基于形态学的散乱点云轮廓特征线提取

采用逆向工程领域切片技术和数学形态学方法提取点云的轮廓特征线.空间散乱点云密度高且无拓扑关系,通过切片分层可将空间点云转换为不同层的平面切片点云.借鉴图像处理方法,将切片点云转换成二值图像,使用形态学运算提取其轮廓像素,将轮廓像素转换为轮廓特征点并采用B样条曲线拟合成轮廓特征线.实验验证该方法可以得到高质量轮廓线,并可以有效地解决"多环"切片难以正确提取轮廓特征的问题.     

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.     

基于点云数据的建筑物快速精细建模

运用点云切片提取建筑物特征线拟合建模,对于长方体、圆柱体、管状体等规则物体自动匹配建模,对于不规则物体进行点云切割、侧视图提取轮廓线、拟合建模,对相同的结构复制等方式批量处理,然后根据点云组合模型,完成建筑物主体建模;通过平面投影方式提取门窗等细节的轮廓线,将轮廓线导出到第三方软件,实现对门窗的精细建模;最后通过纹理贴图生成极富真实感的三维模型并对其数字化展示.     

点云数据特征点提取方法的比较

点云特征的提取在城市、地质等领域有非常重要的使用价值。特征点是最基本的几何特性和纹理特征的特征基元,其不会因为坐标系的改变而发生变化。通过用不同的方法提取点云数据中的特征点,可以在减少计算量的前提下,保留点云的几何特征。通过对利用法矢、曲率和体积积分不变量3种不同的特征点提取方法进行比较,并通过Matlab进行特征点提取实验并分析情况,对其优缺点及适用性进行探讨。     

点云数据三角网格生成算法及应用

在引入局部Delaunay边和局部Delaunay三角形的基础上,给出一种平面及空间散乱数据点集的三角网格生成的快速算法,实验表明本算法具有运行速度快、计算准确、存储简单等优点.     

散乱数据点云边界特征自动提取算法

提出一种散乱数据点云边界特征自动提取算法,该算法采用R* -tree动态空间索引结构组织散乱数据点云的拓扑关系,基于该结构获取采样点的k近邻点作为局部型面参考数据,以最小二乘法拟合该数据的微切平面,并将其向微切平面投影,根据采样点与其k近邻所对应投影点连线的最大夹角识别散乱点云边界特征.实例验证该算法可快速、准确地提取散乱数据点云的边界特征.     

曲线拟合与特征点相结合的鞋印外轮廓特征提取算法

首先,定义鞋印外轮廓的两类特征：一类是鞋印鞋尖、鞋跟部分的曲线特征;另一类是外轮廓凹凸圆弧、直线之间的过渡特征点．然后,据此提出一种鞋印外轮廓特征的提取算法,即随机提取鞋印鞋尖或鞋跟外轮廓若干轮廓点拟合成曲线,用曲线的系数和外轮廓凸圆弧、直线之间的切点、凹凸圆弧的平滑过渡点拐点,来描述鞋印外轮廓．通过大量的实验得出基于该特征进行鞋印图像检索算法优于其他常用的基于形状的检索方法,同时该特征提取算法具有快速、准确、科学、实用等优点．     

基于点云数据的自然地形分类算法

提出一种自然地形分类算法以解决移动机器人导航中的环境理解问题。在单几何特征地形分类方法的基础上,提出的算法使用从点云中提取的复合特征训练分类器。复合特征向量包含一个点几何特征和颜色特征。算法首先计算点的坐标协方差矩阵和平均法向量协方差矩阵的特征值作为几何特征。然后通过标定激光雷达坐标系和相机坐标系使点得到颜色信息,把点的颜色作为颜色特征加入复合特征向量。算法使用最大期望-高斯混合模型(EM-GMM)训练一个分类器,训练数据由人工标注。实验结果表明,与单几何特征分类方法相比,复合特征分类方法在对自然地形分类时能得到更高的正确率。     

基于特征点和轮廓特征的粘连数字分割

提出一种粘连数字分割的新方法．利用粘连数字图像细化后得到的特征点给出图像的图表示,然后结合粘连数字的轮廓特征给出分割候选点,最后利用本文定义的分割效果评价标准,从分割候选中给出最佳分割．实验证明本文给出的新方法具有分割结果良好并且速度快的特点．     

一种利用近似平均曲率提取散乱点云模型特征点的快速算法

在处理散乱点云数据的过程中,一般需要先确定模型的特征点。提出一种从三维空间二次曲面方程中估算一点的平均曲率的新方法,利用平均曲率和视点来提取散乱点云模型的特征点。首先计算一点的k-邻近点,并求出经过这k个点的三维空间二次曲面方程,结合经过该点法线的两个正交平面来估算该点的平均曲率,平均曲率大于给定阈值的点是第一类特征点;第二类特征点是由法向量和视线向量的内积决定的,内积小于给定阈值的点称为特征点。将这两种特征点作为最后点云模型的特征点。该方法与其它方法相比,平均曲率模型参数个数由27个减少到17个,计算量小,仿真效果好。     

等高线与地形特征点云在矿山位置快速定位中的应用

"全国矿产资源利用现状调查"是我国矿产资源领域的一项重要国情调查,矿山位置是影响其结果可靠性的关键因素。针对部分矿山地理位置不准,突破传统实地核查模式,结合矿山等高线及地形特征点云数据,运用改进SURF算子分块匹配方法,进行矿山图像与基准图像自动配准研究,实现矿山位置快速定位。实验结果证明,改进后的SURF算子对于存在旋转、偏移问题的矿山图像与基准图像的匹配速度快,且具有很好的鲁棒性,对中小比例尺的矿山图像达到了较高的匹配效果,为矿山快速精准定位提供了一种新的方法。     

基于云计算的数据存储技术研究

以云计算环境下大数据存储技术为研究对象,首先介绍了云计算环境下主要的两种典型的分布式存储系统,即Googk的GFS和Hadoop的HDFS;对其中的数据存储技术进行了专门分析,从可扩展性和延迟性（如何支持海量小文件的存储）、容错性（在数据丢失时进行数据恢复）和海量数据存储的实时性这3个方面对现有技术进行了评价.在此基础上,提出了分布式文件系统的系统架构.最后给出了研究展望.     

基于阴影轮廓差分投影方法的快速定位车体算法

利用阴影轮廓特征，提出了一种快速分离和定位车体算法．该算法利用车体形成的阴影轮廓曲线，根据不同的阴影方向模型进行水平和垂直方向的轮廓差分投影，利用轮廓差分投影曲线定位阴影与车体边界的特征点，从而分离和定位车体．实验图象数据研究表明，该算法具有较好的鲁棒性和准确性，同时从其运行的时间来看，完全能满足实时的车型识别系统的需要．     

一种用于离散点数据的自动绘制等值线图方法

作者开发了一种基于三角形网格的绘制等值线图的软件。在开发中着重研究了以下两个问题,并提出了简便、实用的解决方法:(1)在采用最大夹角准则由离散点数据自动生成三角形网格时,给离散点坐标值附近随机微量,以破坏某些四个相邻坐标点可能存在的共圆性质,从而避免生成互相交叉的网格。(2)用删除多余网格记录的方法解决在非凸集中绘制等值线图的问题。     

基于点云数据的杂乱场景分割算法研究

目前处理桌面上单个对象已经被解决,然而处理复杂的场景时由于杂乱和遮挡而引起相当多的问题。虽然当前最先进的方法在基准性能上继续逐渐提高,但是它们也变得越来越复杂。针对杂乱场景中多个物体的分割问题,提出了一种基于RGB-D点云数据的分割方法。该方法先将场景点云超体聚类分解为基于体素网格的邻接图,然后对邻接图的边缘进行分类创建凸度图,再通过区域生长合并具有凸关系的分块从而得到未知物体。此外,提出用欧几里得算法对区域生长进行改进,发现对于碗和杯子这类具有内部凹面的物体有较好地分割效果。我们在对象分割数据库和手动提取场景中的实验结果,表明该方法可以在杂乱的桌面场景中分割各种形状的对象。     

散乱点云数据的曲率精简算法

针对海量散乱点云数据精简问题,提出了以平均曲率为判据的精简算法.采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域.在散乱数据点参数化的基础上,对k邻域内的散乱点进行二次曲面拟合,求出拟合曲面的平均曲率,进而得出邻域内所有数据点的平均曲率均值,以此为判据进行数据精简.构造曲率差函数,识别出边界数据点,对其进行数据保护.结果表明,该算法对具有曲率多样化特点的点云数据精简具有一定的理论意义和应用价值.通过实验验证了该算法的可靠性和准确性.     

参数化水平集活动轮廓模型的快速图像分割算法

为了提高图像分割的速度,提出一种参数化水平集活动轮廓模型的快速图像分割算法.该算法中的水平集函数由参数向量确定,而非带符号距离函数,降低了水平集函数的维度.将参数化的水平集函数嵌入到经典的LGDF(local Gaussian distribution fitting)模型中进行图像分割,不需要重新初始化和额外的正则项,同时可选择较大迭代步长.实验结果表明:所提方法能够有效地分割超声、CT和核磁等医学图像,与带有正则项的分割算法LGDF和最近提出的快速分割算法MSLCV相比,在保证分割精度的同时,计算速度得到了明显提高.     

基于中轴线的隧道点云去噪算法

隧道作为一个狭长的封闭空间,其点云内部噪声影响点云分析精度,有效去除隧道点云内部的噪声是基于点云隧道形变分析的关键.提出一种基于中轴线的隧道点云去噪算法.通过对点云双向投影获取隧道在水平和垂直方向的姿态变化,根据高阶多项式拟合两条平面曲线并插值中轴线控制点,通过定义空间线段的夹角加密控制点以表达中轴线.通过计算各控制点处的切平面实现对隧道点云的分割,计算各分块内点到中轴线的距离,并根据给定的距离阈值实现隧道内部点云噪声的过滤.通过两组实验分析证实该方法的可行性与精确性.第一组通过模拟隧道点云数据并采用该方法拟合中轴线,比较分析其与已知中轴线的精度.第二组通过分析处理实际的隧道点云数据,实现隧道点云内部噪声的去除.     

采用局部凸性和八叉树的点云分割算法

针对粗糙点云分割效果差的问题,提出了一种采用八叉树和局部凸性的点云分割算法.该算法首先通过仪器扫描得到仅包含坐标信息的点云数据,然后对点云进行法向量估算,并根据点云的法向量信息进行八叉树初始分割得到面片,最后根据面片之间的局部凸性特征进行融合,得到最终的分割结果.与其他同类算法相比,采用八叉树和局部凸性的点云分割算法不仅能有效地减少曲面数量,而且在曲面质量上也优于同类算法.采用塔身震落石块的点云数据进行的实验表明,该算法在处理分布较均匀的闭合点云数据时,能够有效减少最终的曲面个数,且面片的质量与手工分割拟合度达到90 ％以上.