基于RBF神经网络的三维点云数据孔洞修补

三维扫描获取点云数据,往往由于被测物体自身形状复杂,扫描设备本身局限或者外部遮挡而出现孔洞,影响后续重构精度.由此提出一种基于RBF神经网络的三维扫描点云数据孔洞修补方法.该方法首先基于法线信息和KD tree提取三维点云的孔洞边缘信息,基于蒙特卡罗法在特征平面内生成填充数据点;然后将采集到的孔洞边缘特征点作为样本点集...     

基于单目视觉测量的数字化人体模型重建

针对一套基于单目视觉的双扫描头人体扫描系统所获取的三雏原始点云数据,提出一种人体曲面模型重建方法.该方法首先将获取的扫描线点云构造为切片数据的形式.将人体数据分割为肩头部、躯干、左右手臂及左右腿6个部分,并对点云中的孔洞进行了填补;通过相邻轮廓线同步前进法构建连接人体相邻截面的三角网格,并对分割后的几个部分进行拼接得到人体曲面模型.所建立的模型为后续进行虚拟试穿等提供了前提.     

船舶航行三维显示系统的地形建模

根据船舶航行对视界内视景和水下地形的几何精确度与图像真实感要求,应用三维真实感地形生成理论,提出两种基于海图等高线和等深线数据的地形三角构网方法,在不加入新插值点的情况下对平面散乱点进行三角剖分,实现了基于ECDIS和AIS的船舶航行三维显示系统的地形建模.     

基于边缘卷积的三维目标识别算法

三维目标检测是实现无人驾驶必不可少的技术,但很多三维检测算法采用的分割算法并不能很好地提取局部特征,导致检测精度不理想。为了改善局部特征缺失的情况,提出一种基于边缘卷积的三维目标识别算法。本算法以激光点云和RGB(red, green, blue)图像作为输入,基于二维候选区域中的像素过滤激光点云生成视锥点云,以此提高检测速度。同时,在分割算法中,在点云的局部特征图的基础上计算目标点和相邻点之间的欧氏距离,并将其作为边缘特征赋予目标点和相邻点。此外,在卷积神经网络提取特征的过程中,每次卷积完成后都会在新的局部特征图上重新计算三维点之间的欧氏距离,为三维点构造新的边缘特征。这使得边缘特征能随着卷积神经网络的计算扩散到整个点云,从而提高局部特征的提取效果。本算法在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)的三维点云数据集上进行验证,分割精度达到92.82%,相比于F-PointNet提高了2.30百分点;对不同目标的检测精度也有所提高,车辆、自行车、行人的检测精度分别达到了85.77%,76.09%,53.08%。试验结果证明了本算法的可行性。本算法可应用于无人驾驶汽车,实现车辆、行人和自行车的定位与检测。     

基于激光测距的双机器人管道测绘方法

为解决传统天然气管道测绘设备只能测绘直管道且测绘距离近的问题，提出基于激光测距的双机器人管道测绘方法.管道分为水平直管道段、90°水平弯管道段、上/下坡管道段和复合管道.方法中两机器人从管道入口处开始交替匀速前进，直至离开管道，通过解算机器人获取的距离数据，得到每段运动中管道段的三维模型，最后进行拼接，完成对整条管道的测绘.实验结果表明，本方法实现了对不同管道的测绘，并有效提升了管道测绘的距离，2000m距离误差在4m内，误差率约为0.178%.     

最小二乘支持向量机的点云数据孔洞修补算法

为了获得理想的点云数据孔洞修补结果, 针对当前算法存在的缺陷, 提出一种基于最小二乘支持向量机(LSSVM)的点云数据孔洞修补算法. 首先根据散乱点云边界估计孔洞修补范围, 然后根据孔洞及周围点的信息, 采用最小二乘支持向量机建立一个曲面, 并对曲面点云数据的孔洞进行修补, 最后采用C++语言编程实现仿真实验. 实验结果表明, 最小二乘支持向量机能有效修补各种复杂的孔洞, 且修补效果优于其他算法.     

应用相似度测量的图离群点检测方法

针对传统离群点检测方法精确度不高的问题,提出了一种同时基于全局和局部视野综合考虑的离群点检测方法,并将其成功应用于事务图数据集的离群点检测。该方法利用极大公共频繁子图来测量任意两个事务图之间的相似度,提出利用基于公共近邻的裁剪方法对相似矩阵进行裁剪,通过计算数据结点的往返距离得出各个结点的离群值评分,弥补了传统基于稳态分布随机游走的离群点检测方法的缺陷。实验结果表明:该方法在事务图数据离群点检测方面的性能明显优于基于subdue的方法,精确度和错误报警率以及召回率提高了约10%。     

基于线结构光扫描点云数据的数据精简及三角网格剖分

在分析线结构光扫描点云数据特点的基础上,讨论了针对测量点云数据精简算法,包括测量基面数据精简和基于弦高-角度偏差准则的数据精简算法.介绍了散乱数据的基于Delaunay三角剖分优化准则和Liang提出的相邻扫描线之间的三角网格构建方法,并在此基础上提出了一种改进方法,基于优化准则的线结构光扫描点云数据三角剖分算法,该算法符合Delaunay的三角最优剖分.以摩托车后视镜点云数据为例的实验结果表明该方法是有效的和切实可行的.图12,参11.     

基于离散化的复杂曲面建筑网格划分方法

为实现存在裁剪、孔洞的复杂自由曲面建筑网格划分,提出了一种基于离散的、以均匀性为目标的划分方法.将复杂曲面离散并缝合,形成由大量面片组成的离散曲面,作为多个参数曲面的一体化表示.采用改进的误差扩散算法,在离散曲面上按一定的密度进行初始布点.采用基于空间距离的粒子动力松弛算法对点云进行初步均匀化,并应用基于曲面距离的k均值算法进行再次均匀化.对均匀的点云求曲面距离的Voronoi图,并获得相应网格.对网格进行拓扑优化和光顺优化.算例表明,本文算法可有效处理存在裁剪、孔洞的复杂自由曲面,并得到均匀光顺的三角网格.     

面向三维残缺点云图像的数据精简方法

为解决残缺点云模型数据精简时边界特征容易失真的问题,以汽车覆盖件中的薄壁类零件为研究对象。提出一种保留残缺点云边界特征的数据精简方法。借助KD-tree建立数据索引结构,获取数据点最近邻,并通过邻域点拟合出微切平面的方法,计算出点云数据的法向量。利用法向量夹角大小关系,选取边界以及孔洞特征点的初始种子点。再根据欧氏距离实现初始种子点的邻域搜索,从而完成边界以及孔洞邻域特征点的提取。根据曲率精简的方法,对非特征点进行数据精简,最后,合并特征点云与非特征点云,实现对残缺点云模型的数据精简。将随机精简法、曲率精简法分别用于点云模型精简处理,结果表明：相比于其他两种方法,所提方法更好地保留了模型边界以及孔洞邻域特征数据点,其标准偏差、曲面表面积变化率优于其他两种方法且变化相对稳定。     

临坡矩形浅基础地基极限承载力的上限分析

为深入探讨临坡矩形浅基础地基的破坏机理,提出一种三维双侧破坏模式,该破坏模式充分考虑了基础内侧土体抗剪强度对临坡地基承载力的影响,且能较好反映基础两侧滑块形状和尺寸的非对称性.同时对该多滑块组合破坏机构提出一种简化构造方法,该方法既能有效反映矩形基础地基的三维端部效应,又能避免复杂的坐标求解和曲面积分运算,更便于工程实际的应用.然后,在该破坏模式基础上引入极限分析上限理论,建立出一种新的临坡矩形基础地基承载力确定方法,并运用SQP优化算法实现极限承载力上限求解.最后,结合工程实例,与现有其他理论研究方法和ABQUS有限元分析方法计算结果进行对比分析,验证了本文方法的可行性和合理性.     

基于车载三维激光扫描结果的桥面变形分析

车载三维激光扫描技术能够直接对目标结构表面进行三维量测,并采用三维阵列点云的方式来生成结构物表面的三维形态和记录点位坐标,打破了传统的桥梁变形监测方法仅有数个独立点的局限性,扩大了桥面变形监测范围,提高了结构物的观测精度,并能快速、完整的进行量测。本文将车载三维激光扫描技术引入到桥梁变形监测中,基于全长331.2m的预应力混凝土连续-刚构桥为背景,采用三维激光扫描技术对其温度变形进行探索。在监测环境温差20℃范围内,对其进行多次桥面几何形态数据采集,并对采集的数据进行处理。对基于车载三维激光扫描点云数据的NURBS(Non-Uniform Rational B-Splines)曲面提出了一种新的变形测量方法,得到整个桥面的变形测量结果,再与采用有限元分析软件MIDAS CIVIL建模得到的各温差下理论变形数据进行对比,发现基于NURBS曲面的分析处理方法获得的变形测量值具有良好的精度和可靠性,并能够获取桥梁点-线-面的整体变形监测结果,与单点变形监测相比,弥补了其缺乏线性变形及整体变形特征的不足,有较好的工程应用前景。     

基于连续最大流的三维肺实质快速分割算法

肺结节是肺癌的表征形式,形状结构多样且易与正常组织产生粘连,使分割存在困难.提出了一种基于空间约束的三维肺实质分割算法,实现对肺实质组织的分割及目标区域的获取.首先使用SLIC方法将二维CT序列图像构建成超像素图像矩阵,并对矩阵进行稀疏化处理,降低矩阵维度.然后连接相邻切片间的超像素构造肺实质组织的三维结构.最后采用连续最大流方法对构造的三维肺部结构进行分割.实验结果表明,所提算法能够快速准确地分割三维肺实质组织,对不同类型肺结节的分割均取得较好结果,具有一定的临床应用价值.     

用序列二维轮廓线重建三维形体表面的方法

针对以往重建表面算法的复杂、计算量大以及存在误连而导致走样等不利因素,提出一种基于角度的三角面片联结方法。该方法主要是在面片联结之前对轮廓线上的点按角度进行取舍,不仅减少了要处理的数据点,而且也使三角面片的联结简易化。实验表明,该方法简单易行,重建速度快,计算量小,适合于由序列单轮廓线重建三维表面形体。     

一种点目标三维重构的新算法

双目立体视觉研究利用二维投影图像恢复三维景物世界的问题,其中三维重构是立体视觉测量过程的主要组成部分之一,是从二维图像恢复三维景物的关键环节.针对空间点目标的三维重构,传统的方法是采用最小二乘法进行的,但是由于最小二乘法没有考虑所建立的超定方程组所代表的几何意义,所以计算出的点坐标精度不高.对此,从几何学的角度出发,提出了一种异面直线公垂线段中心法来提高点目标的重构精度.实验表明,该方法比传统的最小二乘法具有更高的测量精度.     

基于图卷积的计算机辅助设计模型分类

计算机辅助设计(CAD)模型是一种带有顶点信息和网格信息的三维数据,三维模型数据存储方式常见的有点云、体素、网格模型等是典型的非欧氏空间数据。为了改进现有方法利用深度学习训练CAD模型的分类时,常有丢失局部信息或局部信息提取不足的情况。针对这种非欧氏空间的CAD数据,提出了一个结合CAD数据本身特点的基于图卷积的分类模型。首先通过图卷积网络(GCN)计算顶点的邻接矩阵和顶点的度矩阵。针对CAD模型的特点提出了不同于K近邻(KNN)的方法,直接根据CAD模型面片信息构建计算所需的邻接矩阵。其次,图卷积网络可以聚合邻近顶点的信息,设计通过拼接两层图卷积网络来提取不同尺度的局部特征。结果表明:在ModelNet40 CAD模型数据集上,若采用CAD模型面片信息建图的方法,本文方法为91.2%。而采用KNN建图的方法虽然比PointNet++模型低1%的精确度,比KD-NET模型低0.9%的精确度,但参数量要比PointNet++减少0.54 MB,比KD-NET减少6.54 MB。可见本文模型结合了CAD模型的特点和图卷积聚合邻接顶点提取局部信息的优势,使得分类的精确度相比PointNet++提高0.6%,用更少的模型参数量得到了更高的分类精确度。     

融合构型查找表与邻接查找子表的改进MC方法

针对医学图像三维可视化中移动立方体面绘制算法（marching cubes,MC）执行速度慢、效率不高的问题,提出了融合构型查找表与邻接查找子表的改进MC方法。该方法通过显性构建邻接查找子表约束体元搜索路径,使面绘制时只处理有效体元,根据邻接查找子表特点设计堆栈结构实现搜索算法,不仅提高了算法访问效率,而且减少了临时存储空间。在可视化工具包(VTK）下用改进MC方法对人体脚、胸腔、头部的CT数据集进行三维重建实验,结果表明在不损失重建质量的前提下,重建过程中遍历立方体数目缩短95%左右,重建时间缩短20%左右,提高了MC方法的执行速度和重建效率。     

摄影测量与图像识别在滑坡位移监测中的应用

获取地表的变形位移信息对于滑坡灾害监测预警具有重要意义。本文基于摄影测量和图像识别技术提出了一种滑坡表面三维位移辨识方法,通过建立室内滑坡模型,模拟滑带渗水软化与堆载共同作用下滑坡的形成,利用MATLAB软件作为处理平台对获取到的坡体表面图像数据进行三维位移识别,并与全站仪的测量结果作了精度对比验证。试验结果表明,在滑带渗水和堆载的双重作用下,滑坡经历了缓慢蠕滑、上部压缩、整体滑移直至破坏的孕育演化过程,提出的三维位移辨识方法对于滑坡模型在各个变形阶段的三维位移变化均具有较高灵敏度,可识别毫米级的微小位移。利用本文提出的三维位移辨识方法不仅可以精准识别滑坡不同变形阶段的表面三维位移,还可以根据标识点的空间位移结果确定滑坡表面变形位移方向,分析滑坡的变形破坏情况。     

遥感影像的云及其阴影覆盖区光谱重构

以往遥感影像的云及其阴影去除方法侧重于受遮盖地物的几何特征恢复,不利于基于光谱特征的信息提取。为此,提出一种基于地物类别特征的光谱重构方法,采用两期相邻年
份相近物候期的遥感数据,借助归一化差值和决策树分类的方法,检测厚云及其阴影,并提取相应区域地表覆盖类型信息,对两时相遥感影像各波段被遮挡区的每种地物类别做线性回归分析,获取被遮挡区的重构数据。实验结果表明,该方法在恢复受云影响地物几何信息的同时,较好地实现了遮盖区地物光谱信息模拟。     

层状地基分析的超级有限层法

基于传统有限层法基本原理提出6参数一般有限层法。层元的位移模式采用5次完全多项式与双重级数相乘的形式;通过应用弹性体静力平衡条件对三维位移函数多项式系数之间的相关性进行分析简化,得到未知的独立位移参数6个,与层元的节面位移数目对应相等,保证了层元位移模式的完备性。通过超级有限层元与其内部小层元间的运算矩阵转换,进一步推导了6参数超级有限层法,满足了相邻小层元间高阶变形的协调性。通过算例分析表明,6参数一般有限层法仅适用多薄层地基;而超级有限层法可以适用于多种厚度的多层地基。