多段翼型无网格算法及其布点技术

用显式无网格算法实现了多段翼型的数值模拟。与传统的网格算法不同，求解区域用“点云”离散代替通常的网格划分。基于当地点云离散结构，用二次极小曲面逼近计算空间导数。在研究该算法的基础上，给出了Euler方程无网格离散形式，运用Runge-Kutta显式时间推进格式推进求解。此外，还描述了一种区域离散布点方法，研究了点云生成的选点准则，并成功地数值模拟了复杂多段翼型的绕流。     

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.     

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.     

面向点云数据的复杂几何模型对象优化方法研究

针对高精度、高保真的点云数据在精简后点云数据重构网格精度降低误差增大的问题，提出了面向点云数据的复杂几何模型对象优化方法.首先通过空间八叉树法建立点云数据和网格的拓扑关系，并利用原始点云到重构网格的距离确定网格的误差，以目标精度为阈值，然后利用增点法对面片进行划分，最后根据插入点算法重新定位插入点.实验验证表明：利用该文方法对兔子和龙进行一次细分使得精简率90%兔子重构网格误差由0.81 mm提升到0.48 mm，精简率90%龙重构网格误差由0.36 mm提升到0.11 mm.     

用Kinect定位平面上单一圆柱型物体

通过Kinect设备获取物体所在场景的3D点云图像，再用积分图像计算场景中点云的法向量，根据法向量Y方向分量与XOZ平面所成角度的正切阚值滤除放置物体的平面，同时利用坐标输出阏值的设定滤除其它背景点和噪点。随机采取物体点云图中任意法向量不同的两点，根据它们的法向量和坐标，用异面直线公垂线的计算方法得到圆柱体的中心轴。再用点到空间直线的距离公式计算圆柱型物体的半径。最后通过计算物体点云X，Y，Z方向坐标的取值范围，实现对物体的定位。使用采集的场景点云图对算法结构进行测试，结果表明，算法结构可以可靠提取放置物体的平面和平面上的圆柱形物体，可以为机器人抓取提供准确数据信息。     

基于散乱点云的快速体积计算法

三维可视化体积计算基本上都是先由散乱点云构建出表面网格模型,然后基于网格模型计算体积,存在计算量大、速度慢的缺点.针对此问题提出一种快速体积计算法,首先使用改进的增量式Delaunay三角剖分对散乱点云进行四面体剖分;然后利用K近邻计算散乱点的拟合曲面和最小生成树,得到各点的法向量;由各点法向量剔除体外四面体;最后计算各四面体体积之和从而得到总体积.实验表明,该算法不仅保证了计算准确度,而且较传统算法大大提高了效率.     

基于激光测量点云数据的五坐标加工刀轨生成

针对以往由点云构造曲面或三角网格，再根据曲面或网格生成刀轨的方法复杂、工作量大的问题，研究了直接从激光测量点云数据生成五坐标数控加工刀轨及干涉处理的方法．通过计算点云模型的曲率，确定切削步长和行距，采用基于点云的干涉检查模型，推导出干涉处理的解析式，得到了无干涉加工刀轨．实例表明，算法运行速度快，稳定可靠．     

点云数据的自动配准算法研究

针对传统ICP(Iterative Closest Points)配准算法计算量大、收敛速度慢且要求待配准的两片点云数据重合程度较高的问题提出了一种改进方法:首先基于均匀采样法精简点云数据;其次采用Kd-Tree算法查找最近点并基于距离阈值剔除错误匹配点;接着优化目标误差函数,计算点到切平面的距离;最后采用多角度的全局配准方法将两片重合程度最小的点云较好地配准在一起.通过对比实验,验证了本文的改进型ICP算法在运行时间和配准精度上都对传统的ICP算法做出了较大改进,取得了较好的配准效果.     

基于水平集的散乱数据点云曲面重构方法

提出了基于最小能量约束的水平集重构方法，用以解决由三维数据点云自动重构复杂拓扑结构物体模型的问题．其基本思想是将重构曲面看成是一个定义在三维空间的可变形封闭曲面，在曲面自身几何特征以及目标模型力的作用下，逐步逼近目标模型，其演变过程同时也是曲面能量逐步减小的过程．采用偏微分方程来表示曲面能量最小化的过程，将曲面进行三维空间网格划分，采用快速扫描法将三维数据点云转换为有符号的距离场，并给出了离散偏微分方程的数值解法．实验表明，基于水平集的三维曲面重构方法能够从初始表面自动收缩到目标模型，而且能够适应任意拓扑结构的复杂物体．     

多静止站被动单目标定位跟踪算法

把方位作为被动传感器的观测信息属于不完全观测．文中的方案是先用最小二乘法估计出目标距离,再用卡尔曼滤波进行跟踪．单一的被动传感器定位需要机动,而多个被动传感器联合工作,可以在观测站静止的情况下完成定位．通常的最小二乘是寻求到各传感器的方向线距离平方和最小的点,而文中选择另一种推导方法,由于该方法也用到最小二乘理论,亦称最小二乘法．文中将该方法与卡尔曼滤波结合进行目标跟踪仿真,结果表明该方法是有效的．     

地面三维激光扫描多视点云配准设站最佳次数的研究

为探讨扫描仪设站次数的变化给点云配准误差积累造成的影响,研究了点云配准误差传播特性,给出点云配准误差传播的模型.对实验采集的点云数据,计算出不同设站次数下点云配准的最终中误差,通过比较中误差来确定多视点云配准设站的最佳次数为4.设站最佳次数的确定对于减小配准误差传递、提高作业效率具有重要的意义.     

基于网格单元的点云降维处理算法

针对激光雷达采集数据时，由于会受到外界的干扰因素、扫描精度等负面影响，会使采集到的点云数据空间密度相差较大、存在着很大的噪声和孔洞，使得分析结果不能直接描绘实际物体的模型的问题，本文设计了一种基于二进制占网格的点云数据处理算法。首先将分割完成后的点云采用二进制网格的方式聚类进行降维处理，再将点云映射到网格单元中实现不同物体点云的快速聚集。最后，基于寻找出的点云主方向旋转点云从而.建立紧致随动的障碍物包围盒。通过实验验证，该方法能够在保证聚类精度的同时提高运算速度，其建立包围盒能够准确的反应障碍物的尺寸，具有良好的实时性与随动性，对移动机械臂自主避障提供了可靠的信息。     

大型储罐的三维点云精简方法研究

针对大型储罐三维点云数据散乱、冗余点多等影响计算机显示及容积计算的问题,改进了一种储罐三维点云精简算法。该方法先利用均匀网格法,将待处理的三维点云数据分割成若干小栅格;然后根据随机抽样一致(random sample consensus,RANSAC)算法对每个栅格中的点云数据建立球模型,以保留特征点并滤除冗余数据点,达到精简点云的目的。将该方法与传统的均匀网格法和非均匀网格法进行对比,实验结果表明该方法在保证较高精简率的情况下可以更好地保留储罐点云数据特征。     

点云格网化滤波方法及其在隧道变形监测中的应用

将三维激光扫描技术应用于地铁隧道变形监测,针对点云数据的预处理问题,研究基于小波分析的点云格网化滤波方法。结合南京地铁隧道扫描点云数据及其特性,分析和选择合理的插值方法对隧道点云进行格网化处理,采用小波变换对格网点数据进行异常值探测,采用小波阈值去噪对格网点数据进行整体去噪,获得滤波后的点云并进行封装对比,获得了很好的滤波效果。     

基于密度噪声应用空间聚类算法的机载激光雷达建筑物点云提取与单体化

针对机载激光雷达建筑物点云提取过程中自动化提取困难,以及提取后的建筑物单体化过程繁琐等问题,提出一种基于DBSCAN算法的机载雷达建筑物点云提取与单体化的方法。该方法对预处理后的点云数据基于DBSCAN算法进行去噪与初步的提取,通过三维密度聚类,将建筑物的点云进行提取与自动单体化。根据建筑物点云密度的特点,进行二维的密度聚类,结合DOM进行点云分割。最后将处理后的点云数据进行优化处理,并将建筑物单体化簇类进行提取,得到单体化建筑物点云。结果表明：本文采用的提取方法提取的建筑物点云数量正确率为97.36%,轮廓边长的中误差为0.077,可以有效的提取出建筑物点云并将其单体化。     

海量点云数据轮廓特征线的快速生成算法

从海量点云数据中快速生成轮廓特征线,是实现基于特征的模型重建的关键.提出了一种基于切片的轮廓特征线快速生成算法.该算法首先对点云数据进行切片,将数字图像的方法应用到基于切片的特征点提取中,通过设置数字栅格平面的边长快速地提取特征点,并根据提出的双向索引连通法快速构造特征线,最终实现了点云数据的曲线模型.实例证明:本算法可以快速、准确地生成海量点云数据的轮廓特征线.     

基于视点的三维点云自适应多细节层次模型动态绘制

在计算机几何图像设计、医疗研究诊断、物体判定识别、自动化测量等领域应用的迫切需求下,需要对三维点云动态绘制方法进行研究。目前存在的基于图形处理单元(GPU)的三维点云动态绘制方法。首先根据高度场的形式获得三维点云数据;然后利用高通滤波法对获得的三维点云进行消噪处理;再根据Scene Graph的方法表示三维点云之间的逻辑关系;最后利用GPU完成三维点云的动态绘制。为了降低噪声对三维点云绘制的影响,绘制更加流畅清晰的画面,提出一种基于视点的三维点云自适应多细节层次(LOD)模型动态绘制方法。首先利用激光扫描仪器或结构光扫描仪器等获取三维点云数据,并利用双边滤波器进行平滑去噪;然后根据特征配对的方法对三维点云进行特征对的提取与配准;最后以三维点云特征对配准结果为依据,利用三维点云的内外存调度完成三维点云的自适应LOD动态绘制。实验结果分析证明,所提方法能有效地去除噪声,可以更好地描述目标物体或背景,使绘制画面更加流畅。     

基于盾构隧道环缝点云的中轴线提取方法

为了降低盾构隧道中轴线提取对原始点云预处理的要求,引入了点云特征提取方法。 首先, 以基于距离差特征的裂缝点云提取方法,识别盾构隧道管片拼接处的环缝点云;然后,以最小二乘 法对提取的环缝内散点进行环缝曲线拟合;最后,在环缝曲线的基础上提取隧道中轴线。 实验结果 表明:基于距离差特征的点云提取方法能够有效识别环缝点云,并在环缝点云的基础上拟合得到隧 道中轴线。 与传统提取方法相比,该方法更加快捷,且提取的中轴线更具有空间感。     

基于k-邻域密度的离散点云简化算法与实现

提出一种基于k-邻域密度(即k-邻域中的点云密度)的离散点云简化算法, 并给出了在三角网格重构中的实现. 该方法不仅可以保证实物模型重建后的整体轮廓, 而且在细节部分也较好地保持了局部形状特征. 三角网格重构的实验结果表明, 所给方法简单、 高效, 同时, 在实物模型平滑处与曲率变化较大处均取得了理想效果.