一种融合区域生长和RANSAC的稠密点云平面分割方法

为提高三维信息的准确度,提出一种在稠密的点云数据中采用融合区域生长和随机抽样一致性(RANSAC)的平面分割方法。利用统计滤波、体素滤波对稠密点云去噪和精简,通过邻域统计特性剔除孤立点。采用点域区域生长分割出平面点,并采用面域区域生长合并平面附近点。采用曲率值检测出异常弯曲的平面。在异常弯曲的平面中采用RANSAC评估平面点的模型误差并剔除粗差点。实验选取公寓、阁楼、办公室等4个典型室内场景数据进行测试。实验表明,该方法可有效从稠密点云中分割出平面结构,分割结果准确度均值可达到95%以上。相比于传统RANSAC方法,可以更好地保证平面结构的连通性。相比于传统区域生长方法分割结果,准确度提升约2%,完整度平均提高约17%,对于后续三维重建和机器人的导航有着借鉴作用。     

一种考虑平面特征的室内稠密点云精简方法

针对室内稠密点云数据海量、信息冗余、处理难度大等问题,提出一种顾及平面特征的室内稠密点云精简方法。首先,通过无效点去除、统计滤波、体素滤波等完成稠密点云的格式检查、去噪和抽稀。然后,采用区域生长算法提取平面,并采用Alpha Shape算法提取其边缘信息。其次,将点云数据降维成图像,并提出一种融合聚类的四叉树分割方法实现目标聚类分割。最后,针对图像中不同聚类区域,采用3种采样策略回溯得到精简点云。试验选取公寓、卧室、会议室和办公室等典型室内场景测试方法性能。结果表明：与传统的随机采样、距离采样、八叉树采样等方法相比,该方法简化效果更佳,平均简化误差在3 mm以内。在保留场景平面特征和边缘细节信息的同时,显著降低点云存储空间。对于三维重建、地图管理和机器人导航有着重要意义。     

基于切平面分割的树干点云提取算法

提出了一种从树木点云中提取树干点云的切平面分割算法.首先,在对树木点云分段与角度分区的基础上,选定树干下部无树枝且扭曲程度较小的一段树干作为开始分段;其次,根据已削枝的多个相邻分段中的当前角度分区,及与其前后各1个角度分区的点云,构建当前角度分区的切平面,由点与切平面的位置关系,分割当前分段中这些角度分区中的树干点云;最后,以落叶时地面三维激光扫描仪扫描的13棵杨树作为测试数据的实验表明,提取算法在有效提取树干点云的同时保留了树干表面的特征,为后续树干点云的相关研究提供基础数据.     

自适应α-shapes平面点云边界提取方法

针对基于微切面的点云边界提取方法在LiDAR点云边界提取中效率低,难以保证边界提取的精细度和完整性问题,提出了一种可调节滚动圆半径的α-shapes平面点云边界提取算法。该算法首先将点云数据栅格化,排除非边界点,并通过计算P点的K个邻近点平均距离和增设调节因子,设置滚动圆半径α,最后采用α-shapes算法提取点云边界。对近邻K值、点云形状和点云密度等分析,证明近邻K值与调节因子ω之间具有函数关系,及调节因子与点云密度和点云形状无关的结论。结果证明:该算法在准确提取点云边界情况下,能够快速提取完整点云边界,提高后续点云重建速度与效率,该算法具有良好的稳健性。     

露天矿点云数据中台阶线提取

台阶线信息对于露天开采具有重要价值,现有获取台阶线的方法工作量大、效率低、精度差,降低了矿山的生产效率和验收精度.因此,本文基于序列无人机影像生成的露天矿密集点云数据,研究并提出了一种自动提取露天矿台阶线的方法.该方法利用渐进形态学滤波算法对点云进行预处理,提出一种顾及邻域几何属性的三维边缘检测与曲率指数加权方法提取出...     

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。     

基于多结构快速生成算法的建筑物平面提取

针对RANSAC算法在多结构数据集中提取平面点时存在的不足,提出了基于多结构快速生成算法的点云平面提取的新算法.该算法在随机产生一组平面模型之后,通过每个点相对于模型的残差排序信息,计算条件内点概率分布,然后利用得到的内点先验分布概率指导模型采样.实验结果表明,该算法能准确地检测出点云数据中的平面,相比RANSAC算法具有更好的采样效率.     

基于图像法的点云数据边界自动提取

提出了一种反求工程中基于图像法的点云数据边界特性的自动提取方法，采用图像处理中梯度求解方法，对点云中每一点处的法矢和曲率进行估计，通过阈值得到候选边界点，再利用曲率极值法得到最终边界点。通过这些边界点可以进一步拟合边界曲线，达到对点云数据进行自动分片的目的。该方法具有较强的可操作性实用性，对于反求工程的自动化和智能化研究具有实际意义。     

平面点云边界参数识别

应用图像形态学、边缘检测方法获取平面点云边界,使用随机Hough变换识别边界参数,实现了平面点云边界参数的自动识别。把平面点云看作图像,从而引入图像处理方法处理点云数据,这一新方法获得边界,不同于计算机图形学凸包方法,便于直接使用图像处理现成方法。实验证明该方法是正确有效的。     

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.     

浊点萃取法富集利尿剂Furosemide

利用表面活性剂C12E10水溶液在温度高于浊点时形成两相的行为对溶液中痕量利尿剂Furosem ide进行了分离特性的研究,考察了盐、表面活性剂、Furosem ide的浓度以及温度的影响。加入硫酸钠可将C12E10溶液的浊点降至常温(20℃),有利于浊点萃取操作。提高盐浓度有利于提高Furosem ide的富集倍数,但对萃取效率几乎没有影响;提高初始溶液中的C12E10浓度将降低Furosem ide富集倍数,提高萃取效率。在30℃~50℃之间,平衡温度的升高有利于提高Furosem ide富集倍数。在温度为40℃时,采用2 g.L-1,C12E10和125 g.L-1硫酸钠体系,富集倍数为165.3倍,相体积比为0.003 7。     

浊点萃取用于有机磷农药残留的检测

以建立农药残留快速检测技术为目的,利用非离子表面活性剂(C12E10)水溶液的浊点萃取特性,进行了水溶液中痕量的有机磷农药甲基对硫磷、辛硫磷富集分离的实验研究;考察了表面活性剂浓度、盐浓度、有机磷浓度、干扰物等因素对浊点萃取效果的影响。结果表明,C12E10浊点萃取技术对于甲基对硫磷、辛硫磷具有很好的富集分离效果,在35℃、C12E10浓度为5g.L-1、Na2SO4浓度为120g.L-1时,两种有机磷农药富集倍数最高分别可达95和97,萃取率也可达到90%以上。将浊点萃取技术与高效液相色谱分析法结合,甲基对硫磷和辛硫磷的检测限可达1μg.L-1。     

基于云理论的图像分割新方法

针对区域生长算法的种子点初始化和生长准则问题,提出了一种基于云模型和区域生长的图像分割方法.该方法首先利用云变换对图像进行变换生成云模型,然后利用云模型的Ex作为区域生长的种子点,以云的极大判定法则作为区域生长准则进行区域生长,获得最终的分割结果.这种分割方法不但克服了区域生长法种子点和生长准则选取不当而产生过分割和欠分割的不足,而且很大地提高了云模型分割图片的速度,实验结果证明,该方法可以准确地分割出目标,是一种有效的图像分割方法.     

基于混合上下文熵模型的点云几何编码算法

针对三维点云存在的大量空域冗余信息,提出一种基于混合上下文熵模型的点云几何编码算法框架.通过多层感知机与Resnet网络分别对基于八叉树结构的点云和基于体素结构的点云特征进行上下文特征提取,并使用选择单元对上下文信息进行裁剪、选择和融合,使网络能够针对当前编码体素建立更加准确的概率模型,从而提高三维点云的压缩效果.同时,针对模型复杂度高的问题提出并行多尺度自回归进行概率估计的方案,大大降低了编解码时间.实验结果表明：点云几何编码算法能够有效降低每个体素所占的比特数并且整个编码过程无损;与G-PCC编码算法相比,压缩后比特率下降了14.27%.     

浊点萃取-紫外分光光度法同时测定厚朴酚与和厚朴酚的含量

建立了以Triton X-114为表面活性剂的浊点萃取-分光光度法同时测定厚朴酚与和厚朴酚含量的新方法,探讨了溶液的pH,Triton X-114浓度、平衡温度和平衡时间等因素对浊点萃取的影响.在最佳条件下,厚朴酚与和厚朴酚含量的线性方程分别为Y1=5.89×10-4x-1.14×10-3(相关系数为0.992 1),Y2=5.52×10-4x+7.71×10-5(相关系数为0.999 2);检测限分别为2.5μg/L和1.0μg/L.该方法成功用于药材中厚朴酚与和厚朴酚含量的测定,回收率为98.4%~104.3%.     

基于盾构隧道环缝点云的中轴线提取方法

为了降低盾构隧道中轴线提取对原始点云预处理的要求,引入了点云特征提取方法。 首先, 以基于距离差特征的裂缝点云提取方法,识别盾构隧道管片拼接处的环缝点云;然后,以最小二乘 法对提取的环缝内散点进行环缝曲线拟合;最后,在环缝曲线的基础上提取隧道中轴线。 实验结果 表明:基于距离差特征的点云提取方法能够有效识别环缝点云,并在环缝点云的基础上拟合得到隧 道中轴线。 与传统提取方法相比,该方法更加快捷,且提取的中轴线更具有空间感。     

基于改进FPFH-ICP的车载激光雷达点云配准方法

为了改善传统车载激光雷达点云配准方法准确度低、计算速度慢的问题,提出了一种基于快速点特征直方图（fast point feature histograms, FPFH）初始匹配与改进迭代最近点（iterative closestpoint,ICP）精确配准相结合的改进FPFH-ICP配准算法。配准前使用体素滤波器和statistical-outlier-removal滤波器进行预处理;采用FPFH提取点云特征,基于采样一致性（sample consensus initial alignment, SAC-IA）进行初始配准,为精确配准提供良好的位姿信息;建立K-D树并在传统ICP配准算法的基础上添加法向量阈值,对车载激光雷达点云数据进行精确配准;在4种不同场景的实验中,改进FPFH-ICP配准比ICP配准的均方根误差和配准用时分别平均减少了7.56%和41.22%,比点特征直方图（point feature histograms, PFH）配准的均方根误差和配准用时分别平均减少了30.28%和18.95%,表明改进的FPFH-ICP能够对车载激光雷达点云数据实现精确且高效的配准。     

基于激光强度的建筑立面点云分类及信息提取

针对地面三维激光扫描仪的点云激光强度值,提出了一种基于激光雷达方程的数据模型改正方法.通过将激光强度值进行角度和距离改正,分析数据模型的改正效果,并利用改正后的激光强度值对建筑立面点云进行分类及建筑立面信息的特征提取.实验表明:改正模型能对点云激光强度值进行有效补偿,使得同类物体的激光强度值趋于统一.因此,利用改正后的点云激光强度值对建筑立面点云进行分类及特征提取,能够保证分类精度及目标识别效果.     

基于模糊颜色提取的彩色图像分割

为了对彩色图像进行有效分割,提出了一种基于模糊颜色提取的新型彩色图像分割算法,这种算法可以有效的进行区域分割.首先,提出了一种模糊颜色提取方法,然后介绍了该算法,算法经过迭代可以选择典型的种子颜色来提取颜色分量,最后应用区域生长法可以确保所需区域的完整连通性.区别于现有的图像分割方法,本方法是将相同的像素分成几个模糊集,分割成功率提高10%左右.实验结果表明该算法可以合理分割出所需区域,避免冗余,并且具有较好的噪声抑制力和鲁棒性.     

基于力场的点云树木骨架提取方法

树木骨架是树木仿真及建模的基础,笔者根据树木的拓扑原理,直接利用地面激光雷达扫描获得的单木点云数据,提出了一种基于物理学中力场概念的点云数据树木骨架提取方法:首先对点云树木模型运用空间层次剖分的方法进行分层,根据点云的邻域关系建立基于树木特征点的简化表示,然后根据计算点的测地距离对树木特征点进行连接,再运用力场将位于树木表面的骨架连线压缩至树木内部,最后根据骨架夹角阈值对骨架进行顺滑得到最终的树木骨架。研究显示,将该方法分别应用在含笑树和樱花树的骨架提取中效果较好,相比同类算法效率较高。