降低了16.6%以上,能够快速实现精确、可靠的多视角点云配准。     

基于角点检测图像配准的一种新算法

提出了一种新的基于角点检测的图像配准方法，其核心思想是采用一种快速的基于图像灰度的角点检测新算法，通过沿圆弧曲线扫描获取角点信息，然后根据这些角点信息建立图像间角点的对应关系，并由此得到初配准参数，最后通过迭代过程以提高配准的精度。理论分析和实验结果表明，该算法对图像间的旋转角度没有限制，配准精度高而且计算量较小。     

空间点集配准算法研究

研究不同坐标系下空间点集的配准算法.所提出的算法分为粗配准和精配准两个阶段.粗配准是利用主成分分析方法对每个点集计算其3个主轴.然后通过空间变换将两个点集的主轴一一对应,使得两个点集大致对齐.精配准利用改进后的最近点迭代方法对两个点集进行局部优化,最终达到初始方向相差较大的两组点集在同一坐标系下的精确配准.模型实验验证了该方法的有效性和精度.实验结果表明,算法通过粗配准有效地将两组点集的主轴对齐,同时,精配准对粗配准的结果进一步优化,使得初始方向相差较大的点集间实现精确配准,提高了配准的精度.     

多传感器集成测量系统的数据对齐方法研究

反求工程中,多传感器集成测量系统对于提高实物数字化的效率和精度有着重要意义。本文对多传感器集成测量系统中不同数字化方式所获数据的对齐和融合进行了研究,并提出了一种不依靠简单几何体作为基准的自动对齐算法。该算法首先通过计算点集曲率来辅助选取3对近似对应点,求解坐标变换矩阵实现初始对齐;然后对非接触扫描点云进行三角剖分,以接触式测量所获点集向对应三角片的投影寻找对应点,然后进行坐标变换迭代求解,从而实现了不存在对应点的点集之间的对齐;最后包围盒求交法实现了数据的融合。实验结果表明,该算法行之有效,运行效果良好。     

基于三维虚拟vr的历史街景重现技术

传统方法采集点云数据时容易丢失信息,无法保证历史街景重现的完整性。为此,提出一种新的基于三维虚拟vr的历史街景重现技术,对采集的0像素值点进行去噪处理,防止大量空洞产生。通过取交集对由三维采样点构成的集合进行多帧融合处理,求出各三维采样点的深度可信度,根据深度可信度排序对三维采样点进行无重复融合处理,获取历史街景完整三维点云。依据ICP法,通过不停查找对应点集及运算变换关系的过程,找到目标点集与参照点集间的旋转矩阵与平移向量,将感兴趣重建部分从整个场景中分离实现点云配准。将历史街景三维重建模型添加至Google Earth平台,在Google Earth平台实现历史街景重现。实验结果表明,所提方法能够有效实现历史街景重现,重建精度高、完整性强。     

基于曲率图的三维点云数据配准

以曲率图作为三维点云数据的特征描述函数,并运用曲率图实现了三维点云数据的配准.对于含有噪声的点云数据,先根据每个点的邻域特性估算其曲率值,然后根据每个点及其周围邻域点的曲率值构造该点的曲率图.通过在多比例空间下曲率图的特征保持分析,可提取到最能反映该点云数据特征的特征点集.对于两两配准,这些特征点集被用于三维点云数据的粗略配准算法中,该算法利用点云内部空间点相对位置在刚性变换下的不变特性实现了特征点对的匹配,由匹配的特征点对进行坐标变换求解,完成了两三维点云的粗略配准,然后运用迭代最近点算法进行精确配准.最后将整个配准算法应用于真实的三维点云数据,结果表明该算法能有效抑制点云采样密度及噪声的影响,能够快速实现点云数据的精确配准.     

基于面特征和SIFT特征的LiDAR点云与航空影像配准

针对LiDAR数据与航空影像融合中的配准问题,提出一种将面特征与点特征相结合的配准方法,首先由LiDAR点云生成深度影像,对深度影像和航空影像提取面特征,在此基础上采用SIFT算子提取点特征,完成LiDAR点云与航空影像的配准。文中方法采取了由面特征到SIFT特征的配准策略,减少了面特征配准的数据量和SIFT算法的计算量。从ISPRS提供的数据集中选取了3组数据进行实验,实验结果表明该方法能有效减少SIFT算子的特征描述符的数量,减少寻找正确匹配点的时间,在保证配准精度的情况下提高配准的效率,适用于城市地区等包含大量面特征地区的LiDAR点云与航空影像配准。     

一种基于几何特征由粗到细点云配准算法

针对点云配准算法对初始位置敏感且收敛速度慢的问题,提出一种基于几何特征由粗到细点云配准算法。在粗配准阶段,通过投影法提取源点云和目标点云各4个轮廓点,然后利用曲率特征和轮廓点之间的距离寻找稳健的特征点对,计算得到初始刚性变换参数;细配准阶段,计算点云法向量及法向量夹角,以法向量为特征进行特征匹配,然后使用法向量夹角来启发搜索,使迭代最近点(iterative closest points, ICP)算法快速收敛。实验结果表明,所提出的由粗到细的配准算法鲁棒性强,具有较高的精度和速度。     

基于关键点特征匹配的点云配准方法

针对ICP配准算法对点云的初始位置要求高、处理低重叠率的点云配准能力低的问题,提出了一种基于关键点特征匹配的点云配准方法. 设计一种多尺度加权法向投影均值差的关键点提取算法,结合SHOT描述子对关键点进行特征描述,融合几何一致性以及RANSAC算法去除匹配过程中的误匹配点对,优化关键点之间的对应关系,通过奇异值分解计算刚体变换矩阵,完成点云粗配准,使用ICP进行精确配准. 实验表明,本文提出的关键点提取算法能有效提取点云表面特征变化明显的点,使用SHOT特征对关键点进行描述,能够快速、精确地完成点云数据配准,并且对于较低重叠率的点云,也具有较好的配准效果.      

基于统计滤波和稀疏度优化的印花配准算法

在数码印花技术上，传统全局印花图案配准方法在精度和效率上无法满足需求，局部印花图案配准方法存在配准误差较多导致匹配误差大的问题，还存在图像变形控制点过多导致算法效率低等问题.该文提出了一种新的局部印花图案配准方法.该方法基于统计滤波优化配准算法，减少FLANN匹配点中的误差点；并在分析图像变形中冗余控制点特性的基础上，提出一种基于稀疏度的冗余优化算法降低控制点数量.实验结果表明：该方法可有效滤除配准后的误差点，优化控制点集，总体提高配准精度和算法效率.     

基于粒子群优化算法的多模态医学图像刚性配准

提出了一种基于轮廓特征点及利用PSO(粒子群优化)求解多模态医学图像自动配准新方法．首先采用数学形态学中腐蚀和膨胀算法对图像进行预处理,用区域生长法提取图像的边缘;再用subtractive聚类算法提取出轮廓特征点,将两个特征点集的均方根极小值作为配准准则,然后用PSO算法求解空间变换参数．该算法适用于多模态医学图像配准,与其他算法相比,PSO算法具有操作方便、可靠性好、不易陷入局部极值等优点。