对融合特征敏感的三维点云识别与分割

三维点云分类分割网络忽视了融合特征中的冗余信息,缺乏放大有效特征占比能力,不能充分挖掘特征的表达性。在CurveNet网络基础上,提出了一种能够筛选和丰富融合特征的方法,对点云的识别与分割效果达到了较先进水平。首先,提出了对融合特征具有筛选能力的特征选择子网络,利用结合了打分机制的TopK算子选出包含有效信息的融合特征,并且能够自适应地赋予被选特征权重。其次,在聚合曲线特征模块中增加了两个新分支,分别学习曲线内部点距离特征和曲线之间的线距离特征,通过快速通道相关性注意力机制提取各分支的内部相关性,增强了网络特征的信息描述能力。实验结果表明,分类任务在ModelNet40数据集上准确率达到了93.8%,分割任务在ShapeNet Part数据集上平均交并比达到了86.4%。与基准网络相比,分类效果与分割效果均有所提高,证明了算法的有效性。     

三分支空间变换注意力机制的图像匹配算法

对于待匹配图像具有旋转、缩放、平移等空间几何变换的图像模板匹配任务,现有的算法耗时较长,且准确率不高。针对该问题提出一种高准确率、低运算成本的图像匹配算法,首先根据中心点与邻域点的像素差来寻找特征点,进行快速特征检测,然后以这些特征点为中心,并以快速特征检测所计算出来的旋转角截取出一定尺寸的图像块。再将这些图像块输入空间变换注意力模块的特征描述子提取网络,最后使用K最邻近算法计算两张待匹配图像特征描述子中匹配的特征。特征描述子提取网络中引入了空间变换注意力模块,网络在训练的时候着重对空间信息进行学习,故所提算法提高了具有较大空间变化图像匹配任务的准确率。在匹配时间方面,所提的匹配算法仅次于检测和匹配都使用快速特征检测算法的方法。在匹配准确率方面,所提算法匹配的准确率远远优于实验所比较的其他算法。     

基于数字投影仪的三维轮廓检测系统

通过对DLP(digital lighting process)数字光处理器投影仪的原理分析,建立了基于透视变换的投影仪原理模型.模型中建立了投影点与空间投影直线的关系,得到光栅平面在空间中的表达式,在此基础上设计编码光栅对空间进行划分.由于编码光栅是一系列的矩形光栅,所以通过编码光栅不同的排列组合对空间进行编码划分,确定空间中每一个光栅面的次序.再由测量系统的空间几何结构关系,得到被测物体表面点的三维坐标,实现了基于数字投影仪的物体表面三维信息测量.实验证明,利用数字光处理器投影仪可以方便地实现编码模式,基于本方法的三维轮廓检测系统结构简单,适合于各种高度变化的物体,可以快速、方便地进行三维信息重构.     

一种新的用于光学测量的圆点检测算法

针对光学测量中圆形标志点面积小、背景不固定、投影畸变不一致等问题,提出一种基于区域检测和边界验证的圆点检测方法.在图像预处理后,使用边缘算子对图像进行区域检测,根据图像的连续特征,在边缘延展的基础上对所有可能的疑似圆点进行检测,在复杂背景中突出圆形标志点的特征,从而检测到变形的圆点;对得到的变形圆点集合,由图像和三维点之间的关系得到圆点的位置,利用圆点边界信息进行自适应验证,最终得到准确的圆形标志点集合.通过对各种复杂背景下的真实图像进行检测实验,证明基于区域检测和边界验证的检测算法简单、高效、可靠,可以在不同环境下快速准确地定位待检测点,有效地解决了标志点在各种情况下变形程度不同难以辨别的问题.