基于权值的散乱点云压缩算法

随着点云数据规模的不断增大,基于一定的准则对散乱点云进行压缩和简化直接决定了点云重建的效率.详细介绍了现存的点云压缩算法的原理和方法,总结这些压缩算法的特点和适用对象,并结合散乱点云密度分布特点,提出基于权值的压缩算法,根据点云密度设定不同的权阈值进行点云的自适应压缩,实现散乱点云的快速压缩.最终通过特高压南阳站点云进行算法验证,确定了最佳权阈值,同时通过分析对比证实了算法的高效性和可行性.     

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.     

散乱点云的补偿滤波

针对散乱点云的滤波问题,提出了一种体积保持的滤波方法.由于采用双边滤波器对散乱点云模型多次迭代滤波时,在高曲率区域会产生较大的形状变形,因此提出一种新的补偿量滤波算子,对滤波移动量进行平滑处理,获得形状补偿量,并依据形状补偿量将降噪点位置向原始位置方向调整,从而减少了滤波产生的形状变形.实验表明,该方法具有减小体积收缩的能力,对于噪声点云模型滤波,该方法简单、有效,与传统的双边滤波相比,能够减少滤波中的变形,获得具有更多细节特征的点模型.     

反求工程中散乱点云的数据预处理技术

提出了一种基于散乱点云的数据预处理方法.该方法包括四个部分:对散乱点云进行Dirichlet域分割并在此基础上进行三角剖分;在各个三角域中寻找中心点,以其为原点建立局部坐标系并采用正态分布模型进行噪声点删除;利用在三角网格上构建B-B曲面进行数据平滑处理;对漏测的数据点进行补全处理.数据点经过上述处理后能基本满足后续的曲面曲线的重构要求.     

散乱点云与重构模型的误差分析

在反求工程中,对产品的实物模型进行数字化测量后,重构得到产品的CAD模型.而实物测量数据与重构模型间的误差分析是必要的,它会对原产品的仿制或重复制造等后续工作产生影响.首先时零件实物的散乱点云进行预处理,得到截平面点云,然后实现曲线拟合和重构模型,最后对散乱点云与重构模型进行误差分析,并通过误差生长线来区分误差大的区域.     

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.     

离散点云数据的小波变换处理算法

将离散点云数据表示成适合用作小波变换的形式,提出了一种基于尺度的离散点云数据的特征识别算法,在此基础上给出了具体的基于尺度的二维和三维离散点云的小波分解算法,最后引入实例对二维离散点云的小波分解算法进行分析,实验结果表明算法达到了对点云数据的按尺度特征分解的目的.通过提出的算法,将离散点云数据按照尺度进行分解并提取出不同的特征成分,这样可以根据后期可视化显示的不同要求,将小波变换分解后的数据进行进一步的处理.     

基于散乱点云的快速体积计算法

三维可视化体积计算基本上都是先由散乱点云构建出表面网格模型,然后基于网格模型计算体积,存在计算量大、速度慢的缺点.针对此问题提出一种快速体积计算法,首先使用改进的增量式Delaunay三角剖分对散乱点云进行四面体剖分;然后利用K近邻计算散乱点的拟合曲面和最小生成树,得到各点的法向量;由各点法向量剔除体外四面体;最后计算各四面体体积之和从而得到总体积.实验表明,该算法不仅保证了计算准确度,而且较传统算法大大提高了效率.     

一种新的散乱点云尖锐特征提取方法

针对散乱点云的尖锐特征识别与提取问题,提出一种基于平均曲率运动的散乱点云尖锐特征提取算法.该算法利用采样点的加权邻域重心近似表示离散Laplacian算子;利用采样点邻域的主成分分析估算散乱点云法向量,通过张量投票的方法平滑估算得到的点云法向场,进一步提高了该算法识别细微尖锐特征的能力;将采样点和其对应加权邻域重心之间的距离投影到法向方向,消除了因为采样密度不均匀以及边界点所引起的尖锐特征点误判.该算法直接对散乱点云进行操作,不需要维护采样点之间的连接关系和任何全局的拓扑信息,简捷且易于实现,对点云中的噪声和局外点保持鲁棒.该算法应用于合成点云和实际扫描点云的实验结果表明了方法的有效性.     

浅析散乱点云数据的三角网格面重构

逆向工程的研究有着重大的现实意义。本文先对逆向工程技术进行概述,然后介绍了散乱点云数据三角网格面重构的分类和经典算法,以及逆向工程的常用软件,最后对全文进行了总结。     

多尺度分解下的自适应滤波器组的构建方法

通过分析自适应滤波和小波变换的多尺度分解滤波的原理与方法,建立了非平稳信号的多尺度分解下自适应滤波器组的构建模型和滤波方法.将小波变换分离出来的噪声成分作为自适应滤波器的输入,通过自适应滤波器组,能实现多种噪声成分的自适应滤波.通过模型验证和工程实例的应用,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计.通过自适应滤波器组,能同时实现对多种噪声成分的最佳滤波,具有优良的滤波性能.     

无线视频传输系统在消防灭火中的应用研究

由于受无线信道带宽的限制,现有编码技术不能很好的实现实时传输。在分析现有编码方式的基础上,提出了一种基于信道质量的小波变换分级编码算法。该方法通过实时监测信道质量,采用小波变换的分级编码技术进行视频编码,在传输时自适应的改变视频传输编码层,实验表明该算法能够满足实时视频传输的需要。     

基于小波包变换的尺度自适应阈值图像降噪

针对传统小波变换易引起图像边缘模糊的不足,研究了基于小波包变换的尺度自适应阈值图像降噪。利用小波包变换可以同时对图像的高频和低频部分进行进一步的细分,因此可以更好地保留原图像信息的优势,更进一步,克服通用阈值的缺陷,软阈值函数的构造充分考虑了不同尺度层次上的系数的不同特点,产生尺度自适应阈值。通过对加噪图像的实验可以看出,与传统方法相比,本文方法不仅降噪效果有很大的改进,而且有很好的视觉效果,峰值信噪比也有较大幅度的提高。     

一种基于Wavelet—SVD数字水印算法的MATLAB实现

提出一种Wavelet和SVD结合的水印算法,首先对原图像和置乱的水印图像分别进行两次相同的Wavelet变换,对他们的低频均进行奇异值分解,通过奇异值加权得到含水印图像,实验表明,此算法对常规的攻击具有很好的鲁棒性。     

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Surfels表示的点模型的布尔运算

为了实现表面面元表示的离散点模型实现布尔运算的算法,提出了一种简单而快速的点模型布尔算法。通过构造适合于邻域搜索的KD树层次结构,实现了快速为点云找其最近相邻点,对面元的内外及相交测试和边界Surfels的自适应划分,用Splating方法绘制点模型。实验表明,该算法运算简单,提高了内外判别的准确性和边界的精度。     

小波理论概述

小波变换是当前应用数学和工程学科中一个迅速发展的新领域,由于它在时间域和频率域里同时具有良好的局部化性质,因而同时具备理论深刻与应用广泛的双重意义。首先,介绍了小波函数的基本概念,讨论了小波变换的特点;其次,完整地总结了小波变换在各个方向的应用;最后对小波变换的应用进行了总结和展望。     

小波分析技术在数据预处理中的应用

在工程实际中,从被测对象上检测到的信号,往往混有不同程度的噪声。利用小波分析可以过滤掉弱信号或无用信号,得到用户真正需要的信息。介绍了小波变换、小波包分解,以及运用小波包分解进行数据预处理的方法,并最终选择应用小波包分解进行消噪和小波多尺度分解,完成数据预处理,提取了故障特征。     

基于CATIA的逆向工程在汽车车身设计中的应用

逆向工程是在现代计算机技术基础之上产生的一种新的产品设计和开发方法，通过对逆向工程概念的介绍及实例设计演示，探讨基于CATIA的逆向设计的一般流程。