利用空间正交约束的相机自标定和三维重建

提出了一种用2幅未标定的图像进行三维重构的算法.利用空间 3 组垂直方向的正交结构与其在图像平面上消失点的对应关系,线性计算出相机的内参数,再利用3组匹配线段计算相机在2个视角的运动参数,最后根据得到的相机参数采用三角测量法计算空间点的三维坐标值.该算法与利用三正交运动的主动标定法相比,把相机的正交运动约束转换成空间正交结构约束,使用简单,适应性强,可直接利用参数未知的手持数码相机拍摄图像进行三维重建.对真实的建筑场景图像进行三维重建实验,重建后的三维模型在新视点生成的图像与所观察的场景一致,重构的2个平面夹角与实际值的测量误差在1 5%~2 6%之内.     

基于面结构光的T型焊接接头成形角度测量

针对钛合金带筋壁板T型焊接接头成形角度的测量需求,基于面结构光三维扫描仪设计了三维点云测量系统,以获取T型焊接接头区域三维点云。首先,对三维点云进行预处理,利用统计滤波去除离群点,通过直通滤波剪除场景点云和冗余点云,再用体素化栅格法简化点云;然后,使用区域增长算法分割出T型焊接接头的筋板点云和壁板点云;最后,基于随机抽样一致性（RANSAC）算法拟合出分割后的筋板和壁板平面点云,得到平面法向量,计算求得T型焊接接头的成形角度。将焊接前的测量角度反馈给装配机器人,用来修正筋板的装配精度;焊接后的测量角度则用来评判焊接成形质量。计算结果表明,运用所提的点云数据处理方法能快速精确地计算出T型焊接接头的成形角度。     

三维激光扫描多视点云拼接新方法

提出了一种新的多视点云拼接算法．该方法首先根据点云观测数据，以一个二维平面网格以及网格中各网点所对应的z坐标来拟合参考点云；然后采用公共点对法将目标点云概略拼合到参考网格点云；最后，计算目标点云中各点至网格点云中相应网眼的距离，并以所有这些距离的平方和最小为准则，采用最小二乘法迭代解算点云坐标转换参数．实例证明，该方法算法可靠，操作简单，计算效率高，具有很强的实用价值．     

图像平面上直线段特征的不确定性分析

用直线点坐标来表示直线，对图像平面上直线段的不确定性进行了分析和仿真，得出了结论：直线段端点的坐标值的概率分布函数服从高斯分布时，直线点坐标的概率分布函数也近似服从高斯分布；直线点坐标的概率分布函数和标准方差随直线段在图像平面中的位置变化而变化。     

三维激光扫描点云直棱特征点填补方法

在三维激光扫描中按照一定的角度分辨率对扫描物体进行离散化采样时,由于物体表面点云中棱角特征模糊,若直接用其构建三维表面模型,在棱角处会导致严重失真,进而影响模型的分析和应用.针对此问题提出了物体棱角自动化填补方法,其技术路线是:首先对点云建立空间索引、精简数据;其次根据扫描点云的法向量,对扫描点云进行非监督分类,从而将属于一个平面的点分为一类;最后利用平面相交的办法填补直线棱角上的特征点.通过实验证明,该方法自动化程度高、填补结果准确,能够使得建立的三维模型与真实物体更加接近,模型分析结果更加准确.     

三维点云法向量的模糊估值算法

由于获取点云数据时的误差可能造成法向量不准确,在三维重建之前有必要重新对法向量进行估值.文中在分析已有估值算法的基础上,提出了适合于任意形状物体的模糊法向量估值算法.该算法将点云数据的k邻近距离和曲率输入模糊推理系统,根据模糊推理规则将点云数据分类,将模型中具有薄片特征和尖锐特征的区域区分出来,分别用检测器和附加点的算法对这些特殊区域进行专门的法向量估值.采用同时具有几种特征的牙齿模型对所提出的模糊估值算法进行验证,结果表明,此算法估算准确,简单可行.     

基于向量内积的骨架提取算法

骨架是形状表示的重要特征,传统的骨架算法往往不能直接用于物体识别,且连通性难以保证.用求向量内积的方法对骨架进行提取,通过距离变换得到连接图像各点与最近边沿点的向量,并利用内积计算求取两个相邻点向量的内积值;再根据内积值进行骨架种子点的选择,经两次骨架生长处理得到连通的骨架.实验证明本算法复杂度低,能很好保证骨架的连通性.     

基于影灭点的单视图三维重构

提出了一种单视图三维重构方法,该方法需要用户提供图像点及其对应三维点之间的几何信息.由于结构场景有大量平面构成,存在大量的平行性和正交性约束,所以该方法主要应用于结构场景的三维重构.重构过程分为两部分:首先,基于三组互相垂直方向的影灭点,对方形象素摄像机进行定标;然后,基于用户提供的共面性和场景平面的影灭线,计算点的三维坐标.采用真实图像测试,说明该方法有效且简单易用.     

基于相对坐标ICP的室内场景三维重建算法

针对不同视角下多帧点云数据的坐标中心不统一的问题,提出了一种基于相对坐标ICP(iterative closest point)的室内场景三维重建算法.该方法首先基于Kinect传感器获取场景的彩色图像和深度图像,并利用SIFT(scale-invariant feature transform)特征匹配点对计算相邻帧的坐标变换矩阵;然后由ICP算法建立以初始点云数据为中心的相对坐标关系进行帧间匹配;最终基于上下层配准点云数据,将配准后的点云数据与对应的颜色纹理信息融合,得到可视化的室内场景三维重建模型.实验结果表明,本文方法对于室内场景三维重建有较好的效果,具有一定的理论和实际应用价值.     

基于深度图像与分水岭的平面点云分割方法

根据目前点云数据分割的研究现状以及分水岭算法在图像处理中的应用,提出一种基于深度图像和分水岭算法的建筑物平面点云分割方法.该方法首先将平面点云数据生成深度图像并给像素赋予灰度值,再使用双边滤波算法进行滤波去噪,然后使用分水岭算法进行图像分割,得到分割结果后索引回原始点云数据,得到点云分割结果.为验证方法的可靠性与准确性,利用区域增长法、RANSAC算法以及欧式聚类法进行对比实验.通过对实验结果的对比分析,能有效地将不同点云面片分割出来,并且具有良好的准确度和完整度,分割结果质量较高,为点云的分割提供了新的思路与方法.     

基于几何特征的点云配准算法

为了有效地解决不存在明确对应关系的点云配准问题,提出了一种基于点云几何特征的配准算法.首先以点云的曲率为联系特征,搜索配准点云的匹配对集合;然后利用邻域特征对各匹配对进行相似性度量,提取有效配准对,并引入刚体变换中向量几何性质剔除其错配对,生成点云初变换;最后采用ICP算法对点云初配结果进行优化,实现点云精确配准.仿真实验结果表明:该算法具有较高的配准精度,且配准时间较短,是一种可行的点云配准算法.     

Flexible planar-scene camera calibration technique

0　IntroductionCalibrationofcamerasisaprerequisitefortheextractionofprecisethree dimensionalinformationfromimageryinpho togrammetry,computervision ,roboticsandotherareas.Muchworkhasbeendoneinthephotogrammetrycommunity[1 3] ,andmorerecentlyincomputervision[4,5] .Anumberofauto calibra tionapproachesbasedonactive visiontechniquehavebeenad dressedbycomputervisioncommunities,butmanyofthemneednon linearoptimizationwhichtakesmoretimethanlinearonesorcameramotionsneedtobepartlyknown[3 \〗.Insomecases,…     

基于双目视觉技术的物体深度信息的提取

传统的双目匹配算法得到的数据是左右视图匹配点的二维坐标;但二维坐标将丢失物体的三维深度信息。提出一种利用视差原理在世界坐标系内计算该物点在现实中所对应点的三维坐标的新方法。该方法分为三部分:第一部分为双目相机的标定,包括内参(主点、焦距、径向畸变、不垂直因子)以及两相机之间的外参(旋转矩阵和平移矩阵)。第二部分为特征点的提取与匹配,特征点的提取则是利用SIFT算子提取左右视图的特征点,匹配则是将两视图中的对应点(现实中为同一点)利用SIFT算法进行匹配。第三部分为物体深度信息的计算,利用双目相机的视差原理和已经得出的双目相机的参数进行空间还原得到相应的左右视图投影投射矩阵,结合空间几何线性关系计算出该点在世界坐标系的三维坐标,从而得出其深度信息。     

基于双目视觉的物体识别定位与抓取

为解决目标识别精度低、定位与抓取配合困难问题,通过对算法的改进研究了物体的识别定位与抓取,包括识别目标物体、对于目标物体形心的位置三维重建、对于目标物体的姿态估计、对于手眼标定后的抓取4个方面。在目标识别中,首先通过快速鲁棒特征(speeded up robust features,SURF)算法结合Grabcut算法提取出目标。在位置求解中,利用模板匹配求取目标物体形心的世界坐标。在姿态估计中,算法的流程为:利用匹配点对求取左图中物体母线斜率,再随机取斜率等于左图母线斜率的两点,通过两点的世界坐标求出目标物体的姿态。在抓取中,采用的眼在手上,先建立工件坐标系,再进行坐标转换,通过机器人参数求得逆解。研究结果表明:误差均在较小范围内且机器人可在有效工作范围实现抓取。可见算法可靠以及整体实验的正确性。     

平面曲线轮廓度误差评定的算法分析

为准确测定平面曲线轮廓度误差，本文提出一种平面曲线轮廓度误差评定的数学模型及其计算方法。文中首先通过对测量曲线特征点的平移和旋转完成粗调，进而通过坐标轮换法按最小条件原则实现平面曲线的最佳匹配以消除测量时的定位误差；针对测量的关键问题——点到曲线的最短距离，文中提出了一种新颖的法矢定界法，不必事先对复杂曲线进行单调处理，通过矢量积运算得出测量点到曲线最短距离的所有局部解，再求出其最小值即为测量点到曲线的最短距离。计算实例验证了该算法的可行性和实用性。     

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.      

基于关键点的点对特征三维目标识别算法

针对复杂场景下的三维点云目标识别速度慢,准确率低的问题,提出了一种基于关键点的点对特征三维目标识别算法. 通过直接对关键点建立点对特征,避免了周围邻域局部曲面的特征计算,具有空间维度小和计算速度快的特点. 使用哈希表存储,加快了特征匹配的时间. 利用快速投票方案对模型点云和场景点云进行匹配识别,生成候选位姿,利用贪婪算法对候选位姿进行聚类与筛选,采用ICP算法对物体位姿进行优化,基于配准后的点云重叠情况完成目标识别. 对提出的算法在多个数据集以及真实场景下进行了实验,验证了所提出的识别方法具有可行性和有效性,且对噪声的鲁棒性较强,具有一定的实际工程应用价值.      

三维实体表面纹理的模型重建

探讨在虚拟世界的建造中不规则物体表面纹理的提取和映射.通过环绕实体拍照的方式采集实体的表面纹理.为达到模型坐标点和照片坐标点的一一对应的目的,建立了模型坐标系、相机坐标系、照片坐标系以及不同坐标系之间的转化关系式.为减少映射的变形,对每一个三角面片采用计算其面片法向量和相机的位置关系来确定最佳的纹理图像,通过多角度映射达到纹理重建的目的.     

单目视觉SLAM车载摄像机快速位姿估计及景物重构

针对单目视觉同时定位与地图构建(simultaneous localization and mapping, SLAM)应用,提出一种快速车载摄像机位姿估计及景物结构3D重构算法。在无具体标定物的情况下,利用移动机器人二自由度运动导致摄像机采集视图中对应极点的特殊性质,标定出真实摄像机与虚拟摄像机间的相对姿态,并利用主动视觉方法进一步标定出移动机器人坐标系与虚拟摄像机坐标系间的相对位移;构造无穷单应变换,将真实视图中通过SIFT算法得到的假设欧氏匹配点集转换为对应虚拟摄像机的虚拟假设欧氏匹配点集,并利用基于RANSAC的归一化三点算法快速地对本质矩阵进行估计和分解;利用已观测到的路标三维信息,递归地剔除本质矩阵分解出的平移量的尺度不确定性,并利用线性三角形法重构出景物结构。实验结果表明:该算法在保证运算精度的同时,具有更快的运算速度。     

窗口迭代的克里金法过滤机载LiDAR点云

 机载LiDAR点云处理的首要一步是过滤非地面点云而保留地面点云。根据LiDAR点云的高程值在空间分布的不规则性,一种窗口迭代的克里金法被用来过滤掉地物对象点。首先,通过点云的高程直方图滤除低位和高位的粗差点云。然后,以点云的平均点间距作为初始窗口大小,根据周围8邻域格网的高程值,使用克里金内插法拟合出中心格网的高程值;当拟合值与中心格网原始高程值之差大于设定的高差阈值时,中心格网内的点云就被归类为地物点,剩余未分类的点重新被内插成新的格网,窗口大小变为原来的2倍。随着窗口的不断增大,剩余的点被继续分类直到窗口达到最大为止。选取国际摄影测量与遥感协会(ISPRS)提供的15个样本数据测试这种算法,并与其他8种算法进行比对,结果发现窗口迭代的克里金法的I类误差和总误差较小,说明本算法在滤波方面具有一定的参考价值。