基于3D栅格的点云三角网格模型重构研究

讨论了有关散乱点云的取样及三角网络化模型的实现，并提出了一种高效率的点云提取方法，最后就基于被提取点生成三角网络模型进行了探讨．     

基于Clifford代数的3D点云模型数字水印算法

引入Clifford代数,在G3空间中建立了不依赖于特定坐标系的、多维统一的3D点云数据几何表征与计算模型.介绍了Clifford代数空间中的Fourier变换及其计算公式,进而提出了基于Clifford-Fourier变换的3D点云模型数字水印算法.该方法将点云模型映射为相应的Clifford几何空间域系数,并对其进行水印信息的嵌入和提取.实验分析表明,所提出的方法对平移、旋转、均匀缩放、重排序、简化和噪声等各种攻击均具有较好的鲁棒性.
     

动态卷积的3D点云目标检测算法

针对不规则且稀疏的点的提取特征问题,提出一种以动态卷积作为特征提取的3D点云目标检测算法.首先,以一种新型的动态卷积的方式自适应学习点的位置特征,分类出前景点与背景点,同时对提取出的前景点逐一做回归框;然后,用非极大值抑制选出分数值最好的回归框.其次,进行粒度的细化,得到修正规范的3D回归框,完成3D物体的目标检测.最后,在KITTI数据集上验证算法的有效性.结果表明：文中所提算法在汽车类、行人类、自行车类数据集上的3D点云目标检测精度更高.     

基于情景经验与稀疏点云的移动机器人导航

针对稀疏点云地图用于自主导航任务的信息不充分问题,融合情景经验实现环境认知,提出一种基于情景经验与稀疏点云的移动机器人导航系统,获取全局最优路径,提高机器人导航精度.构建点云地图来保存环境显著路标.受人类基于情景经验方式导航启发,模拟经验积累过程,构建封装了场景感知、位姿信息和事件转移集的情景经验地图,实现机器人对环境在拓扑关系上的理解.结合环境稀疏点云地图定位机器人,根据情景经验地图规划路径与控制机器人行为.实验结果表明:该导航系统能够根据不同的导航任务规划出全局最优路径,并且具有较高的导航精度.     

融合边缘检测的 3D 点云语义分割方法研究

针对点云分割中分割目标不明确,边缘不清晰,全局特征与边缘特征未能有效融合等问题,提出 了一种融合边缘检测的 3D 点云语义分割算法。 首先,通过 3D 点云语义分割网络对点云数据进行初步提取 区域内的全局语义特征;然后,采用引入了注意力机制的语义边缘检测网络,能够更好地对点云数据中的物 体进行特征提取增强,抑制非边缘信息的产生,得到了具有丰富的语义信息的边缘特征;最后,通过融合模块 将属于同一物体的语义特征融合起来进行分割细化处理,使得分割目标更精确;此外,使用了双重语义损失 函数,使网络产生具有更好边界的语义分割结果。 通过搭建实验平台和使用 S3DIS 标准数据集进行测试,改 进后的算法在数据集上的平均交互比为 70. 21%,在精度上较 KPConv 语义分割算法有所提高。 实验结果表 明:该算法能够有效改善物体边界分割不清晰、边缘信息模糊等问题,总体分割性能良好。     

基于点云图卷积神经网络的3D目标检测

随着激光雷达传感器的快速发展,目标检测算法从传统的2D检测快速转向3D检测。然而,激光雷达产生的点云是不规则和非结构化的数据,传统的卷积神经网络无法对其进行处理。基于此提出了一种新颖的图卷积神经网络,能够更好地利用数据的几何关系和拓扑结构直接从点云中学习特征以进行3D目标检测。首先将原始激光雷达点云数据进行下采样,再进行固定半径邻域图的构建,随后设计了一个新型的图卷积神经网络对点云进行编码来预测图中每个顶点所属对象的类别和形状。为提升检测准确度,网络中加入了一种校准机制来减少特征在不同维度变化时引入的平移误差,此外还引入了注意力机制,以使用权重来进一步强化输出的顶点特征。在 KITTI 数据集上进行实验,实验结果表明,此方法能够有效对3D目标进行检测。对比其他多种检测算法,此方法在检测准确度上具有一定的优势。     

基于外标记点的2D/3D图像配准方法

提出了一种基于外标记点的无框架配准方法.该方法首先建立参考坐标系,接着根据外标记点在两幅2D图像中的对应坐标,求出2D图像像素坐标到参考坐标系的转换关系,然后根据外标记点在3D图像坐标系中的坐标,求解3D图像坐标系和参考坐标系的转换矩阵,通过一组矩阵运算,从而实现2D/3D图像的配准.临床图像的实验结果表明,该方法的配准精度为(0.026 7±0.044 7)mm.     

3D点云BSP并行计算模型及算法设计

根据3D点云数据处理计算特点,按照BSP模型的技术思想,建立了3D点云BSP并行计算模型。讨论了HAMA框架下的3D点云BSP并行计算模型的实现方法,构建了一个由普通PC组成的HAMA计算集群。以3D点模型构建计算为例,给出了一种3D点云数据处理BSP算法设计方法。实例的计算结果表明:BSP并行计算方法能高效地完成3D点模型构建计算,与其它计算方法相比,计算效率有所提高。     

基于点云俯视图重映射的3D目标检测

三维(3D)目标检测常见的数据格式为图像和点云,图像数据具有较好的目标识别能力,点云数据具有准确的空间信息.为了更好地利用图像数据目标识别能力较强和点云数据空间信息较准确的优点,文中提出了基于点云俯视图重映射的3D目标检测方法Bird-PointNet.该方法首先将点云编码为俯视图格式,进行目标识别和粗略定位;然后将俯...     

使用三维栅格地图的移动机器人路径规划

针对移动机器人使用三维地图进行路径规划的问题,研究了使用三维栅格地图的路径规划算法.该算法将装载三维激光扫描仪的移动机器人得到的三维点云转换成为八叉树结构的三维栅格地图;扩展了D*算法使之考虑机器人的尺寸,检测每种位姿状态下是否与环境发生碰撞,生成多条可行路径可以在栅格地图中直接生成机器人的运动轨迹,保证运动过程中机器人自身及物体的安全.实验结果表明:该算法不需要对地图具有先验认识,并且考虑了机器人的实际尺寸,具有较强的可靠性和实用性,已经在真实环境中进行了实验.     

三维激光点云数据精简算法

分析了多种三维激光点云数据精简算法的工作原理,以及它们在缩减数据量以提高算法的处理速度方面的效果,综述了三维激光点云数据精简算法的国内外研究现状.     

基于三维激光扫描技术的建筑物三维建模方法

以拓普康GLS1500扫描仪作为实验设备,从数据采集、点云处理、三维模型建立和纹理映射等方面探讨了利用三维激光扫描技术进行建筑物三维建模的方法。     

基于多源融合式SLAM的机器人三维环境建模

为有效处理移动机器人三维环境地图创建过程的不确定误差,提高所建地图的准确性、完整性和一致性,本文提出了一种基于传感器信息融合和Rao-Blackwellised粒子滤波(RBPF)的移动机器人三维同时定位与地图创建 (SLAM)方法. 在建立传感器不确定性概率模型的基础上,通过贝叶斯滤波实现传感器数据的去噪,将激光与视觉传感器获取的环境信息在一定的规则下融合,在SLAM框架下实现具有纹理映射的三维环境地图创建. 实验结果表明所用方法的有效性. 多源融合式自主SLAM提供了更为丰富、完备、准确的环境模型.      

基于机器人操作系统的移动机器人激光导航系统

为了验证激光导航的先进性及机器人操作系统(robot operating system,ROS)的便捷性,进一步对机器人导航机理进行研究,提出了改进粒子滤波算法及改进A*路径规划,分别应用于地图构建和路径规划,并搭建了基于ROS平台的移动机器人导航试验平台,该平台具有低成本、高性能的特点。试验平台由上位机和移动机器人组成,上位机实现对机器人的控制,移动机器人配置有工控机和激光传感器,机器人通过激光传感器采集环境信息,为实现即时定位及地图构建功能提供数据支撑。研究并构建基于ROS的地图构建和自主导航功能包并通过实际环境进行试验验证。试验结果表明:构建功能包可用于机器人的激光导航中,该激光导航系统的可行且具有一定的稳定性与可靠性。     

三维成像载荷地面快速融合处理方法研究

三维成像载荷是一种能够同时采集激光雷达数据以及CCD影像,并快速融合生成三维立体影像的新型载荷。在分析载荷工作原理的基础上,面向载荷的地面检校及成像试验,提出了一种针对该新型三维成像载荷的地面快速数据融合处理方法;并利用地面实测数据对方法进行了验证。结果表明,该方法能快速生成实验区的三维影像,同时也验证了该类型载荷对激光雷达数据与影像数据快速融合的能力。     

基于密度自适应深度网络的点云场景语义分割算法

由于传感器噪声干扰,点云密度不均匀,场景复杂多样以及物体之间存在遮挡现象等问题,使得三维点云场景语义分割问题的研究工作极具挑战性。针对三维点云数据采样密度不均匀以及图卷积网络深度有限的问题,提出一种密度自适应的方法。该方法通过多层感知器学习一个权重函数,利用核密度估计学习一个密度函数,对非均匀采样的点云数据进行卷积操作。同时,受深度学习在图像领域的启发,引入残差连接、空洞卷积等结构,训练更深层的点云分割网络。该算法在多个点云分割的标准数据集上取得了优秀的性能。